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 hợp nhất 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, đối mặt với nhiều thách thức như nút thắt năng lực tính toán, rò rỉ quyền riêng tư, và thuật toán hộp đen. Trong khi đó, Web3 dựa trên công nghệ phân phối có thể cung cấp động lực mới cho sự phát triển của AI thông qua mạng lưới chia sẻ năng lực 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, góp phần vào việc xây dựng hệ sinh thái của nó. Do đó, việc khám phá sự kết hợp giữa Web3 và AI là rất quan trọng trong việc xây dựng cơ sở hạ tầng Internet thế hệ tiếp theo, giải phóng giá trị dữ liệu và năng lực 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, giống như nhiên liệu cho động cơ. Các mô hình AI cần tiêu hóa một lượng lớn dữ liệu chất lượng cao để có 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 máy học 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 ông lớn công nghệ độc quyền, hình thành các hòn đảo dữ liệu.
• Dữ liệu cá nhân đối mặt với rủi ro rò rỉ và lạm dụng

Web3 có thể giải quyết các điểm đau của mô hình truyền thống bằng cách sử dụng một kiểu dữ liệu phi tập trung mới:

• Người dùng có thể bán mạng lưới không sử dụng cho các công ty AI, thu thập dữ liệu mạng một cách phi tập trung, qua quá trình 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 "label to earn", thông qua việc khuyến khích bằng token để công nhân toàn cầu tham gia vào việc gán nhãn dữ liệu, 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 một môi trường giao dịch công khai và minh bạch cho cả hai bên cung cấp và nhu 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, độ khó trong xử lý, sự thiếu đa dạng và tính đại diện. Dữ liệu tổng hợp có thể trở thành ngôi sao trong tương lai của lĩnh vực dữ liệu Web3. Dựa trên công nghệ AI sinh sinh và mô phỏng, dữ liệu tổng hợp có thể mô phỏng các thuộc tính của dữ liệu thực, như một bổ sung hiệu quả cho dữ liệu thực, tăng cường 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.

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 chung về bảo vệ dữ liệu (GDPR) của Liên minh châu Âu phản ánh sự bảo vệ nghiêm ngặt đối với quyền riêng tư cá nhân. Tuy nhiên, điều này cũng mang lại những thách thức: một số dữ liệu nhạy cảm không thể được khai thác đầy đủ do rủi ro về quyền riêng tư, điều này rõ ràng hạn chế tiềm năng và khả năng suy luận của các mô hình AI.

FHE là mã hóa hoàn toàn đồng nhất, cho phép thực hiện các phép toán trực tiếp trên dữ liệu mã hóa mà không cần giải mã dữ liệu, và kết quả tính toán trùng khớp với kết quả của phép toán tương tự trên dữ liệu rõ.

FHE cung cấp sự bảo vệ vững chắc cho tính toán riêng tư của AI, cho phép sức mạnh tính toán GPU thực hiện các nhiệm vụ huấn luyện và suy diễn 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 vẫn bảo vệ bí mật thương mại.

FHEML hỗ trợ mã hóa dữ liệu và mô hình trong suốt chu kỳ học máy, đảm bảo an toàn cho thông tin nhạy cảm, ngăn ngừa rủi ro rò rỉ dữ liệu. Bằng 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 bổ sung cho ZKML, ZKML chứng minh việc thực hiện máy học đúng đắn, trong khi FHEML nhấn mạnh việc tính toán trên dữ liệu được mã hóa để duy trì quyền riêng tư dữ liệu.

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

Hiện tại, độ phức tạp tính toán của hệ thống AI tăng gấp đôi mỗi 3 tháng, dẫn đến nhu cầu tính toán tăng vọt, vượt xa nguồn cung tài nguyên tính toán hiện có. Ví dụ, việc huấn luyện một mô hình ngôn ngữ lớn cần một lượng tính toán khổng lồ, tương đương với 355 năm thời gian huấn luyện 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 không thể tiếp cận đối với hầu hết các nhà nghiên cứu và nhà phát triển.

Đồng thời, tỷ lệ sử dụng GPU trên toàn cầu chưa đến 40%, cộng với việc hiệu suất của vi xử lý chậm lại, cũng như sự 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 trong lĩnh vực AI đang rơi vào tình thế tiến thoái lưỡng nan: hoặc tự mua phần cứng, hoặc thuê tài nguyên đám mây, họ đang rất cần một cách dịch vụ tính toán theo yêu cầu và tiết kiệm chi phí.

Một mạng lưới sức mạnh tính toán AI phi tập trung đã tập hợp các nguồn GPU nhàn rỗi trên toàn cầu, cung cấp cho các công ty AI một thị trường sức mạnh tính toán vừa kinh tế vừa dễ tiếp cận. Các bên có nhu cầu sức mạnh tính toán có thể đăng tải nhiệm vụ tính toán trên mạng, hợp đồng thông minh sẽ phân phối 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 thực 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 các nền tảng chuyên về đào tạo AI và mạng lưới sức mạnh tính toán chuyên dụng cho suy diễn AI.

Mạng lưới tính toán phi tập trung cung cấp 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 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 di động, đồng hồ thông minh và ngay cả 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 ngay tại nơi dữ liệu được tạo ra, 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 việc phi tập trung 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 thông qua việc 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 phát triển nhanh chóng trong một hệ sinh thái của một chuỗi công khai, 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, một số dự án nổi tiếng đã đạt được những tiến bộ đáng kể.

IMO：Mô hình AI phát hành mô hình mới

Khái niệm IMO được đề xuất lần đầu bởi một giao thức, biến 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 gặp khó khăn trong việc thu được lợi ích bền vững 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 để theo dõi tình hình sử dụng, chưa nói đến việc thu được lợi nhuận từ đó. Hơn nữa, hiệu suất và hiệu quả của mô hình AI thường thiếu tính minh bạch, điều này làm cho các nhà đầu tư và người sử dụng tiềm năng khó đánh giá giá trị thực sự của nó, hạn chế sự công nhận 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 trong tương lai. Một giao thức sử dụng hai tiêu chuẩn ERC, kết hợp công nghệ oracle AI và OPML để đảm bảo tính xác thực của mô hình AI và cho phép người nắm giữ token chia sẻ lợi nhuận.

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

AI Agent: Kỷ nguyên mới của trải nghiệm tương tác

AI Agent có khả năng cảm nhận môi trường, 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 có thể lập 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 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, ngoại hình, âm thanh của robot cũng như kết nối với kho kiến thức bên ngoài, hướng tới việc xây dựng hệ sinh thái nội dung AI công bằng và mở, tận dụng công nghệ AI sinh, trao quyền cho cá nhân trở thành người sáng tạo siêu phàm. Nền tảng này đã đào tạo một mô hình ngôn ngữ lớn chuyên dụng, làm cho việc đóng vai trò trở nên nhân văn hơn; công nghệ sao chép giọng nói có thể tăng tốc độ tương tác cá nhân hóa của sản phẩm AI, giảm 99% chi phí tổng hợp giọng nói, và việc sao chép giọng nói chỉ cần 1 phút để thực hiện. Với AI Agent tùy chỉnh từ nền tảng này, hiện có thể ứng dụng trong nhiều lĩnh vực như trò chuyện video, học ngôn ngữ, tạo hình ảnh.

Trong việc kết hợp 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 nhiều vấn đề then chốt khác. Khi những cơ sở hạ tầng này dần được hoàn thiện, chúng ta có lý do để tin rằng sự kết hợp giữa Web3 và AI sẽ sinh ra một loạt các mô hình kinh doanh và dịch vụ đổi mới.