Sự hợp nhất của 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 tiềm năng kết hợp 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 hạn chế sức mạnh tính toán, rò rỉ quyền riêng tư, và thuật toán hộp đen. 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 chia sẻ sức mạnh tính toán, thị trường dữ liệu mở và tính toán bảo mật. Đồng thời, AI cũng có thể mang lại nhiều khả năng cho hệ sinh thái Web3, như tối ưu hóa hợp đồng thông minh, thuật toán chống gian lận, v.v. 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 của AI và Web3

Dữ liệu là động lực cốt lõi thúc đẩy sự phát triển của AI. Các mô hình AI cần tiêu hóa một khối 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 nền tảng đào tạo 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 trung tâm hóa 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 nên đảo dữ liệu.
• Dữ liệu cá nhân đối mặt với nguy cơ rò rỉ và lạm dụng

Web3 có thể giải quyết những điểm đau của mô hình truyền thống bằng 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 huấn luyện mô hình AI.
• Áp dụng mô hình "label to earn", thông qua việc khuyến khích bằng token để người lao động toàn cầu tham gia vào việc gán nhãn dữ liệu, tập hợp kiến thức chuyên môn toàn cầu, tăng cường khả năng phân tích dữ liệu.
• 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 vẫn gặp phải các vấn đề 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 trong lĩnh vực 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 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.

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

Thời đại dữ liệu đã đưa ra, việc bảo vệ quyền riêng tư đã trở thành tâm điểm chú ý toàn cầu, và sự ra đời của các quy định như Quy định Bảo vệ Dữ liệu Chung của EU (GDPR) phản ánh sự bảo vệ nghiêm ngặt đối với quyền riêng tư cá nhân. Tuy nhiên, điều này cũng mang đến thách thức: một số dữ liệu nhạy cảm không thể được tận dụng đầy đủ do rủi ro về quyền riêng tư, hạn chế tiềm năng và khả năng suy luận của các mô hình AI.

FHE là mã hóa toàn đồng nhất, 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 thực hiện trên dữ liệu rõ.

FHE cung cấp sự bảo vệ vững chắc cho tính toán riêng tư của AI, cho phép sức mạnh 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 ích lớn cho các công ty AI, cho phép họ 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 thông tin nhạy cảm được bảo mật và ngăn chặn rủi ro rò rỉ dữ liệu. Bằng cách này, FHEML củng cố quyền riêng tư dữ liệu, cung cấp khung tính toán an toàn cho các ứng dụng AI.

FHEML là bổ sung cho ZKML, ZKML chứng minh việc thực hiện đúng máy học, trong khi FHEML nhấn mạnh việc tính toán trên dữ liệu được mã hóa để bảo vệ 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 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 ngôn ngữ lớn của một công ty AI yêu cầu sức mạnh tính toán khổng lồ, tương đương với 355 năm 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 làm cho các mô hình AI cao cấp trở nên không thể với tới đối với hầu hết các nhà nghiên cứu và nhà phát triển.

Trong khi đó, tỷ lệ sử dụng GPU toàn cầu chưa đạt 40%, cộng với việc hiệu suất vi xử lý tăng chậm lại, cùng với sự thiếu hụt chip do các yếu tố chuỗi cung ứng và địa chính trị, tất cả điều này khiến vấn đề cung cấp sức mạnh tính toán trở nên nghiêm trọng hơn. Những người làm trong lĩnh vực AI rơi vào tình huống 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 và tiết kiệm chi phí.

Một mạng lưới tính toán AI phi tập trung thông qua việc tập hợp các tài nguyên GPU nhàn rỗi trên toàn cầu, cung cấp cho các công ty AI một thị trường tính toán dễ tiếp cận về mặt kinh tế. Các bên có nhu cầu tính toán có thể đăng tải các 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 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 trí tuệ nhân tạo và mạng lưới tính toán chuyên dụng tập trung vào suy diễn trí tuệ nhân tạo.

Mạng lưới tính toán phi tập trung cung cấp một thị trường tính toán công bằng và minh bạch, phá vỡ sự 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 sáng tạo 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 phát sinh dữ liệu, đạt được độ trễ thấp và 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 xe tự lái.

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 thiểu 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 phát triển nhanh chóng trong một hệ sinh thái chuỗi công cộng, trở thành một trong những nền tảng chuỗi công cộng được lựa chọn hàng đầu cho việc triển khai dự án. TPS cao, phí giao dịch thấp và đổi mới công nghệ của chuỗi công cộng 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 cộng này đã 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 khuôn mẫu mới

Khái niệm IMO được đưa ra 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, các nhà phát triển mô hình AI thường khó có thể 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 theo dõi tình trạng sử dụng, chưa nói đến việc thu lợi từ đó. Hơn nữa, hiệu suất và kết 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 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 giao thức sử dụng hai tiêu chuẩn ERC, kết hợp với oracle AI và công nghệ OPML để đảm bảo tính xác thực của mô hình AI và các chủ sở hữu token có thể chia sẻ lợi nhuận.

Mô hình IMO đã tăng cường tính minh bạch và niềm tin, khuyến khích 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 đang trong giai đoạn thử nghiệm ban đầu, nhưng với sự gia tăng mức độ chấp nhận của thị trường và mở rộng phạm vi tham gia, tính đổi mới và giá trị tiềm năng của nó đáng được 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 hành động tương ứng để đạt được mục tiêu đã định. Dưới sự hỗ trợ của 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 vẫn có thể tự giải quyết vấn đề, nâng cao hiệu quả và tạo ra giá trị mới.

Một 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, âm thanh 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. Nền tảng này đã đào tạo một mô hình ngôn ngữ lớn chuyên biệt, giúp các vai trò trở nên nhân văn hơn; công nghệ sao chép giọng nói có thể tăng tốc tương tác cá nhân hóa sản phẩm AI, giảm 99% chi phí tổng hợp giọng nói, và sao chép giọng nói chỉ mất 1 phút để thực hiện. Nhờ vào AI Agent tùy chỉnh của nền tảng này, hiện tại 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 tầng 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 cải thiện việc sử dụng hiệu quả sức mạnh tính toán phi tập trung, cách xác thực các mô hình ngôn ngữ lớn và những vấn đề quan trọng khác. Khi các cơ sở hạ tầng này dần 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 sáng tạo.