Media finansial membagikan kiat cara penggunaan kecerdasan (AI) untuk memantau pergerakan pasar Ethereum (ETH)
“Secara keseluruhan, penerapan AI untuk mendapatkan wawasan Ethereum (ETH) memerlukan tiga langkah,” tulis kontributor Forbes, Max (Chong) Li seraya menambahkan pihaknya menggunakan analisis AI pada pasar Token Non-Fungible (NFT) Ethereum sebagai contoh.
Adapun tiga langkah utama tersebut ialah: mengumpulkan data NFT on-chain dan off-chain, membangun basis data pengetahuan LLM, dan menggunakan pendekatan generasi augmented berbasis LLM (RAG) untuk analisis.
Untuk mengumpulkan data NFT, kedua dimensi on-chain dan off-chain dieksplorasi. Data on-chain, seperti rincian transaksi dan metadata, dapat diperoleh melalui dokumentasi API OpenSea.
Max merujuk pasar NFT terkemuka, OpenSea merupakan sumber data on-chain yang kaya, seperti detail transaksi NFT dan metadata.
Data off-chain, seperti gambar atau video NFT, disimpan dalam InterPlanetary File System (IPFS), dan pengambilannya melibatkan pembangunan URL gateway HTTP menggunakan hash IPFS unik.
“Alat seperti Axios atau fungsi fetch bawaan berguna untuk mengirim permintaan HTTP GET ke URL yang dibangun, sehingga mengambil data gambar NFT.”
Setelah data yang diperlukan terkumpul, dibangun basis data pengetahuan LLM. Basis data ini berfungsi sebagai sumber daya untuk pencarian semantik, memberikan konteks untuk menghasilkan output yang akurat sesuai permintaan pengguna.
Properti dan atribut relevan yang penting untuk analisis NFT, seperti kategori, studio desain, pemegang hak kekayaan intelektual, dan riwayat penjualan, diidentifikasi dan dienkoding dalam basis data.
Untuk mendapatkan wawasan NFT, pendekatan RAG disarankan. Metode ini memisahkan basis data pengetahuan dari model bahasa, memungkinkan pengguna untuk mengajukan pertanyaan atau mengirim permintaan terkait tren NFT, properti, korelasi, atau kinerja pasar.
“Selanjutnya, algoritma pencarian, misalnya Azure Cognitive Search, mencari teks yang paling relevan dalam basis data pengetahuan, yang kemungkinan berisi jawaban yang dibutuhkan.”
Algoritme pencarian mengidentifikasi teks yang relevan dalam basis data pengetahuan, dan instruksi singkat kemudian diarahkan ke LLM, memastikan output berbasis fakta dan relevan secara kontekstual.
Menurut Max, kecanggihan metode Sistem Kecerdasan Buatan berbasis Model Bahasa Besar (LLM) memiliki potensi untuk diterapkan secara luas dalam domain blockchain.
“Kami berharap bahwa di masa depan akan ada banyak alat LLM untuk meningkatkan dan memfasilitasi berbagai aspek operasi dan analisis blockchain,” pungkasnya. [ab]
