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

Web3, như một mô hình internet hoàn toàn mới, phi tập trung, mở và minh bạch, có tiềm năng kết hợp tự nhiên với AI. Dưới kiến trúc tập trung truyền thống, các tài nguyên tính toán và dữ liệu của AI đang phải đối mặt với nhiều thách thức, như nút thắt công suất tính toán, rò rỉ quyền riêng tư và vấn đề 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 các cách thức như mạng lưới chia sẻ công suất tính toán, thị trường dữ liệu mở và tính toán bảo mật. Đồng thời, AI cũng có thể mang lại nhiều khả năng cho Web3, như tối ưu hóa hợp đồng thông minh và 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 để xây dựng cơ sở hạ tầng internet thế hệ tiếp theo và giải phóng giá trị dữ liệu và công suất 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 đối với 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 học máy mà còn quyết định độ chính xác và độ tin cậy của mô hình.

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

• Chi phí thu thập dữ liệu cao, doanh nghiệp vừa và nhỏ khó khăn trong việc gánh vác.
• Tài nguyên dữ liệu bị các tập đoàn công nghệ khổng lồ độc quyền, hình thành nên các đảo dữ liệu.
• Dữ liệu cá nhân đối mặt với rủi ro bị rò rỉ và lạm dụng

Web3 có thể giải quyết các điểm đau của mô hình truyền thống bằng một phương thức dữ liệu phi tập trung mới:

• Bằng cách thu thập dữ liệu từ mạng theo phương thức phi tập trung, sau khi được làm sạch và chuyển đổi, cung cấp dữ liệu thực tế và chất lượng cao cho việc đào tạo mô hình AI.
• Áp dụng mô hình "label to earn", thông qua việc khuyến khích bằng token để các 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 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 phải 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 là ngôi sao trong tương lai của lĩnh vực dữ liệu Web3. Dựa trên công nghệ AI sinh tổng hợp 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 thể hiện tiềm năng ứng dụng trưởng thành của nó.

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

Thời đại dữ liệu, 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 đến những thách thức: một số dữ liệu nhạy cảm không thể được sử dụng đầy đủ do rủi ro về quyền riêng tư, điều này chắc chắn hạn chế tiềm năng và khả năng suy luận của các mô hình AI.

FHE tức là mã hóa hoàn toàn đồng nhất, cho phép thực hiện các phép toán tính toán trực tiếp trên dữ liệu đã được mã hóa mà không cần giải mã dữ liệu, và kết quả tính toán giống hệt với kết quả của phép tính được thực hiện trên dữ liệu rõ.

FHE đã cung cấp sự bảo vệ vững chắc cho tính toán riêng tư AI, cho phép sức mạnh GPU thực hiện các nhiệm vụ đào tạo 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 toàn bộ chu kỳ học máy, đảm bảo an toàn thông tin nhạy cảm và ngăn chặn 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 bổ sung cho ZKML, ZKML chứng minh việc thực hiện chính xác của học máy, trong khi FHEML nhấn mạnh việc tính toán trên dữ liệu mã hóa để bảo vệ quyền riêng tư của dữ liệu.

Cách mạng năng lực 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 về sức mạnh tính toán tăng vọt, vượt xa nguồn cung cấp tài nguyên tính toán hiện có. Ví dụ, việc huấn luyện một mô hình ngôn ngữ lớn cần sức mạnh 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 những mô hình AI tiên tiến trở nên không thể 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 việc hiệu suất của vi xử lý đang chậm lại, cùng với sự thiếu hụt 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. 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 rất cần một phương thức dịch vụ tính toán theo nhu cầu, kinh tế và hiệu quả.

Mạng lưới sức mạnh AI phi tập trung thông qua việc 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 tiết kiệm 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 bổ nhiệm vụ cho các nút thợ mỏ đóng góp sức mạnh tính toán, thợ mỏ thực hiện nhiệm vụ và gửi 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 tắc nghẽn sức mạnh tính toán trong các lĩnh vực như AI.

Ngoài mạng lưới tính toán phi tập trung chung, còn có các nền tảng tập trung vào đào tạo AI, cũng như mạng lưới tính toán chuyên dụng tập trung vào suy diễn 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 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

Hãy tưởng tượng rằng, điện thoại di động, đồng hồ thông minh và thậm chí là 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 xảy ra tại nguồn phát sinh dữ liệu, đạt được độ trễ thấp và 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 tính phi tập trung và quyền sở hữu dữ liệu của người dùng, DePIN bằng cách xử lý dữ liệu tại chỗ có thể tăng cường sự 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 triển khai dự án được ưa chuộng nhất. TPS cao, phí giao dịch thấp và đổi mới công nghệ đã cung cấp hỗ trợ mạnh mẽ cho các dự án DePIN. Hiện tại, một số dự án DePIN trên chuỗi công khai đã có giá trị thị trường vượt quá 10 tỷ USD, một số dự án nổi tiếng đã đạt được tiến bộ đáng kể.

IMO: Mô hình AI công bố một kiểu mẫu mới

Khái niệm IMO được đưa ra lần đầu bởi một giao thức blockchain, nhằm mã 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, các nhà sáng tạo ban đầu rất khó để theo dõi tình hình sử dụng, chưa kể đến việc thu lợi từ đó. Hơn nữa, hiệu suất và hiệu quả của mô hình AI thường thiếu minh bạch, điều này khiến 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 trên thị trường và tiềm năng thương mại của mô hình.

IMO cung cấp một cách mới để hỗ trợ tài chính và chia sẻ giá trị 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 số giao thức blockchain sử dụng các tiêu chuẩn ERC cụ thể, kết hợp với công nghệ AI oracle và OPML để đảm bảo tính xác thực của mô hình AI và những 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 điện tử và tạo động lực cho 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 của trải nghiệm tương tác

AI Agent có khả năng cảm nhận môi trường, suy nghĩ độc lập và thực hiện các hành động phù hợp 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.

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, giao diện, 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 sinh, trao quyền cho cá nhân trở thành những nhà sáng tạo siêu phàm. Những nền tảng này đã huấn luyện các mô hình ngôn ngữ lớn chuyên biệt, làm cho việc nhập vai trở nên nhân văn hơn; công nghệ sao chép giọng nói có thể tăng tốc độ tương tác cá nhân hóa 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 từ những nền tảng này hiện có thể được áp dụng trong nhiều lĩnh vực như video trò chuyện, học ngôn ngữ, tạo hình ảnh.

Trong sự kết hợp giữa Web3 và AI, hiện tại nhiều hơn là khám phá các lớp hạ tầng cơ sở, cách thu thập dữ liệu chất lượng cao, bảo vệ quyền riêng tư dữ liệu, cách lưu trữ mô hình trên chuỗi, cách nâng cao việc sử dụng hiệu quả sức mạnh tính toán phi tập trung, cách xác minh các mô hình ngôn ngữ lớn và các vấn đề then chốt khác. Khi các 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.