Tóm tắt:

• Các dự án Web3 liên quan đến khái niệm trí tuệ nhân tạo đã trở thành mục tiêu đầu tư hấp dẫn trên thị trường cơ bản và thứ cấp.
• Cơ hội cho Web3 trong ngành công nghiệp trí tuệ nhân tạo nằm ở việc sử dụng cơ cấu khuyến khích phân tán để phối hợp nguồn cung tiềm năng trong dài đuôi - trên dữ liệu, lưu trữ và tính toán; trong khi đó, thiết lập một mô hình mã nguồn mở và một thị trường phân cấp cho các Đại lý Trí tuệ nhân tạo.
• Trí tuệ nhân tạo đóng vai trò then chốt trong ngành công nghiệp Web3, chủ yếu trong tài chính trên chuỗi (thanh toán tiền điện tử, giao dịch, phân tích dữ liệu) và hỗ trợ phát triển.
• Tính hữu ích của AI+Web3 nằm ở sự bổ sung lẫn nhau của hai yếu tố: Web3 được kỳ vọng sẽ chống lại sự tập trung của AI, và AI được kỳ vọng sẽ giúp Web3 thoát khỏi sự hạn chế.

Giới thiệu

Trong hai năm qua, sự phát triển của trí tuệ nhân tạo đã được tăng tốc, giống như hiệu ứng bướm được khơi mà Chatgpt, không chỉ mở ra một thế giới mới của trí tuệ nhân tạo tạo ra mà còn khuấy động một xu hướng trong thế giới Web3 xa xôi.

Với sự ủng hộ của khái niệm trí tuệ nhân tạo, việc tài chính của thị trường tiền điện tử đã tăng đáng kể so với sự chậm trễ. Theo thống kê từ phương tiện truyền thông, chỉ trong nửa đầu năm 2024, tổng cộng 64 dự án Web3+AI hoàn thành việc tài trợ, và hệ điều hành dựa trên trí tuệ nhân tạo Zyber365 đạt mức tài trợ cao nhất là 100 triệu đô la Mỹ trong vòng gọi vốn Series A.

Thị trường phụ tăng phát triển hơn, và dữ liệu từ trang web tổng hợp mã hóa Coingecko cho thấy chỉ trong hơn một năm, tổng giá trị thị trường của theo dõi trí tuệ nhân tạo đã đạt 485 tỷ đô la, với khối lượng giao dịch trong 24 giờ gần 86 tỷ đô la; những lợi ích rõ ràng mang lại bởi tiến bộ công nghệ trí tuệ nhân tạo chính, sau khi mô hình chuyển văn bản thành video của OpenAI được phát hành, giá trung bình của ngành công nghiệp trí tuệ nhân tạo tăng 151%; hiệu ứng trí tuệ nhân tạo cũng lan tỏa đến một trong những lĩnh vực hút vàng tiền mã hóa: Meme: ý tưởng MemeCoin đầu tiên của AI - GOAT nhanh chóng trở nên phổ biến và đạt định giá 1.4 tỷ đô la, thành công kích thích cơn sốt Meme AI.

Các nghiên cứu và chủ đề về AI+Web3 đều rất nóng bỏng. Từ AI+Depin đến AI Memecoin và đến hiện tại là AI Agent và AI DAO, cảm xúc FOMO đã rơi vào sau tốc độ quay vòng của câu chuyện mới.

AI+Web3, sự kết hợp này đầy tiền nóng, xu hướng và ảo tưởng về tương lai, không thể tránh khỏi việc được coi là một cuộc hôn nhân được sắp đặt bởi vốn. Dường như khó để phân biệt xem đó có phải là địa bàn của các nhà đầu cơ hay là bình minh dưới chiếc áo choàng lộng lẫy này.

Để trả lời câu hỏi này, một yếu tố quan trọng đối với cả hai bên là liệu họ có thể trở nên tốt hơn không? Họ có thể hưởng lợi từ các mô hình của nhau không? Trong bài viết này, chúng tôi cũng cố gắng xem xét tình hình này từ góc độ đứng trên vai người tiền bối: Web3 có thể đóng vai trò như thế nào trong các khía cạnh khác nhau của ngăn xếp công nghệ AI, và AI có thể mang lại sự sống động mới nào cho Web3 không?

Cơ hội nào mà Web3 có dưới AI stack?

Trước khi chúng ta đào sâu vào chủ đề này, chúng ta cần hiểu rõ về ngăn xếp kỹ thuật của các mô hình AI lớn:

Nguồn Ảnh: Delphi Digital

Một cách đơn giản, “mô hình lớn” giống như não bộ của con người. Ở giai đoạn ban đầu, não bộ này giống như một đứa trẻ sơ sinh vừa đến thế giới, cần quan sát và tiếp nhận một lượng lớn thông tin bên ngoài để hiểu về thế giới. Đây là giai đoạn “thu thập” dữ liệu; vì máy tính không có nhiều giác quan như con người, trước khi huấn luyện, thông tin bên ngoài chưa được ghi chú cần được “tiền xử lý” để chuyển đổi thành định dạng mà máy tính có thể hiểu và sử dụng.

Sau khi nhập dữ liệu, trí tuệ nhân tạo xây dựng một mô hình có khả năng hiểu và dự đoán thông qua 'huấn luyện', có thể được coi là quá trình mà một đứa trẻ dần dần hiểu và học về thế giới bên ngoài. Các tham số của mô hình tương tự như khả năng ngôn ngữ mà một đứa trẻ liên tục điều chỉnh trong quá trình học tập. Khi nội dung học tập bắt đầu chuyên sâu, hoặc khi nó nhận phản hồi từ việc tương tác với mọi người và thực hiện sự sửa đổi, nó bắt đầu giai đoạn 'điều chỉnh tinh chỉnh' của các mô hình lớn.

