Sự kết hợp giữa Web3 và AI: Xây dựng cơ sở hạ tầng internet thế hệ mới

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 nghiêm ngặt, gặp phải 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 tán, có thể thông qua mạng lưới chia sẻ sức mạnh tính toán, thị trường dữ liệu mở, và tính toán quyền riêng tư để tiếp thêm động lực mới cho sự phát triển của AI. 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, giúp phát triển hệ sinh thái của nó. Do đó, việc khám phá sự kết hợp giữa Web3 và AI là vô cùng quan trọng để xây dựng cơ sở hạ tầng internet thế hệ tiếp theo, giải phóng giá trị dữ liệu và sức mạnh tính toán.

Dữ liệu điều khiển: Nền tảng vững chắc cho 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 huấn luyện 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 tồn tại những vấn đề chính sau:

• Chi phí thu thập dữ liệu cao, các doanh nghiệp vừa và nhỏ khó có thể gánh chịu
• 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 mô hình 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, cung cấp dữ liệu thực 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 những người lao động toàn cầu tham gia vào việc gán nhãn dữ liệu, tập hợp kiến thức chuyên môn toàn cầu.
• 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 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. Dữ liệu tổng hợp có thể là điểm sáng trong tương lai của đường đua dữ liệu Web3. Dựa trên công nghệ AI sinh sinh và mô phỏng, dữ liệu tổng hợp có khả năng mô phỏng các thuộc tính của dữ liệu thực, như là một sự 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 game, 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, bảo vệ quyền riêng tư đã trở thành tâm điểm quan tâm 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 là mã hóa đồng nhất hoàn toàn, 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 giống hệt như kết quả của phép tính trên dữ liệu rõ.

FHE cung cấp bảo vệ vững chắc cho tính toán riêng tư AI, cho phép sức mạnh GPU thực hiện các nhiệm vụ huấn luyện 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 suốt chu kỳ học máy, đảm bảo tính 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 và 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 đúng của máy học, trong khi FHEML nhấn mạnh việc tính toán trên dữ liệu mã hóa để duy trì quyền riêng tư của dữ liệu.

Cách mạng sức mạnh: 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 đào tạo mô hình GPT-3 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 những mô hình AI tiên tiến trở nên ngoài tầm với đối với hầu hết các nhà nghiên cứu và nhà 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, cũng như sự thiếu hụt chip do các yếu tố chuỗi cung ứng và địa chính trị, tất cả đều làm 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 là tự mua phần cứng, hoặc là thuê tài nguyên đám mây, họ đang rất cần một phương thức dịch vụ tính toán theo nhu cầu, hiệu quả về chi phí.

Một số mạng lưới tính toán AI phi tập trung thông qua việc tập hợp tài nguyên GPU nhàn rỗi 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 các 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 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 tính toán phi tập trung chung, còn có một số nền tảng tập trung vào đào tạo AI, cũng như một số 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 tình trạng độc quyền, giảm bớt rào cản gia nhập 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 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 thậm chí cả các thiết bị thông minh trong nhà của bạn đều có khả năng vận hành AI - đó chính là sức hấp dẫn của Edge AI. Nó cho phép tính toán xảy ra tại nguồn gốc sinh ra 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 ứng 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 có thể tăng cường bảo vệ quyền riêng tư của người dùng và giảm thiểu rủi ro lộ dữ liệu thông qua việc xử lý dữ liệu tại chỗ; 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 số hệ sinh thái chuỗi công khai, trở thành một trong những nền tảng được lựa chọn hàng đầu để triển khai dự án. TPS cao, phí giao dịch thấp và đổi mới công nghệ đã cung cấp hỗ trợ mạnh mẽ cho các dự án DePIN. Một số dự án DePIN nổi tiếng đã đạt được những tiến bộ đáng kể.

IMO: Phát hành mô hình AI theo cách thức mới

Khái niệm IMO được đưa ra bởi một số giao thức, biến mô hình AI thành token.

Trong mô hình truyền thống, do cơ chế chia sẻ lợi nhuận thiếu hụt, 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, việc theo dõi tình hình sử dụng của người sáng tạo ban đầu trở nên khó khăn, chưa nói đến việc thu được lợi nhuận từ đó. Thêm vào đó, hiệu suất và hiệu quả của mô hình AI thường thiếu tính 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 của 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, 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 sử dụng tiêu chuẩn ERC mới, kết hợp với 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 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 với sự gia tăng độ chấp nhận của thị trường và mở rộng phạm vi tham gia, tính sáng tạo và giá trị tiềm năng của nó đáng được chúng ta mong đợi.

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 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 giải quyết vấn đề, nâng cao hiệu quả và tạo ra giá trị mới.

Một số nền tảng cung cấp bộ công cụ sáng tạo toàn diện và dễ sử dụng, hỗ trợ người dùng cấu hình chức năng, ngoại hình, giọng nói của robot cũng như kết nối với kho kiến thức bên ngoài, nhằm xây dựng hệ sinh thái nội dung AI công bằng và mở, sử dụng công nghệ AI tạo sinh, trao quyền cho cá nhân trở thành người sáng tạo siêu việt. Một số nền tảng đã huấn luyện các mô hình ngôn ngữ lớn chuyên dụng, làm cho việc nhập vai trở nên nhân văn hơn; công nghệ nhân bản giọng nói có thể tăng tốc tương tác cá nhân hóa của sản phẩm AI, giảm đáng kể chi phí tổng hợp giọng nói, việc nhân bản giọng nói chỉ cần 1 phút để thực hiện. Sử dụng AI Agent tùy chỉnh, hiện có thể áp dụng trong nhiều lĩnh vực như trò chuyện video, học ngôn ngữ, tạo ra hình ảnh.

Trong sự kết hợp giữa Web3 và AI, hiện tại nhiều hơn 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 cải thiện việc sử dụng hiệu quả sức mạnh tính toán phi tập trung, làm thế nào để 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 nảy sinh ra một loạt các mô hình kinh doanh và dịch vụ đổi mới.