Sự kết hợp giữa Web3 và AI: Xây dựng cơ sở hạ tầng Internet thế hệ tiếp theo

Web3, như một mô hình internet mới phi tập trung, mở và minh bạch, có cơ hội tích hợp tự nhiên với AI. Dưới kiến trúc tập trung truyền thống, tài nguyên tính toán và dữ liệu của AI bị kiểm soát chặt chẽ, và gặp phải nhiều thách thức như nút thắt về sức mạnh tính toán, rò rỉ dữ liệu cá nhân, và hộp đen thuật toán. Trong khi đó, Web3 dựa trên công nghệ phân tán, có thể cung cấp động lực mới cho sự phát triển của AI thông qua mạng lưới chia sẻ sức mạnh tính toán, thị trường dữ liệu mở, và tính toán bảo mật. Đồng thời, AI cũng có thể mang lại nhiều năng lực cho Web3, như tối ưu hóa hợp đồng thông minh, thuật toán chống gian lận, hỗ trợ xây dựng hệ sinh thái của nó. Do đó, việc khám phá sự kết hợp giữa Web3 và AI là rất quan trọng cho việc xây dựng cơ sở hạ tầng internet thế hệ tiếp theo và giải phóng giá trị dữ liệu cũng như sức mạnh tính toán.

Dữ liệu驱动: Nền tảng vững chắc của AI và Web3

Dữ liệu là động lực cốt lõi thúc đẩy sự phát triển của AI, giống như nhiên liệu đối với động cơ. Các mô hình AI cần phải tiêu hóa một lượng lớn dữ liệu chất lượng cao để đạt được 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 các mô hình.

Trong mô hình thu thập và sử dụng dữ liệu AI tập trung truyền thống, có một số vấn đề chính sau:

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

Web3 có thể giải quyết những điểm đau của mô hình truyền thống bằng một khuôn khổ dữ liệu phi tập trung mới:

• Người dùng có thể bán mạng không sử dụng cho các công ty AI, thu thập dữ liệu mạng một cách phi tập trung, sau khi được làm sạch và chuyển đổi, cung cấp dữ liệu thực và chất lượng cao cho việc đào tạo mô hình AI.
• Áp dụng mô hình "label to earn", khuyến khích người lao động toàn cầu tham gia vào việc gán nhãn dữ liệu thông qua các phần thưởng bằng token, tập hợp kiến thức chuyên môn toàn cầu, nâng cao khả năng phân tích dữ liệu.
• Nền tảng giao dịch dữ liệu blockchain cung cấp cho cả hai bên cung cầu dữ liệu một môi trường giao dịch công khai và minh bạch, khuyến khích sự đổi mới và chia sẻ dữ liệu.

Mặc dù vậy, việc thu thập dữ liệu từ thế giới thực cũng gặp một số vấn đề, chẳng hạn như chất lượng dữ liệu không đồng nhất, độ khó trong xử lý, sự đa dạng và tính đại diện không đủ, v.v. Dữ liệu tổng hợp có thể trở thành ngôi sao trong lĩnh vực dữ liệu Web3 trong tương lai. Dựa trên công nghệ AI sinh tạo và mô phỏng, dữ liệu tổng hợp có khả năng mô phỏng 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 cho thấy tiềm năng ứng dụng trưởng thành của nó.

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

Thời đại dữ liệu đang lên, bảo vệ quyền riêng tư đã trở thành tâm điểm chú ý toàn cầu. Sự ra đời của các quy định như Quy định Bảo vệ Dữ liệu Chung của Liên minh Châu Âu (GDPR) phản ánh sự bảo vệ nghiêm ngặt đối với quyền riêng tư cá nhân. Tuy nhiên, điều này cũng mang lại thách thức: một số dữ liệu nhạy cảm không thể được tận dụng đầy đủ do rủi ro về quyền riêng tư, điều này chắc chắn hạn chế tiềm năng và khả năng suy luận của mô hình AI.

FHE tức là mã hóa toàn đồng nhất, cho phép thực hiện các phép toán trực tiếp trên dữ liệu đã mã hóa mà không cần phải 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 đã cung cấp một sự bảo vệ vững chắc cho tính toán riêng tư AI, cho phép sức mạnh tính toán GPU thực hiện các nhiệm vụ đào tạo và suy luận mô hình trong môi trường không chạm vào dữ liệu gốc. Điều này mang lại lợi thế lớn cho các công ty AI. Họ có thể 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 an toàn cho thông tin nhạy cảm và ngăn ngừa rủi ro rò rỉ dữ liệu. Bằng cách này, FHEML củng cố quyền riêng tư dữ liệu, cung cấp một khung tính toán an toàn cho các ứng dụng AI.

FHEML là sự bổ sung cho ZKML, ZKML chứng minh việc thực hiện đúng đắn của học máy, trong khi FHEML nhấn mạnh việc thực hiện tính toán trên dữ liệu được mã hóa nhằm duy trì quyền riêng tư của dữ liệu.

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

Hiện tại, độ phức tạp tính toán của các hệ thống AI 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 mô hình ngôn ngữ lớn của một công ty AI nổi tiếng cần sức mạnh tính toán khổng lồ, tương đương với thời gian đào tạo 355 năm trên một thiết bị đơn. 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 xa vời với hầu hết các nhà nghiên cứu và phát triển.