Khi trẻ con lớn lên và học nói, họ có thể hiểu ý nghĩa và diễn đạt cảm xúc và suy nghĩ của mình trong các cuộc trò chuyện mới, điều này tương tự như 'suy luận' của các mô hình AI lớn. Mô hình có thể dự đoán và phân tích thông tin ngôn ngữ và văn bản mới. Trẻ nhỏ diễn đạt cảm xúc của mình, mô tả các đối tượng và giải quyết các vấn đề khác nhau thông qua khả năng ngôn ngữ, điều này cũng tương tự như việc áp dụng các mô hình AI lớn trong các nhiệm vụ cụ thể khác nhau trong giai đoạn suy luận sau khi hoàn thành quá trình đào tạo, chẳng hạn như phân loại hình ảnh, nhận dạng giọng nói, v.v.

Trong khi AI Agent đang gần với hình thức tiếp theo của các mô hình lớn - có khả năng thực hiện các nhiệm vụ một cách độc lập và theo đuổi mục tiêu phức tạp, không chỉ sở hữu khả năng tư duy, mà còn có khả năng ghi nhớ, lập kế hoạch và tương tác với thế giới bằng công cụ.

Hiện tại, đang giải quyết các điểm đau của trí tuệ nhân tạo trong các ngăn xếp khác nhau, Web3 đã ban đầu hình thành một hệ sinh thái đa tầng, liên kết, bao gồm các giai đoạn khác nhau của quy trình mô hình trí tuệ nhân tạo.

Đầu tiên, Tầng Cơ bản: Airbnb của sức mạnh tính toán và dữ liệu

Sức mạnh tính toán

Hiện tại, một trong những chi phí cao nhất của trí tuệ nhân tạo là công suất tính toán và năng lượng cần thiết để huấn luyện mô hình và mô hình suy luận.

Một ví dụ là LLAMA3 của Meta yêu cầu 16.000 H100GPUs được sản xuất bởi NVIDIA (một đơn vị xử lý đồ họa hàng đầu được thiết kế đặc biệt cho công việc trí tuệ nhân tạo và tính toán hiệu suất cao) để hoàn thành quá trình đào tạo trong vòng 30 ngày. Phiên bản 80GB của máy chủ cuối cùng có giá từ 30.000 đến 40.000 đô la, yêu cầu đầu tư phần cứng từ 4 đến 7 tỷ đô la (GPU + vi chip mạng). Ngoài ra, quá trình đào tạo hàng tháng tiêu thụ 16 tỷ kilowatt-giờ, với chi phí năng lượng gần 20 triệu đô la mỗi tháng.

Đối với việc giảm áp lực của sức mạnh tính toán AI, đó cũng là lĩnh vực sớm nhất mà Web3 giao cắt với AI - DePin (mạng cơ sở hạ tầng vật lý phi tập trung). Hiện tại, trang web dữ liệu DePin Ninja đã hiển thị hơn 1400 dự án, bao gồm các dự án đại diện cho việc chia sẻ sức mạnh tính toán GPU như io.net, Aethir, Akash, Render Network, và cũng như thế.

Logic chính là: Nền tảng cho phép cá nhân hoặc tổ chức có tài nguyên GPU không hoạt động đóng góp công suất tính toán của họ một cách phi tập trung mà không cần sự cho phép, tăng cường việc sử dụng tài nguyên GPU không hoạt động thông qua một thị trường trực tuyến tương tự như Uber hoặc Airbnb cho người mua và người bán, giúp người dùng cuối có thể có được tài nguyên tính toán hiệu quả và tiết kiệm chi phí hơn; đồng thời, cơ chế đặt cược cũng đảm bảo rằng nếu có vi phạm cơ chế kiểm soát chất lượng hoặc gián đoạn mạng, nhà cung cấp tài nguyên sẽ phải đối mặt với các hình phạt tương ứng.

Các tính năng của nó là:

• Pooling idle GPU resources: Các nhà cung cấp chủ yếu là các trung tâm dữ liệu nhỏ và vừa độc lập của bên thứ ba, tài nguyên năng lực tính toán dư thừa từ các nhà khai thác tiền điện tử, và phần cứng khai thác với cơ chế đồng thuận PoS, như FileCoin và ETH miners. Hiện nay, cũng có các dự án dành riêng cho việc ra mắt thiết bị với rào cản thấp hơn, như exolab sử dụng các thiết bị địa phương như MacBook, iPhone, iPad để thiết lập mạng lưới năng lực tính toán để chạy suy luận mô hình quy mô lớn.
• Đối mặt với thị trường dài đuôi của sức mạnh tính toán AI: a. “Về mặt công nghệ,” thị trường sức mạnh tính toán phân tán phù hợp hơn cho các bước suy luận. Việc huấn luyện phụ thuộc vào khả năng xử lý dữ liệu mang lại bởi cụm GPU quy mô siêu lớn, trong khi suy luận thấp hơn về hiệu suất tính toán GPU, như Aethir tập trung vào công việc kết xuất thấp độ trễ và ứng dụng suy luận AI. b. “Về mặt nhu cầu,” người yêu cầu sức mạnh tính toán nhỏ và trung bình sẽ không huấn luyện riêng mô hình lớn của họ, mà chỉ chọn tối ưu hóa và điều chỉnh xung quanh một vài mô hình chính, và những tình huống này tự nhiên phù hợp với tài nguyên sức mạnh tính toán không hoạt động phân tán.
• Sở hữu phi tập trung: Ý nghĩa công nghệ của blockchain là chủ sở hữu tài nguyên luôn giữ quyền kiểm soát tài nguyên của họ, điều chỉnh linh hoạt theo yêu cầu, và đồng thời thu lợi.

