Chuyển tiêu đề gốc: 'Báo cáo nghiên cứu Metrics Ventures | Từ bài viết của V, có những tuyến đường cụ thể nào trong lĩnh vực Crypto×AI đáng chú ý?'

1 Giới thiệu: Bốn cách kết hợp Tiền điện tử với trí tuệ nhân tạo

Phi tập trung là sự thống nhất được duy trì bởi blockchain, đảm bảo an ninh là nguyên tắc cốt lõi, và sự minh bạch là nền tảng chính từ góc nhìn mật mã để làm cho hành vi trên chuỗi có những đặc điểm đã nêu. Cách tiếp cận này đã được áp dụng trong một số vòng cách mạng blockchain trong vài năm qua. Tuy nhiên, khi trí tuệ nhân tạo tham gia, tình hình trải qua một số thay đổi.

Hãy tưởng tượng việc thiết kế kiến trúc của blockchain hoặc ứng dụng thông qua trí tuệ nhân tạo. Trong trường hợp này, mô hình cần phải là mã nguồn mở, nhưng làm như vậy sẽ tiết lộ sự dễ tổn thương của nó trong học máy đối địch. Ngược lại, không làm mã nguồn mở sẽ dẫn đến mất tính phân quyền. Do đó, cần xem xét cách thức và mức độ tích hợp cần được thực hiện khi giới thiệu trí tuệ nhân tạo vào blockchain hiện tại hoặc ứng dụng.

Nguồn: ĐẠI HỌC ETHEREUM

Trong bài viết ‘Khi những người khổng lồ va chạm: Khám phá sự hội tụ của Tiền điện tử x AI’từ@ueth"TRƯỜNG ĐẠI HỌC ETHEREUM, sự khác biệt về các đặc tính cốt lõi giữa trí tuệ nhân tạo và blockchain được đề cập. Như được thể hiện trong hình trên, các đặc tính của trí tuệ nhân tạo là:

• Tính trung ương
• Mức Độ Mở Lời Thấp
• Tiêu thụ năng lượng
• Bài độc quyền
• Yếu tố tiền tệ yếu

Những đặc điểm được đề cập ở trên hoàn toàn trái ngược trong blockchain so với trí tuệ nhân tạo. Đây là lập luận chân thực của bài viết của Vitalik. Nếu trí tuệ nhân tạo và blockchain được kết hợp, thì các ứng dụng sinh ra từ đó cần phải thực hiện sự cân đối trong việc sở hữu dữ liệu, tính minh bạch, khả năng tiền tệ hóa, chi phí năng lượng, v.v. Ngoài ra, cần xem xét thêm về cơ sở hạ tầng cần được tạo ra để đảm bảo tích hợp hiệu quả cả hai.

Theo các tiêu chí trên và suy nghĩ riêng của mình, Vitalik phân loại các ứng dụng được hình thành bằng sự kết hợp của trí tuệ nhân tạo và blockchain thành bốn loại chính:

• Trí tuệ nhân tạo là một người chơi trong một trò chơi
• AI như một giao diện cho trò chơi
• AI như là quy tắc của trò chơi
• AI là mục tiêu của trò chơi

Trong đó, ba cái đầu tiên chủ yếu đại diện cho ba cách mà trí tuệ nhân tạo được giới thiệu vào thế giới Tiền điện tử, đại diện cho ba cấp độ sâu từ cạn đến sâu. Theo quan điểm của tác giả, phân loại này đại diện cho mức độ mà trí tuệ nhân tạo ảnh hưởng đến quyết định của con người, và do đó giới thiệu các mức độ rủi ro hệ thống khác nhau đối với toàn bộ thế giới Tiền điện tử:

• Trí tuệ nhân tạo như một người tham gia trong các ứng dụng: Trí tuệ nhân tạo chính nó không ảnh hưởng đến quyết định và hành vi của con người, do đó nó không gây ra rủi ro đối với thế giới con người thực sự. Do đó, hiện nay nó có mức độ thực tế cao nhất.
• Trí tuệ nhân tạo như một giao diện cho các ứng dụng: Trí tuệ nhân tạo cung cấp thông tin phụ hoặc công cụ hỗ trợ cho quyết định và hành vi của con người, từ đó cải thiện trải nghiệm của người dùng và nhà phát triển và giảm thiểu rào cản. Tuy nhiên, thông tin hoặc hoạt động không chính xác có thể đem đến một số rủi ro cho thế giới thực.
• Trí tuệ nhân tạo như quy tắc của các ứng dụng: Trí tuệ nhân tạo hoàn toàn thay thế con người trong việc ra quyết định và thực hiện. Do đó, hành vi độc hại hoặc sự cố của trí tuệ nhân tạo sẽ dẫn trực tiếp đến hỗn loạn trong thế giới thực. Hiện nay, ở cả Web2 và Web3, không thể tin tưởng trí tuệ nhân tạo thay thế con người trong việc ra quyết định.