Trong khi đó, tỷ lệ sử dụng GPU toàn cầu chưa đến 40%, cộng thêm việc hiệu suất của vi xử lý đang tăng chậm lại, cùng với thiếu hụt chip do các yếu tố chuỗi cung ứng và địa chính trị, tất cả đã khiến vấn đề cung cấp sức mạnh tính toán trở nên nghiêm trọng hơn. Những người làm việc trong lĩnh vực AI đang rơi vào tình thế tiến thoái lưỡng nan: hoặc tự mua phần cứng, hoặc thuê tài nguyên điện toán đám mây, họ đang rất cần một phương thức dịch vụ tính toán theo nhu cầu, hiệu quả về chi phí.

Một mạng lưới tính toán AI phi tập trung thông qua việc tập hợp các tài nguyên GPU không sử dụng trên toàn cầu, đã cung cấp cho các công ty AI một thị trường tính toán vừa tiết kiệm vừa dễ tiếp cận. Các bên có nhu cầu tính toán có thể đăng tải nhiệm vụ tính toán trên mạng, hợp đồng thông minh sẽ phân bổ nhiệm vụ cho các nút thợ mỏ đóng góp sức mạnh tính toán, thợ mỏ thực hiện nhiệm vụ và nộp kết quả, sau khi được xác minh sẽ nhận được 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 diễn AI.

Mạng lưới tính toán phi tập trung cung cấp một thị trường sức mạnh tính toán công bằng và minh bạch, phá vỡ sự 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 quan trọng, 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

Hãy tưởng tượng rằng, điện thoại của bạn, đồng hồ thông minh, thậm chí các thiết bị thông minh trong nhà của bạn, đều có khả năng chạy AI - đó chính là sức hấp dẫn của Edge AI. Nó cho phép tính toán diễn ra tại nguồn phát sinh dữ liệu, đạt được độ trễ thấp, xử lý 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 sự phân cấp và quyền sở hữu dữ liệu của người dùng, DePIN có thể tăng cường bảo vệ quyền riêng tư của người dùng và giảm thiểu rủi ro rò rỉ dữ liệu bằng cách xử lý dữ liệu tại địa phương; 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 hệ sinh thái chuỗi công khai nhất định, trở thành một trong những nền tảng chuỗi công khai được ưa chuộng cho việc triển khai dự án. TPS cao, phí giao dịch thấp và đổi mới công nghệ của chuỗi công khai này đã cung cấp hỗ trợ mạnh mẽ cho các dự án DePIN. Hiện tại, giá trị thị trường của các dự án DePIN trên chuỗi công khai này đã vượt qua 10 tỷ USD, nhiều dự án nổi tiếng đã đạt được tiến triển đáng kể.

IMO: Mô hình AI phát hành định dạng mới

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

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, những người sáng tạo ban đầu khó theo dõi tình hình sử dụng, chưa 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 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 đã cung cấp một phương thức hỗ trợ tài chính và chia sẻ giá trị hoàn toàn mới cho các mô hình AI mã nguồn mở, cho phép nhà đầu tư mua token IMO và chia sẻ lợi nhuận phát sinh từ mô hình trong tương lai. Một giao thức sử dụng hai tiêu chuẩn ERC, kết hợp công nghệ AI oracle và OPML để đảm bảo tính xác thực của mô hình AI và cho phép các chủ sở hữu token chia sẻ lợi nhuận.

Mô hình IMO đã tăng cường tính minh bạch và niềm tin, khuyến khích hợp tác mã nguồn mở, thích ứng với xu hướng thị trường tiền điện tử, và tạo động lực cho sự phát triển bền vững của công nghệ AI. Hiện tại, IMO vẫn ở giai đoạn thử nghiệm ban đầu, nhưng với sự gia tăng mức độ chấp nhận của thị trường và mở rộng phạm vi tham gia, tính đổi mới và giá trị tiềm năng của nó đáng để chúng ta kỳ vọng.

AI Agent: Kỷ nguyên trải nghiệm tương tác mới

AI Agent có khả năng cảm nhận môi trường, thực hiện tư duy độc lập và thực hiện các hành động tương ứng để đạt được mục tiêu đã định. Dưới sự hỗ trợ của các mô hình ngôn ngữ lớn, AI Agent không chỉ có thể hiểu ngôn ngữ tự nhiên mà còn lập kế hoạch quyết định, 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 hướng dẫn rõ ràng, AI Agent cũng có thể tự giải quyết vấn đề, nâng cao hiệu quả và tạo ra giá trị mới.

Nền tảng ứng dụng AI gốc 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 kho kiến thức bên ngoài, nhằm xây dựng 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 người sáng tạo siêu hạng. Nền tảng này đã huấn luyện một mô hình ngôn ngữ lớn chuyên biệt, giúp vai trò tương tác trở nên nhân văn hơn; công nghệ sao chép giọng nói có thể tăng tốc tương tác cá nhân hóa của sản phẩm AI, giảm 99% chi phí tổng hợp giọng nói, chỉ cần 1 phút để thực hiện sao chép giọng nói. Với AI Agent tùy chỉnh từ nền tảng này, hiện tại có thể áp dụng trong nhiều lĩnh vực như trò chuyện video, học ngôn ngữ, tạo hình ảnh.

Trong sự kết hợp giữa Web3 và AI, hiện tại chủ yếu là khám phá ở lớp hạ tầng, làm thế nào để thu thập dữ liệu chất lượng cao, bảo vệ quyền riêng tư của 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 then chốt khác. Khi những hạ tầng này dần được hoàn thiện, chúng ta có lý do để tin rằng sự kết hợp giữa Web3 và AI sẽ nuôi dưỡng một loạt các mô hình kinh doanh và dịch vụ sáng tạo.