Dữ liệu

Dữ liệu là nền tảng của trí tuệ nhân tạo. Thiếu dữ liệu, tính toán là vô nghĩa, và mối quan hệ giữa dữ liệu và mô hình giống như câu tục ngữ 'Rác vào, rác ra'. Số lượng và chất lượng dữ liệu xác định chất lượng đầu ra của mô hình cuối cùng. Đối với việc huấn luyện các mô hình trí tuệ nhân tạo hiện tại, dữ liệu xác định khả năng ngôn ngữ, khả năng hiểu và thậm chí là giá trị và hiệu suất nhân văn hóa của mô hình. Hiện nay, tình hình mâu thuẫn về yêu cầu dữ liệu của trí tuệ nhân tạo chủ yếu tập trung vào bốn khía cạnh sau:

• Sự đói dữ liệu: Việc huấn luyện mô hình AI phụ thuộc nặng nề vào lượng dữ liệu lớn. Thông tin công khai cho thấy số lượng tham số cho việc huấn luyện GPT-4 của OpenAI đã đạt mức nghìn tỷ.
• Chất lượng dữ liệu: Với sự kết hợp của trí tuệ nhân tạo và các ngành công nghiệp khác nhau, đã đưa ra các yêu cầu mới về tính kịp thời, đa dạng, chuyên nghiệp của dữ liệu cụ thể cho ngành công nghiệp, và việc tiếp nhận các nguồn dữ liệu mới nổi như tâm trạng trên mạng xã hội.
• Vấn đề Quyền riêng tư và Tuân thủ: Hiện nay, các quốc gia và doanh nghiệp đang dần nhận thức được tầm quan trọng của các bộ dữ liệu chất lượng cao và áp đặt các hạn chế về việc thu thập dữ liệu.
• Chi phí xử lý dữ liệu cao: lượng dữ liệu lớn, xử lý phức tạp. Thông tin công cộng cho thấy hơn 30% chi phí nghiên cứu và phát triển của các công ty AI được sử dụng cho việc thu thập và xử lý dữ liệu cơ bản.

Hiện tại, giải pháp của web3 được phản ánh qua bốn khía cạnh sau:

1. Thu thập dữ liệu: Dữ liệu thế giới thực sự miễn phí để lấy thông tin đang bị cạn kiệt nhanh chóng, và chi phí của các công ty AI cho việc thu thập dữ liệu đã tăng lên từng năm. Tuy nhiên, trong thời gian này, chi phí này không được chuyển trả lại cho các người đóng góp dữ liệu thực sự; các nền tảng hoàn toàn hưởng lợi từ giá trị tạo ra bởi dữ liệu, như Reddit đã tạo ra tổng cộng 203 triệu đô la do các thỏa thuận cấp phép dữ liệu với các công ty AI.

Tầm nhìn của Web3 là cho phép người dùng đóng góp thực sự cũng tham gia vào việc tạo ra giá trị mang lại bởi dữ liệu, và thu thập dữ liệu cá nhân và có giá trị hơn từ người dùng một cách hiệu quả về chi phí thông qua các mạng phân tán và cơ chế khuyến khích.

• Vì Grass là một lớp dữ liệu và mạng phân quyền, người dùng có thể bắt dữ liệu thời gian thực từ toàn bộ Internet bằng cách chạy các nút Grass, đóng góp băng thông không hoạt động và chuyển tiếp dữ liệu, và nhận phần thưởng token;
• Vana giới thiệu một khái niệm độc đáo về Hồ bơi Dữ liệu Thông tin (DLP), nơi người dùng có thể tải lên dữ liệu cá nhân của họ (như hồ sơ mua sắm, thói quen duyệt web, hoạt động trên mạng xã hội, vv.) vào một DLP cụ thể và lựa chọn có ủy quyền dữ liệu này cho việc sử dụng bởi bên thứ ba cụ thể hay không;
• Trong PublicAI, người dùng có thể sử dụng #AI hoặc #Web3 làm thẻ phân loại trên X@PublicAIViệc thu thập dữ liệu có thể được đạt được.

2. Tiền xử lý dữ liệu: Trong quá trình xử lý dữ liệu của AI, do dữ liệu thu thập được thường nhiễu và có lỗi nên phải làm sạch và chuyển đổi thành định dạng có thể sử dụng được trước khi đào tạo mô hình, liên quan đến các tác vụ lặp đi lặp lại như chuẩn hóa, lọc và xử lý các giá trị bị thiếu. Giai đoạn này là một trong số ít các quy trình thủ công trong ngành AI, đã tạo ra ngành công nghiệp chú thích dữ liệu. Khi các yêu cầu của mô hình về chất lượng dữ liệu tăng lên, ngưỡng đối với người chú thích dữ liệu cũng tăng lên. Nhiệm vụ này đương nhiên phù hợp với cơ chế khuyến khích phi tập trung của Web3.

• Hiện tại, Grass và OpenLayer đều đang xem xét việc thêm chú thích dữ liệu như một bước quan trọng.
• Synesis đề xuất khái niệm 'Train2earn', nhấn mạnh chất lượng dữ liệu, nơi người dùng có thể được thưởng bằng cách cung cấp dữ liệu được chú thích, nhận xét hoặc các hình thức đầu vào khác.
• Dự án gán nhãn dữ liệu Sapien biến việc gán nhãn thành trò chơi và cho phép người dùng đặt cược điểm để kiếm thêm điểm.

3. Quyền riêng tư và Bảo mật dữ liệu: Cần làm rõ rằng quyền riêng tư và bảo mật dữ liệu là hai khái niệm khác nhau. Quyền riêng tư dữ liệu liên quan đến việc xử lý dữ liệu nhạy cảm, trong khi bảo mật dữ liệu bảo vệ thông tin dữ liệu khỏi truy cập, phá hủy và đánh cắp trái phép. Do đó, những lợi ích và kịch bản ứng dụng tiềm năng của Công nghệ quyền riêng tư Web3 được phản ánh ở hai khía cạnh: (1) đào tạo dữ liệu nhạy cảm; (2) hợp tác dữ liệu: nhiều chủ sở hữu dữ liệu có thể tham gia đào tạo trí tuệ nhân tạo cùng nhau mà không cần chia sẻ dữ liệu gốc của họ.

