Sự kết hợp giữa Web3 và AI: Xây dựng hệ sinh thái Internet thế hệ tiếp theo

Web3 như một mô hình internet mới phi tập trung, mở và minh bạch, có những điểm kết hợp tự nhiên với AI. Trong kiến trúc tập trung truyền thống, tài nguyên tính toán và dữ liệu của AI bị hạn chế nghiêm ngặt, đối mặt với nhiều thách thức như nghẽn cổ chai tính toán, rò rỉ quyền riêng tư, và thuật toán không minh bạch. Trong khi đó, Web3 dựa trên công nghệ phân tán, thông qua mạng lưới chia sẻ sức mạnh tính toán, thị trường dữ liệu mở, và tính toán quyền riêng tư, đã cung cấp động lực mới cho sự phát triển của AI. Đồng thời, AI cũng có thể mang lại nhiều cải tiến cho Web3, như tối ưu hóa hợp đồng thông minh, thuật toán chống gian lận, v.v., thúc đẩy sự phát triển của hệ sinh thái này. Do đó, việc khám phá sự kết hợp giữa Web3 và AI có ý nghĩa quan trọng trong việc xây dựng cơ sở hạ tầng internet thế hệ tiếp theo và giải phóng giá trị dữ liệu và sức mạnh tính toán.

Dữ liệu điều khiển: Nền tảng vững chắc của AI và Web3

Dữ liệu là động lực cốt lõi thúc đẩy sự phát triển của AI. Các mô hình AI cần xử lý một lượng lớn dữ liệu chất lượng cao để có được sự hiểu biết sâu sắc và khả năng suy luận mạnh mẽ, dữ liệu không chỉ cung cấp nền tảng đào tạo cho các mô hình học máy mà còn quyết định độ chính xác và độ tin cậy của mô hình.

Mô hình thu thập và sử dụng dữ liệu AI tập trung truyền thống gặp phải các vấn đề chính sau đây:

• Chi phí thu thập dữ liệu cao, các doanh nghiệp vừa và nhỏ khó có thể chịu đựng.
• Tài nguyên dữ liệu bị các công ty công nghệ lớn độc quyền, tạo thành các đảo dữ liệu
• Dữ liệu cá nhân đối mặt với rủi ro bị rò rỉ và lạm dụng

Web3 cung cấp một mô hình dữ liệu phi tập trung mới để giải quyết những điểm đau này:

• Người dùng có thể bán tài nguyên mạng không sử dụng cho các công ty AI, theo cách phi tập trung để thu thập dữ liệu mạng, sau khi được làm sạch và chuyển đổi, cung cấp dữ liệu thực và chất lượng cao cho việc huấn luyện mô hình AI.
• Áp dụng mô hình "gán nhãn là kiếm tiền", thông qua việc khuyến khích bằng token để người lao động trên toàn cầu tham gia vào việc gán nhãn dữ liệu, tập hợp kiến thức chuyên môn toàn cầu, tăng cường khả năng phân tích dữ liệu.
• Nền tảng giao dịch dữ liệu blockchain cung cấp môi trường giao dịch công khai và minh bạch cho cả hai bên cung cầu dữ liệu, khuyến khích đổi mới và chia sẻ dữ liệu.

Mặc dù vậy, việc thu thập dữ liệu từ thế giới thực vẫn gặp một số vấn đề, chẳng hạn như chất lượng dữ liệu không đồng nhất, khó xử lý, tính đa dạng và tính đại diện không đủ. Dữ liệu tổng hợp có thể là điểm nổi bật trong lĩnh vực dữ liệu Web3 trong tương lai. Dựa trên công nghệ AI sinh generative và mô phỏng, dữ liệu tổng hợp có khả năng bắt chước các thuộc tính của dữ liệu thực, như một bổ sung hiệu quả cho dữ liệu thực, nâng cao hiệu quả sử dụng dữ liệu. Trong các lĩnh vực như lái xe tự động, giao dịch thị trường tài chính, phát triển trò chơi, dữ liệu tổng hợp đã thể hiện tiềm năng ứng dụng trưởng thành.

Bảo vệ quyền riêng tư: Vai trò của FHE trong Web3

Trong thời đại dữ liệu, việc bảo vệ quyền riêng tư đã trở thành tâm điểm chú ý toàn cầu. Một số dữ liệu nhạy cảm không thể được khai thác tối đa do rủi ro về quyền riêng tư, điều này hạn chế tiềm năng và khả năng suy luận của các mô hình AI.

Mã hóa toàn phần ( FHE ) cho phép thực hiện các phép toán trực tiếp trên dữ liệu đã mã hóa mà không cần giải mã dữ liệu, và kết quả tính toán sẽ nhất quán với kết quả của phép tính tương tự trên dữ liệu rõ. FHE cung cấp bảo vệ vững chắc cho tính toán riêng tư của AI, giúp sức mạnh tính toán GPU có thể thực hiện đào tạo mô hình và nhiệm vụ suy diễn trong môi trường không tiếp xúc với dữ liệu gốc. Điều này mang lại lợi thế lớn cho các công ty AI, cho phép họ mở dịch vụ API một cách an toàn trong khi bảo vệ bí mật thương mại.

