Wir sind ständig bestrebt, die praktischen Anwendungen und den Wert von #AI im #Web3 Investitionsbereich zu erkunden und mehr Menschen durch KI-Technologie in der Ära der transparenten On-Chain-Daten zu ermöglichen, maximale Informationseffizienz und Wertschöpfung zu erzielen. Dies ist unser erster Teil der Fallstudienpräsentation: Frühere Artikel, heute wollen wir über die #GPT4 Königliche Funktion: den Code-Parser sprechen.
Wie nützlich ist dieser Code-Parser? Früher konnte GPT-4 nur schriftliche Fragen stellen, in einer einzigen Richtung, eine Frage, eine Antwort, ohne bidirektionale Interaktion. Jetzt der Code-Parser, seine leistungsstarken Funktionen: Man kann selbstständig Videos, Audios, Tabellen, Code-Dateien usw. hochladen. Heute zeigen wir hier die Krypto-Projekte, die unser Forschungsteam in 50 Tagen ausgewählt hat, und lassen GPT-4 die Analyse durchführen! In 1 Stunde gelöst!
Der erste Schritt besteht darin, die Quelldaten-EXCEL-Tabelle an GPT4 zu füttern, damit es zuerst lernt (da es sich um relevante interne Kursmaterialien handelt, zeigen wir nur einen Teil, bitte um Verständnis).
Der zweite Schritt besteht darin, GPT4 zu bitten, die Korrelationen der Projekte zu finden und eine Heatmap der Korrelationen darzustellen. Je näher der Wert bei 1 liegt, desto stärker ist die Korrelation, und je kleiner er ist, desto schwächer ist die Korrelation. Dieser Schritt hat tatsächlich keine sehr starke Korrelation gefunden. (Es ist wichtig, die Denklogik zu zeigen)
Der dritte Schritt besteht darin, basierend auf den entsprechenden Bereichen #GPT4 zu bitten, eine Visualisierung in Form eines Balkendiagramms zu erstellen. Der längste rosa Balken gehört zur L1 Blockchain. Tatsächlich war es im letzten Zyklus so, dass die meisten hundertfachen Tokens in den Projekten verteilt waren, die wir als Ethereum-Killer bezeichnen, wie #SOL #ONE #MATIC usw.
Der vierte Schritt besteht darin, in verschiedenen Bereichen nach Kategorie zu klassifizieren und den Anteil der Wahrscheinlichkeit für hundertfache Tokens mit einem Kreisdiagramm darzustellen. Dabei ist nicht schwer zu erkennen, dass der DEFI-Sektor den größten Anteil hat, was darauf hinweist, dass dieser Sektor die höchste Wahrscheinlichkeit für hundertfache Tokens hat. An zweiter Stelle stehen NFT und L1 Blockchain. (Hinweis: Die Entstehung der meisten und die hohe Trefferquote sind zwei verschiedene Konzepte)
Der fünfte Schritt besteht darin, zu berücksichtigen, ob es eine starke Beziehung zwischen der Steigerung des Projekts und der damaligen Marktkapitalisierung gibt. Daher haben wir die Korrelation zwischen der Steigerung und der niedrigen sowie hohen Marktkapitalisierung des Projekts untersucht. Dies wurde mit einem Streudiagramm erstellt! Wie
Zuletzt lassen wir #GPT4 autonom lernen, um uns zu analysieren, wie stark die Steigerung des Hundertfachen Tokens ist und welche quantifizierbaren Korrelationen es mit anderen Variablen gibt. Es hat uns diese Schlussfolgerung gegeben! Darin enthalten sind: Kaufzeit&Verkaufszeit (Timing), niedrigster Preis, höchste Marktkapitalisierung usw. Wie
Zusammenfassung: Die oben genannten Fälle können nicht nur im Web3 verwendet werden
Wir haben auch die finanziellen Daten börsennotierter Unternehmen relevant gefüttert, und dann hat GPT4 eine autonome Analyse durchgeführt: Welche Probleme traten in den Finanzdaten auf; worauf sollte geachtet werden; um die Rentabilität zu steigern, in welchen Bereichen sollten Optimierungen vorgenommen werden usw., einschließlich der Fütterung von Videos oder Bildern, um durch natürliche Sprache automatisierte Bildbearbeitung und Video-Editing bereitzustellen. KI ist eine neue Produktionskraft, Web3 ist eine neue Produktionsbeziehung!