Công nghệ bảo mật thông thường trong Web3 hiện nay bao gồm:

• Môi Trường Thực Thi Đáng Tin Cậy (TEE), như là Siêu Giao Thức;
• Fully Homomorphic Encryption (FHE), như BasedAI, Fhenix.io hoặc Inco Network;
• Công nghệ không chứng minh (zk), như Reclaim Protocol sử dụng công nghệ zkTLS, tạo ra các bằng chứng không chứng minh của lưu lượng HTTPS, cho phép người dùng nhập dữ liệu hoạt động, uy tín và danh tính từ các trang web bên ngoài mà không tiết lộ thông tin nhạy cảm.

Tuy nhiên, lĩnh vực vẫn đang ở giai đoạn đầu, với hầu hết các dự án vẫn đang trong quá trình khám phá. Hiện nay, một trong những vấn đề nan giải là chi phí tính toán quá cao, với một số ví dụ như:

• Khung công cụ zkML EZKL mất khoảng 80 phút để tạo ra bằng chứng cho một mô hình 1M-nanoGPT.
• Theo dữ liệu của Modulus Labs, chi phí phụ trên zkML cao hơn hơn 1000 lần so với tính toán thuần túy.

4. Lưu trữ dữ liệu: Sau khi thu thập dữ liệu, cần phải có một nơi để lưu trữ dữ liệu trên chuỗi và sử dụng LLM được tạo ra từ dữ liệu. Với tính sẵn có dữ liệu (DA) là vấn đề cốt lõi, trước khi nâng cấp Danksharding của Ethereum, lưu lượng thông qua của nó chỉ là 0,08MB. Đồng thời, việc huấn luyện và suy luận thời gian thực của các mô hình AI thường đòi hỏi lưu lượng thông qua dữ liệu từ 50 đến 100GB mỗi giây. Sự chênh lệch về tầm quan trọng này khiến các giải pháp trên chuỗi hiện có trở nên không đủ khi đối mặt với 'các ứng dụng AI tốn tài nguyên'.

• 0g.AI là một dự án đại diện trong danh mục này. Đó là một giải pháp lưu trữ tập trung được thiết kế cho yêu cầu trí tuệ nhân tạo cao cấp, với các tính năng chính bao gồm hiệu suất cao và khả năng mở rộng, hỗ trợ tải lên và tải xuống nhanh chóng các tập dữ liệu quy mô lớn thông qua các công nghệ phân mảnh và mã hóa xóa tiên tiến, với tốc độ truyền dữ liệu tiệm cận 5GB mỗi giây.

Hai, Middleware: Đào tạo và suy luận của mô hình

Thị trường phi tập trung mô hình mã nguồn mở

Cuộc tranh luận về việc liệu các mô hình AI nên là mã nguồn mở hay mã nguồn đóng đã không bao giờ ngừng lại. Sự đổi mới tập thể do mã nguồn mở mang lại là một ưu điểm mà các mô hình mã nguồn đóng không thể sánh kịp. Tuy nhiên, dưới điều kiện không có mô hình lợi nhuận, làm thế nào mà các mô hình mã nguồn mở có thể tăng cường động lực cho các nhà phát triển? Điều này là một hướng đi đáng suy ngẫm. Người sáng lập Baidu, Robin Li, khẳng định vào tháng 4 năm nay, “Các mô hình mã nguồn mở sẽ bị tụt lại ngày càng nhiều.”

Trong bối cảnh này, Web3 đề xuất khả năng của một thị trường mô hình mã nguồn mở phi tập trung, tức là việc tạo thành token cho chính mô hình, dành một tỷ lệ nhất định token cho nhóm phát triển, và chia một phần thu nhập tương lai của mô hình cho người nắm giữ token.

• Giao thức Bittensor thiết lập một mô hình mã nguồn mở của một thị trường P2P, bao gồm hàng chục 'mạng con', nơi các nhà cung cấp tài nguyên (máy tính, thu thập/lưu trữ dữ liệu, tài năng học máy) cạnh tranh với nhau để đáp ứng các mục tiêu của chủ sở hữu mạng con cụ thể. Các mạng con có thể tương tác và học hỏi từ nhau, do đó đạt được thông minh lớn hơn. Phần thưởng được phân phối thông qua bỏ phiếu cộng đồng và phân bổ tiếp theo giữa các mạng con dựa trên hiệu suất cạnh tranh.
• ORA giới thiệu khái niệm Initial Model Offering (IMO), biến hóa các mô hình AI để mua bán và phát triển trên các mạng phi tập trung.
• Sentient, một nền tảng AGI phi tập trung, khuyến khích mọi người hợp tác, xây dựng, sao chép và mở rộng các mô hình AI, thưởng cho những người đóng góp.
• Spectral Nova tập trung vào việc tạo ra và áp dụng các mô hình AI và ML.

Suy luận có thể xác minh

Đối với vấn đề 'hộp đen' trong quá trình suy luận của trí tuệ nhân tạo, giải pháp chuẩn Web3 là có nhiều người xác minh lặp lại cùng một phép tính và so sánh kết quả. Tuy nhiên, do sự khan hiếm hiện tại của các 'vi chip Nvidia' cao cấp, thách thức rõ ràng mà phương pháp này đối mặt là chi phí cao của suy luận trí tuệ nhân tạo.

Một giải pháp hứa hẹn hơn là thực hiện chứng minh ZK của các tính toán suy luận AI ngoại chuỗi, nơi một bên chứng minh có thể chứng minh cho bên chứng thực khác rằng một tuyên bố cụ thể là đúng mà không tiết lộ bất kỳ thông tin bổ sung nào ngoài việc tuyên bố đó là đúng, cho phép xác minh không cần sự cho phép của các tính toán mô hình AI trên chuỗi. Điều này đòi hỏi chứng minh trên chuỗi một cách được mã hóa rằng các tính toán ngoại chuỗi đã được hoàn thành đúng (ví dụ, bộ dữ liệu không bị can thiệp), đồng thời đảm bảo tất cả dữ liệu vẫn được bảo mật.