FHEML hỗ trợ mã hóa dữ liệu và mô hình trong toàn bộ chu kỳ học máy, đảm bảo tính an toàn của thông tin nhạy cảm, ngăn ngừa rủi ro rò rỉ dữ liệu. Thông qua cách này, FHEML củng cố quyền riêng tư dữ liệu, cung cấp một khuôn khổ tính toán an toàn cho các ứng dụng AI.

FHEML là sự bổ sung cho ZKML, ZKML chứng minh việc thực hiện chính xác của machine learning, trong khi FHEML nhấn mạnh vào việc tính toán trên dữ liệu được mã hóa để duy trì quyền riêng tư của dữ liệu.

Cách mạng sức mạnh tính toán: Tính toán AI trong mạng phi tập trung

Độ phức tạp tính toán của các hệ thống AI hiện tại tăng gấp đôi mỗi 3 tháng, dẫn đến nhu cầu về sức mạnh tính toán tăng vọt, vượt xa nguồn cung tài nguyên tính toán hiện có. Ví dụ, việc đào tạo một mô hình ngôn ngữ lớn cần sức mạnh tính toán khổng lồ, tương đương với 355 năm thời gian đào tạo trên một thiết bị đơn lẻ. Sự thiếu hụt sức mạnh tính toán như vậy không chỉ hạn chế sự tiến bộ của công nghệ AI, mà còn khiến cho những mô hình AI tiên tiến trở nên khó tiếp cận đối với hầu hết các nhà nghiên cứu và phát triển.

Trong khi đó, tỷ lệ sử dụng GPU toàn cầu chưa đến 40%, cộng với sự chậm lại trong việc nâng cao hiệu suất vi xử lý và tình trạng thiếu chip do các yếu tố chuỗi cung ứng và địa chính trị, tất cả những điều này đã làm cho vấn đề cung cấp sức mạnh tính toán trở nên nghiêm trọng hơn. Các chuyên gia AI đang rơi vào tình huống tiến thoái lưỡng nan: hoặc tự mua phần cứng, hoặc thuê tài nguyên đám mây, họ đang cần một phương thức dịch vụ tính toán theo nhu cầu và hiệu quả về chi phí.

Một số mạng lưới tính toán AI phi tập trung kết hợp các nguồn tài nguyên GPU nhàn rỗi trên toàn cầu, cung cấp cho các công ty AI một thị trường tính toán kinh tế và dễ tiếp cận. Các bên có nhu cầu tính toán có thể công bố nhiệm vụ tính toán trên mạng, hợp đồng thông minh sẽ phân bổ nhiệm vụ cho các nút thợ đào đóng góp sức mạnh tính toán, thợ đào thực hiện nhiệm vụ và nộp kết quả, sau khi được xác thực sẽ nhận phần thưởng điểm. Giải pháp này nâng cao hiệu quả sử dụng tài nguyên, giúp giải quyết vấn đề nút thắt sức mạnh tính toán trong các lĩnh vực như AI.

Ngoài mạng lưới sức mạnh tính toán phi tập trung chung, còn có một số nền tảng tập trung vào đào tạo AI, cũng như mạng lưới sức mạnh tính toán chuyên dụng tập trung vào suy luận AI.

Mạng lưới tính toán phi tập trung cung cấp một thị trường tính toán công bằng và minh bạch, phá vỡ độc quyền, giảm bớt rào cản ứng dụng và nâng cao hiệu quả sử dụng sức mạnh tính toán. Trong hệ sinh thái web3, mạng lưới tính toán phi tập trung sẽ đóng vai trò then chốt, thu hút nhiều dapp đổi mới tham gia, cùng nhau thúc đẩy sự phát triển và ứng dụng của công nghệ AI.

DePIN：Web3 trao quyền cho Edge AI

Edge AI cho phép tính toán xảy ra tại nguồn dữ liệu, đạt được độ trễ thấp, xử lý theo thời gian thực, đồng thời bảo vệ quyền riêng tư của người dùng. Công nghệ Edge AI đã được áp dụng trong các lĩnh vực quan trọng như lái xe tự động.

Trong lĩnh vực Web3, chúng ta có một cái tên quen thuộc hơn - DePIN. Web3 nhấn mạnh việc phi tập trung và chủ quyền dữ liệu của người dùng, DePIN thông qua việc xử lý dữ liệu tại chỗ có thể tăng cường bảo vệ quyền riêng tư của người dùng, giảm thiểu rủi ro rò rỉ dữ liệu; Cơ chế kinh tế Token bản địa của Web3 có thể khuyến khích các nút DePIN cung cấp tài nguyên tính toán, xây dựng một hệ sinh thái bền vững.

