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 cơ hội hòa nhập 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, và còn gặp phải nhiều thách thức như nút thắt về tính toán, rò rỉ dữ liệu cá nhân, hòm đen thuật toán, v.v. 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 tính toán chia sẻ, thị trường dữ liệu mở, tính toán riêng tư, v.v. Đồng thời, AI cũng có thể mang lại nhiều năng lực cho Web3, chẳng hạn như tối ưu hợp đồng thông minh, thuật toán chống gian lận, v.v., 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, giải phóng giá trị dữ liệu và tính toán.

Dữ liệu được 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 sự hiểu biết sâu sắc và khả năng suy luận mạnh mẽ. Dữ liệu không chỉ cung cấp cơ sở 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, có một số vấn đề chính sau đây:

• Chi phí thu thập dữ liệu cao, các doanh nghiệp vừa và nhỏ khó có thể gánh chịu;
• Tài nguyên dữ liệu bị các gã khổng lồ công nghệ độc quyền, hình thành nên các hòn đảo dữ liệu;
• Dữ liệu cá nhân đang 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 cách sử dụng một khuôn khổ dữ liệu phi tập trung mới.

• Bằng cách thu thập dữ liệu mạng theo 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;
• Sử dụng mô hình "kiếm tiền từ đánh dấu", khuyến khích người lao động toàn cầu tham gia vào việc đánh dấu 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 đã 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. Dữ liệu tổng hợp có thể là ngôi sao 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, 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

Trong thời đại dữ liệu, việc 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 khai thác 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 đồng nhất hoàn toàn, cho phép thực hiện các phép toán trực tiếp trên dữ liệu được mã hóa mà không cần giải mã dữ liệu, và kết quả tính toán giống như kết quả của phép toán tương tự trên dữ liệu rõ.

FHE cung cấp 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 to 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 an toàn cho 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 phần bổ sung cho ZKML, ZKML chứng minh việc thực hiện đúng của machine learning, trong khi FHEML nhấn mạnh việc tính toán trên dữ liệu được mã hóa để duy trì quyền riêng tư của dữ liệu.

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

Hiện nay, 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 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 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 xa vời với hầu hết các nhà nghiên cứu và phát triển.

Trong khi đó, tỷ lệ sử dụng GPU toàn cầu chưa đạt 40%, thêm vào đó là sự chậm lại trong việc nâng cao hiệu suất của vi xử lý, cũng như 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 rơi vào thế tiến thoái lưỡng nan: hoặc là tự mua phần cứng, hoặc là thuê tài nguyên đám mây, họ đang cần một cách cung cấp dịch vụ tính toán theo nhu cầu và hiệu quả về chi phí.

Mạng lưới sức mạnh AI phi tập trung thông qua việc tập hợp tài nguyên GPU không sử dụng trên toàn cầu, cung cấp cho các công ty AI một thị trường sức mạnh tính toán vừa tiết kiệm chi phí vừa dễ tiếp cận. Những 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 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 tính toán phi tập trung chung, còn có các nền tảng chuyên tập trung vào đào tạo AI và mạng lưới tính toán chuyên dụng tập trung vào 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 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 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 gốc của dữ liệu, đạt được độ trễ thấp, xử lý theo 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 sự 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 rủi ro rò rỉ dữ liệu bằng cách 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 đang phát triển nhanh chóng trong một hệ sinh thái công chain nhất định, trở thành một trong những nền tảng công chain được ưa chuộng nhất để triển khai dự án. TPS cao, chi phí giao dịch thấp và đổi mới công nghệ của công chain 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 công chain này đã vượt quá 10 tỷ USD, một số dự án nổi tiếng đã đạt được tiến bộ đáng kể.

IMO：AI mô hình phát hành mô hình mới

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

Trong mô hình truyền thống, do thiếu cơ chế chia sẻ lợi ích, một khi mô hình AI được phát triển và đưa ra thị trường, các nhà phát triển thường khó khăn trong việc thu được lợi nhuận 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 trạng 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 cung cấp một cách 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 giao thức sử dụng hai tiêu chuẩn ERC, kết hợp với Oracle AI trên chuỗi (Onchain AI Oracle) và công nghệ 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 sự hợp tác mã nguồn mở, thích ứng với xu hướng thị trường tiền điện tử và thúc đẩy sự phát triển bền vững của công nghệ AI. IMO hiện vẫn 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, 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 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 các chức năng, hình dáng, âm thanh 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 sinh sinh để trao quyền cho cá nhân trở thành nhà sáng tạo siêu việt. Nền tảng này đã huấn luyện một mô hình ngôn ngữ lớn chuyên biệt, giúp tăng cường tính nhân văn trong việc đóng vai; 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, việc sao chép giọng nói chỉ mất 1 phút để thực hiện. Với AI Agent tùy chỉnh từ nền tảng này, hiện 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 cấp cơ sở hạ tầng, 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 hiệu quả sử dụng sức mạnh tính toán phi tập trung, cách xác minh mô hình ngôn ngữ lớn và các vấn đề quan trọng 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.