Các lợi ích chính bao gồm:

• Khả năng mở rộng: Chứng minh không biết có thể nhanh chóng xác nhận một số lượng lớn các tính toán ngoại chuỗi. Ngay cả khi số lượng giao dịch tăng lên, một chứng minh không biết duy nhất có thể xác minh tất cả các giao dịch.
• Bảo vệ quyền riêng tư: Thông tin chi tiết về dữ liệu và mô hình trí tuệ nhân tạo được bảo mật, trong khi tất cả các bên có thể xác minh rằng dữ liệu và mô hình không bị can thiệp.
• Không cần phải tin tưởng: Bạn có thể xác nhận phép tính mà không phụ thuộc vào các bên trung ương.
• Tích hợp Web2: Theo định nghĩa, Web2 được tích hợp ngoại chuỗi, điều này có nghĩa là lý do có thể được xác minh giúp đưa các bộ dữ liệu và tính toán AI của nó lên chuỗi. Điều này giúp cải thiện việc áp dụng của Web3.

Hiện tại, công nghệ xác minh của Web3 cho việc lý do xác minh như sau:

• ZKML: Kết hợp chứng minh không thông báo với học máy để đảm bảo sự riêng tư và bảo mật của dữ liệu và mô hình, cho phép tính toán có thể xác minh mà không tiết lộ một số thuộc tính cơ bản. Modulus Labs đã phát hành một ZK prover dựa trên ZKML để xây dựng trí tuệ nhân tạo, để xác minh hiệu quả liệu các nhà cung cấp trí tuệ nhân tạo trên chuỗi có tinh chỉnh các thuật toán được thực thi đúng cách, nhưng hiện tại các khách hàng chủ yếu là Ứng dụng phi tập trung trên chuỗi.
• opML: Sử dụng nguyên lý tập trung lạc quan, bằng cách xác minh thời gian xảy ra tranh chấp, cải thiện tính mở rộng và hiệu quả của các tính toán ML, trong mô hình này, chỉ cần xác minh một phần nhỏ kết quả được tạo ra bởi 'người xác thực', nhưng chi phí kinh tế giảm được đặt cao đủ để tăng chi phí gian lận của người xác thực và tiết kiệm các tính toán dư thừa.
• TeeML: Sử dụng môi trường thực thi đáng tin cậy để thực hiện các phép tính ML một cách an toàn, bảo vệ dữ liệu và mô hình khỏi sửa đổi và truy cập trái phép.

Ba, Tầng Ứng Dụng: AI Agent

Sự phát triển hiện tại của trí tuệ nhân tạo đã cho thấy sự chuyển đổi trọng tâm từ khả năng mô hình sang cảnh quan của các đại lý trí tuệ nhân tạo. Các công ty công nghệ như OpenAI, công ty con ngựa vằn trí tuệ nhân tạo Anthropic, Microsoft, v.v., đều đang hướng tới việc phát triển các đại lý trí tuệ nhân tạo, cố gắng vượt qua bề mặt kỹ thuật hiện tại của LLM.

OpenAI định nghĩa AI Agent như một hệ thống được điều khiển bởi LLM như bộ não của nó, có khả năng tự động hiểu biết về cảm nhận, lập kế hoạch, ghi nhớ, và sử dụng công cụ, và có thể tự động hoàn thành các nhiệm vụ phức tạp. Khi AI chuyển từ việc là một công cụ được sử dụng thành một đối tượng có thể sử dụng công cụ, nó trở thành một AI Agent. Điều này cũng là lý do tại sao AI Agents có thể trở thành trợ lý thông minh lý tưởng nhất cho con người.

Web3 có thể mang lại điều gì cho Agent?

1. Phân quyền
Sự phi tập trung của Web3 có thể làm cho hệ thống Đại lý trở nên phi tập trung và tự trị hơn. Các cơ chế khuyến khích và phạt đối với người đặt cược và đại biểu có thể thúc đẩy quá trình dân chủ hóa của hệ thống Đại lý, với GaiaNet, Theoriq và HajimeAI đều cố gắng làm điều đó.

2, Cold Start
Việc phát triển và tiến hành AI Agent thường đòi hỏi một lượng lớn hỗ trợ tài chính, và Web3 có thể giúp các dự án AI Agent triển vọng có được tài trợ giai đoạn đầu và khởi đầu lạnh.

• Virtual Protocol ra mắt nền tảng tạo ra AI Agent và phát hành token fun.virtuals, nơi mà bất kỳ người dùng nào cũng có thể triển khai AI Agent chỉ với một cú nhấp chuột và đạt được phân phối công bằng 100% của token AI Agent.
• Spectral đã đề xuất một khái niệm sản phẩm hỗ trợ việc phát hành tài sản AI Agent trên chuỗi: phát hành mã thông báo thông qua IAO (Initial Agent Offering), AI Agents có thể trực tiếp thu được vốn từ nhà đầu tư, đồng thời trở thành thành viên của quản trị DAO, cung cấp cho nhà đầu tư cơ hội tham gia vào việc phát triển dự án và chia sẻ lợi nhuận trong tương lai.

Làm thế nào AI tăng cường Web3?

Tác động của trí tuệ nhân tạo đối với các dự án Web3 là rõ ràng, vì nó mang lại lợi ích cho công nghệ blockchain bằng cách tối ưu hóa các hoạt động trên chuỗi (như thực hiện hợp đồng thông minh, tối ưu hóa thanh khoản và quyết định quản trị dựa trên trí tuệ nhân tạo). Đồng thời, nó cũng có thể cung cấp thông tin hiểu biết dựa trên dữ liệu tốt hơn, nâng cao an ninh trên chuỗi và đặt nền móng cho các ứng dụng mới dựa trên Web3.