Hiện tại, DePIN đang phát triển nhanh chóng trong một số hệ sinh thái chuỗi công khai, trở thành một trong những nền tảng được ưa chuộng để triển khai dự án. TPS cao, phí giao dịch thấp và đổi mới công nghệ đã cung cấp sự hỗ trợ mạnh mẽ cho các dự án DePIN. Hiện nay, giá trị thị trường của các dự án DePIN trên chuỗi công khai này đã vượt quá 10 tỷ USD, một số dự án nổi tiếng đã đạt được tiến bộ đáng kể.

IMO: Mô hình AI phát hành khuôn mẫu mới

Khái niệm IMO được đề xuất lần đầu tiên bởi một giao thức, biến các mô hình AI thành token.

Trong mô hình truyền thống, do thiếu cơ chế chia sẻ lợi nhuận, một khi mô hình AI được phát triển và đưa ra thị trường, các nhà phát triển thường khó có thể thu được lợi nhuận liên tục từ việc sử dụng mô hình sau này, đặc biệt là khi mô hình được tích hợp vào các sản phẩm và dịch vụ khác, người sáng tạo ban đầu rất khó theo dõi tình hình sử dụng, chứ đừng nói đến việc thu lợi từ đó. Hơn nữa, hiệu suất và hiệu quả của mô hình AI thường thiếu tính minh bạch, điều này khiến các nhà đầu tư và người sử dụng tiềm năng khó khăn trong việc đánh giá giá trị thực sự của nó, hạn chế sự công nhận trên thị trường và tiềm năng thương mại của mô hình.

IMO cung cấp một cách hỗ trợ tài chính và chia sẻ giá trị hoàn toàn mới cho các mô hình AI mã nguồn mở, nhà đầu tư có thể mua token IMO để chia sẻ lợi nhuận phát sinh từ mô hình sau này. Một giao thức sử dụng hai tiêu chuẩn ERC, kết hợp giữa oracle AI và công nghệ OPML để đảm bảo tính xác thực của mô hình AI và người nắm giữ token có thể chia sẻ lợi nhuận.

Mô hình IMO đã tăng cường tính minh bạch và niềm tin, khuyến khích sự hợp tác mã nguồn mở, thích ứng với xu hướng thị trường tiền mã hóa và thúc đẩy sự phát triển bền vững của công nghệ AI. IMO hiện vẫn đang ở giai đoạn thử nghiệm ban đầu, nhưng khi mức độ chấp nhận của thị trường tăng lên và phạm vi tham gia mở rộng, tính đổi mới và giá trị tiềm năng của nó đáng để chúng ta mong đợi.

AI Agent: Kỷ nguyên mới trong trải nghiệm tương tác

AI Agent có khả năng cảm nhận môi trường, tư duy độc lập và thực hiện các hành động phù hợp để đạt được mục tiêu đã đặt. Dưới sự hỗ trợ của các mô hình ngôn ngữ lớn, AI Agent không chỉ có thể hiểu ngôn ngữ tự nhiên mà còn lên kế hoạch quyết định và thực hiện các nhiệm vụ phức tạp. Chúng có thể hoạt động như những trợ lý ảo, học hỏi sở thích của người dùng thông qua tương tác và cung cấp các giải pháp cá nhân hóa. Ngay cả khi không có chỉ dẫn rõ ràng, AI Agent cũng có thể tự mình giải quyết vấn đề, nâng cao hiệu quả và tạo ra giá trị mới.

Một số nền tảng ứng dụng AI gốc mở cung cấp bộ công cụ sáng tạo toàn diện và dễ sử dụng, hỗ trợ người dùng cấu hình chức năng, diện mạo, giọng nói của robot cũng như kết nối với cơ sở dữ liệu bên ngoài, nhằm tạo ra một hệ sinh thái nội dung AI công bằng và mở, sử dụng công nghệ AI sinh tạo, trao quyền cho cá nhân trở thành những nhà sáng tạo siêu việt. Những nền tảng này đã đào tạo các mô hình ngôn ngữ lớn chuyên biệt, làm cho việc đóng vai trở nên nhân tính hơn; công nghệ sao chép giọng nói có thể tăng tốc độ tương tác cá nhân hóa của sản phẩm AI, giảm đáng kể chi phí tổng hợp giọng nói, việc sao chép giọng nói chỉ mất 1 phút để thực hiện. Các AI Agent được tùy chỉnh trên những nền tảng này hiện có thể được áp dụng trong nhiều lĩnh vực như trò chuyện video, học ngôn ngữ, tạo hình ảnh.

Trong sự hội nhập giữa Web3 và AI, hiện tại chủ yếu là khám phá tầng cơ sở hạ tầng, làm thế nào để thu thập dữ liệu chất lượng cao, bảo vệ quyền riêng tư dữ liệu, làm thế nào để lưu trữ mô hình trên chuỗi, làm thế nào để nâng cao hiệu quả sử dụng sức mạnh tính toán phi tập trung, làm thế nào để xác minh các mô hình ngôn ngữ lớn và những vấn đề quan trọng khác. Khi các cơ sở hạ tầng này dần được hoàn thiện, chúng ta có lý do để tin rằng sự hội nhập giữa Web3 và AI sẽ sinh ra một loạt các mô hình kinh doanh và dịch vụ đổi mới.