Một, Trí tuệ nhân tạo và tài chính trên chuỗi

Trí tuệ nhân tạo và Kinh tế mã hóa

Vào ngày 31 tháng 8, CEO của Coinbase Brian Armstrong đã công bố giao dịch AI-to-AI đầu tiên được mã hóa trên mạng Base, cho biết các AI Agents hiện có thể thực hiện giao dịch với con người, người bán lẻ hoặc AI khác trên Base bằng USD, với giao dịch diễn ra ngay lập tức, toàn cầu và miễn phí.

Ngoài thanh toán, Luna của Virtuals Protocol cũng lần đầu tiên chứng minh cách AI Agent tự động thực hiện các giao dịch trên chuỗi, thu hút sự chú ý và định vị AI Agent là những thực thể thông minh có khả năng nhận thức môi trường, đưa ra quyết định và hành động, do đó được coi là tương lai của tài chính on-chain. Hiện tại, các kịch bản tiềm năng cho AI Agent như sau:

1. Thu thập thông tin và dự đoán: Hỗ trợ các nhà đầu tư thu thập thông báo trao đổi, thông tin công khai về dự án, cảm xúc hoảng loạn, rủi ro ý kiến công khai, vv., phân tích và đánh giá cơ bản tài sản, điều kiện thị trường trong thời gian thực, và dự đoán xu hướng và rủi ro.

2. Quản lý Tài sản: Cung cấp cho người dùng các mục tiêu đầu tư phù hợp, tối ưu hóa phân bổ tài sản và thực hiện giao dịch tự động.

3. Kinh nghiệm tài chính: Hỗ trợ nhà đầu tư chọn phương pháp giao dịch trên chuỗi nhanh nhất, tự động hóa các hoạt động thủ công như giao dịch giữa chuỗi và điều chỉnh phí gas, giảm ngưỡng và chi phí của các hoạt động tài chính trên chuỗi.

Hãy tưởng tượng tình huống này: bạn hướng dẫn AI Agent như sau, “Tôi có 1000USDT, vui lòng giúp tôi tìm tổ hợp sinh lời cao nhất với thời gian khóa không quá một tuần.” AI Agent sẽ cung cấp lời khuyên sau: “Tôi đề xuất phân bổ ban đầu 50% vào A, 20% vào B, 20% vào X, và 10% vào Y. Tôi sẽ theo dõi lãi suất và quan sát sự thay đổi trong mức độ rủi ro của chúng, và điều chỉnh lại khi cần thiết.” Ngoài ra, việc tìm kiếm dự án airdrop tiềm năng và các dấu hiệu cộng đồng phổ biến của dự án Memecoin là những hành động tiềm năng khác của AI Agent.

Nguồn ảnh: Biconomy

Hiện tại, các ví AI Agent Bitte và giao thức tương tác AI Wayfinder đều đang thực hiện những nỗ lực như vậy. Họ đều đang cố gắng truy cập vào OpenAI's model API, cho phép người dùng ra lệnh cho các đại lý thực hiện các hoạt động trên chuỗi khối trong một giao diện cửa sổ trò chuyện tương tự như ChatGPT. Ví dụ, bản prototype đầu tiên được phát hành bởi WayFinder vào tháng 4 năm nay đã thể hiện bốn hoạt động cơ bản: swap, send, bridge, và stake trên mainnet của Base, Polygon, và Ethereum.

Hiện tại, nền tảng Đại lý phi tập trung Morpheus cũng hỗ trợ việc phát triển các Đại lý như Biconomy, cho thấy quá trình mà quyền của ví không cần thiết để ủy quyền cho Đại lý AI để đổi ETH thành USDC.

Trí tuệ nhân tạo và bảo mật giao dịch trên chuỗi

Trong thế giới Web3, bảo mật giao dịch on-chain là rất quan trọng. Công nghệ AI có thể được sử dụng để tăng cường bảo mật và bảo vệ quyền riêng tư của các giao dịch on-chain, với các tình huống tiềm năng bao gồm:

Theo dõi giao dịch: Công nghệ dữ liệu thời gian thực giám sát các hoạt động giao dịch bất thường, cung cấp cơ sở hạ tầng cảnh báo thời gian thực cho người dùng và các nền tảng.

Phân tích rủi ro: Giúp nền tảng phân tích dữ liệu hành vi giao dịch của khách hàng và đánh giá mức độ rủi ro của họ.

Ví dụ, nền tảng bảo mật Web3 SeQure sử dụng trí tuệ nhân tạo để phát hiện và ngăn chặn các cuộc tấn công độc hại, hành vi gian lận và rò rỉ dữ liệu, và cung cấp cơ chế giám sát và cảnh báo thời gian thực để đảm bảo an ninh và ổn định của các giao dịch trên chuỗi. Các công cụ bảo mật tương tự bao gồm Sentinel được trang bị trí tuệ nhân tạo.

Thứ hai, AI và cơ sở hạ tầng on-chain

Trí tuệ nhân tạo và dữ liệu trên chuỗi

Công nghệ AI đóng vai trò quan trọng trong việc thu thập và phân tích dữ liệu on-chain, chẳng hạn như:

• Web3 Analytics: một nền tảng phân tích dữ liệu dựa trên trí tuệ nhân tạo sử dụng các thuật toán học máy và đào dữ liệu để thu thập, xử lý và phân tích dữ liệu trên chuỗi.
• MinMax AI: Nó cung cấp các công cụ phân tích dữ liệu trên chuỗi dựa trên trí tuệ nhân tạo để giúp người dùng khám phá cơ hội và xu hướng thị trường tiềm năng.
• Kaito: Nền tảng tìm kiếm Web3 dựa trên công cụ tìm kiếm LLM.
• Sau: Được tích hợp với ChatGPT, nó thu thập và tích hợp thông tin liên quan phân tán trên các trang web và cộng đồng khác nhau để trình bày.
• Một kịch bản ứng dụng khác là bộ mạch, trí tuệ nhân tạo có thể lấy giá từ nhiều nguồn để cung cấp dữ liệu giá chính xác. Ví dụ, Upshot sử dụng trí tuệ nhân tạo để đánh giá giá cả biến động của NFT, cung cấp một tỷ lệ lỗi là 3-10% thông qua hơn một trăm triệu đánh giá mỗi giờ.

AI and Development&Audit

Gần đây, một trình soạn thảo mã trí tuệ nhân tạo Web2, Cursor, đã thu hút rất nhiều sự chú ý trong cộng đồng phát triển viên. Trên nền tảng của nó, người dùng chỉ cần mô tả bằng ngôn ngữ tự nhiên, và Cursor có thể tự động tạo ra mã HTML, CSS và JavaScript tương ứng, làm giảm đáng kể quá trình phát triển phần mềm. Logic này cũng áp dụng để cải thiện hiệu quả phát triển Web3.

Hiện tại, triển khai hợp đồng thông minh và ứng dụng phi tập trung trên chuỗi công khai thường đòi hỏi sử dụng các ngôn ngữ lập trình độc quyền như Solidity, Rust, Move, và cứ tiếp tục thế. Tầm nhìn của các ngôn ngữ lập trình mới là mở rộng không gian thiết kế của chuỗi khối phi tập trung, khiến nó phù hợp hơn cho việc phát triển ứng dụng phi tập trung. Tuy nhiên, với sự thiếu hụt đáng kể về các nhà phát triển Web3, việc đào tạo nhà phát triển luôn là một vấn đề khó khăn hơn.

Hiện tại, trí tuệ nhân tạo trong việc hỗ trợ phát triển Web3 có thể được tưởng tượng trong các kịch bản bao gồm: sinh mã code tự động, xác minh và kiểm thử hợp đồng thông minh, triển khai và bảo trì DApps, hoàn thiện mã thông minh, trả lời các vấn đề phức tạp trong phát triển thông qua AI, v.v. Với sự trợ giúp của trí tuệ nhân tạo, không chỉ giúp cải thiện hiệu quả và độ chính xác trong phát triển, mà còn giảm thiểu ngưỡng lập trình, cho phép những người không phải là lập trình viên biến ý tưởng của họ thành ứng dụng thực tế, mang đến sức sống mới cho sự phát triển của công nghệ phi tập trung.

Hiện tại, điểm nổi bật nhất là một nền tảng phát hành token bằng một cú nhấp chuột, chẳng hạn như Clanker, một 'Token Bot' được điều khiển bởi trí tuệ nhân tạo được thiết kế để triển khai token DIY nhanh chóng. Bạn chỉ cần gắn thẻ Clanker trên giao thức SocialFi của các khách hàng Farcaster như Warpcast hoặc Supercast, cho biết ý tưởng token của bạn, và nó sẽ phát hành token cho bạn trên chuỗi công khai Base.

Cũng có các nền tảng phát triển hợp đồng, như Spectral, cung cấp chức năng tạo và triển khai chỉ với một cú nhấp chuột cho các hợp đồng thông minh để giảm ngưỡng phát triển Web3, cho phép người dùng ngay cả là người mới bắt đầu biên soạn và triển khai các hợp đồng thông minh.

Về mặt kiểm toán, nền tảng kiểm toán Web3 Fuzzland sử dụng trí tuệ nhân tạo để hỗ trợ kiểm toán viên kiểm tra các lỗ hổng mã, cung cấp giải thích bằng ngôn ngữ tự nhiên để hỗ trợ các chuyên gia kiểm toán. Fuzzland cũng sử dụng trí tuệ nhân tạo để cung cấp giải thích bằng ngôn ngữ tự nhiên cho các quy định chính thức và mã hợp đồng, cũng như một số mã mẫu để giúp các nhà phát triển hiểu về các vấn đề tiềm ẩn trong mã.

Ba, AI và Web3 Câu chuyện mới

Sự gia tăng của trí tuệ nhân tạo tạo ra những tiềm năng mới cho câu chuyện Web3 mới.

NFT: AI tiêm sáng tạo vào NFT sinh học. Thông qua công nghệ AI, các tác phẩm và nhân vật độc đáo và đa dạng có thể được tạo ra. Những NFT sinh học này có thể trở thành nhân vật, vật dụng hoặc yếu tố cảnh trong các trò chơi, thế giới ảo hoặc thế giới song song, như Bicasso dưới Binance, nơi người dùng có thể tạo ra NFT bằng cách tải lên hình ảnh và nhập từ khóa để AI tính toán. Các dự án tương tự bao gồm Solvo, Nicho, IgmnAI và CharacterGPT.

GameFi: Với khả năng tạo ra ngôn ngữ tự nhiên, tạo hình ảnh và khả năng NPC thông minh xung quanh AI, GameFi được dự kiến sẽ cải thiện hiệu suất và sáng tạo trong sản xuất nội dung game. Ví dụ, trò chơi chuỗi AI Hero đầu tiên của Binaryx cho phép người chơi khám phá các tùy chọn cốt truyện khác nhau thông qua sự ngẫu nhiên của AI; tương tự, có trò chơi đồng hành ảo Sleepless AI, nơi người chơi có thể mở khóa gameplay cá nhân hóa thông qua các tương tác khác nhau dựa trên AIGC và LLM.

DAO: Hiện tại, AI cũng được tưởng tượng sẽ được áp dụng vào DAOs, giúp theo dõi tương tác cộng đồng, ghi lại đóng góp, thưởng cho các thành viên đóng góp nhiều nhất, bỏ phiếu ủy quyền, và còn nhiều hơn nữa. Ví dụ, ai16z sử dụng AI Agent để thu thập thông tin thị trường trên chuỗi và ngoài chuỗi, phân tích sự nhất trí của cộng đồng, và đưa ra quyết định đầu tư kết hợp với các gợi ý từ các thành viên DAO.

Sự quan trọng của sự kết hợp AI+Web3: Tower và Square

Ở trung tâm thành phố Florence, Italy, nằm quảng trường trung tâm, nơi quy tụ chính trị quan trọng nhất cho người dân địa phương và du khách. Đứng ở đây là một tháp hành chính cao 95 mét, tạo ra hiệu ứng thẩm mỹ ấn tượng với quảng trường, truyền cảm hứng cho giáo sư lịch sử của Đại học Harvard, Neil Ferguson, khám phá lịch sử thế giới về mạng lưới và hệ thống phân cấp trong cuốn sách 'Square and Tower', cho thấy sự thăng trầm của hai yếu tố theo thời gian.

Thành ngữ xuất sắc này không nằm ngoài dự đoán khi áp dụng vào mối quan hệ giữa trí tuệ nhân tạo và Web3 ngày nay. Nhìn vào mối quan hệ lịch sử dài hạn, phi tuyến tính giữa hai thứ này, có thể thấy rằng các hình vuông có khả năng tạo ra những điều mới mẻ và sáng tạo hơn là những tháp, nhưng những tháp vẫn có tính hợp pháp và sức sống mạnh mẽ.

Với khả năng gom nhóm dữ liệu công nghệ tính toán năng lượng trong các công ty công nghệ, AI đã mở ra sự tưởng tượng chưa từng có, đẩy các ông lớn công nghệ hàng đầu đặt cược nặng, giới thiệu các phiên bản từ các chatbot khác nhau đến 'các mô hình lớn cơ bản' như GPT-4, GP4-4o. Một robot lập trình tự động (Devin) và Sora, với khả năng sơ bộ mô phỏng thế giới vật lý thực, đã xuất hiện liên tiếp, khuếch đại tưởng tượng của AI vô tận.

Đồng thời, trí tuệ nhân tạo về cơ bản là một ngành công nghiệp quy mô lớn và trung tâm, và cuộc cách mạng công nghệ này sẽ đẩy các công ty công nghệ mà dần dần giành được sự thống trị cấu trúc trong 'thời đại Internet' đến một điểm cao hẹp hơn. Sức mạnh lớn, dòng tiền quyền lực và các bộ dữ liệu rộng lớn cần thiết để thống trị thời đại thông minh tạo ra rào cản cao hơn cho nó.

Khi tháp cao lên và những người quyết định đằng sau hậu trường co lại, sự tập trung quá mức của trí tuệ nhân tạo mang đến nhiều nguy hiểm ẩn. Làm thế nào để đám đông tập trung ở quảng trường có thể tránh né những bóng tối dưới tháp? Đây chính là vấn đề mà Web3 hy vọng sẽ giải quyết.

Về cơ bản, những tính chất bẩm sinh của blockchain tăng cường các hệ thống trí tuệ nhân tạo và mang đến những khả năng mới, chủ yếu:

• Trong thời đại trí tuệ nhân tạo, ‘mã là luật’—đạt được quy tắc thực thi hệ thống minh bạch thông qua hợp đồng thông minh và xác minh mã hóa, mang đến phần thưởng cho khán giả gần hơn với mục tiêu.
• Nền kinh tế Token - tạo và điều phối hành vi của người tham gia thông qua cơ chế token, đặt cược, giảm, phần thưởng token và xử phạt.
• Quản trị phi tập trung - thúc đẩy chúng ta đặt câu hỏi về nguồn thông tin và khuyến khích một cách tiếp cận trí tuệ và phê phán hơn đối với công nghệ trí tuệ nhân tạo, ngăn chặn độ chủ quan, thông tin sai lệch và sự thao túng, từ đó nuôi dưỡng một xã hội thông tin và quyền lực hơn.

Sự phát triển của trí tuệ nhân tạo cũng đã mang đến sức sống mới cho Web3, có lẽ tác động của Web3 đối với trí tuệ nhân tạo cần thời gian để chứng minh, nhưng tác động của trí tuệ nhân tạo đối với Web3 là ngay lập tức: cho dù là sự cuồng nhiệt của Meme hay AI Agent giúp giảm thiểu rào cản đối với các ứng dụng on-chain, tất cả đều rõ ràng.

Khi Web3 được xác định là sự tự thưởng thức bởi một nhóm nhỏ người, cũng như bị mắc kẹt trong nghi ngờ về việc sao chép các ngành công nghiệp truyền thống, sự thêm vào của trí tuệ nhân tạo mang lại một tương lai có thể nhìn thấy: một cơ sở người dùng Web2 ổn định hơn & có khả năng mở rộng hơn, các mô hình kinh doanh và dịch vụ sáng tạo hơn.

Chúng ta sống trong một thế giới nơi 'các tòa nhà và quảng trường' cùng tồn tại, mặc dù AI và Web3 có các dòng thời gian và điểm khởi đầu khác nhau, mục tiêu cuối cùng của họ là làm thế nào để máy móc phục vụ loài người tốt hơn, và không ai có thể xác định được một dòng sông đang chảy. Chúng tôi trông đợi thấy tương lai của AI+Web3.

Tuyên bố:

1. Bài viết này được tái bản từ [GateTechFlow], bản quyền thuộc về tác giả gốc [Coinspire]，如对转载有异议，请联系 Gate Learn Team, nhóm sẽ xử lý nó càng sớm càng tốt theo các thủ tục liên quan.
2. Tuyên bố từ chối trách nhiệm: Các quan điểm được thể hiện trong bài viết này chỉ thuộc về tác giả và không cấu thành bất kỳ lời khuyên đầu tư nào.
3. Bài viết được dịch sang các ngôn ngữ khác bởi đội ngũ Gate Learn, nếu không được đề cậpGate.ioDưới bất kỳ hoàn cảnh nào cũng không được sao chép, phân phối hoặc đạo văn bản đã dịch.