Cuối cùng, hạng mục thứ tư của các dự án nhằm tận dụng các đặc tính của Tiền điện tử để tạo ra trí tuệ nhân tạo tốt hơn. Như đã đề cập trước đó, sự tập trung, sự không minh bạch, lượng năng lượng tiêu thụ, xu hướng tập đoàn hóa và các đặc tính tiền tệ yếu có thể tự nhiên được giảm bớt thông qua các đặc tính của Tiền điện tử. Mặc dù nhiều người hoài nghi về việc liệu Tiền điện tử có thể ảnh hưởng đến sự phát triển của trí tuệ nhân tạo hay không, câu chuyện hấp dẫn nhất về Tiền điện tử luôn là khả năng ảnh hưởng đến thế giới thực thông qua sự phi tập trung. Hành trình này cũng trở thành phần được đầu tư mạnh nhất của hành trình trí tuệ nhân tạo do tầm nhìn lớn lao của nó.

2 AI Là Một Người Tham Gia

Trong các cơ chế mà trí tuệ nhân tạo tham gia, nguồn cảm hứng cuối cùng thường đến từ các giao thức được nhập bởi con người. Trước khi trí tuệ nhân tạo trở thành một giao diện hoặc thậm chí một quy tắc, chúng ta thường cần đánh giá hiệu suất của các trí tuệ nhân tạo khác nhau, cho phép trí tuệ nhân tạo tham gia vào một cơ chế, và cuối cùng nhận phần thưởng hoặc xử phạt thông qua một cơ chế trên chuỗi.

Khi trí tuệ nhân tạo hoạt động như một người tham gia, so với việc là một giao diện hoặc quy tắc, các rủi ro đối với người dùng và toàn bộ hệ thống nói chung là rất không đáng kể. Nó có thể được coi là một giai đoạn cần thiết trước khi trí tuệ nhân tạo ảnh hưởng sâu đến quyết định và hành vi của người dùng. Do đó, chi phí và sự cân nhắc cần thiết cho việc kết hợp trí tuệ nhân tạo và blockchain ở mức độ này là tương đối nhỏ. Điều này cũng là một loại sản phẩm mà Vitalik tin rằng hiện tại có một mức độ thực tiễn cao.

Về phạm vi và triển khai, nhiều ứng dụng AI hiện tại rơi vào hạng mục này, như các bot giao dịch và bot trò chuyện được trang bị AI. Mức độ triển khai hiện tại vẫn khiến việc AI phục vụ như một giao diện hoặc thậm chí một quy tắc trở nên khó khăn. Người dùng đang so sánh và dần dần tối ưu hóa giữa các bot khác nhau, và người dùng tiền điện tử vẫn chưa phát triển thói quen sử dụng các ứng dụng AI. Trong bài viết của Vitalik, các Đại lý Tự trị cũng được phân loại vào hạng mục này.

Tuy nhiên, theo một nghĩa hẹp hơn và từ quan điểm tầm nhìn dài hạn, chúng tôi thường thực hiện các phân biệt chi tiết hơn đối với các ứng dụng AI hoặc các đại lý AI. Do đó, trong phạm vi này, các tiểu mục đại diện bao gồm:

2.1 Trò chơi trí tuệ AI

Một phần nào đó, các trò chơi AI thực sự có thể được phân loại vào hạng mục này. Người chơi tương tác với AI và huấn luyện nhân vật AI của họ để phù hợp tốt hơn với sở thích cá nhân, chẳng hạn như điều chỉnh gần gũi hơn với gu thẩm mỹ cá nhân hoặc trở nên cạnh tranh hơn trong cơ chế trò chơi. Các trò chơi đóng vai trò là giai đoạn chuyển tiếp cho AI trước khi nó bước vào thế giới thực. Chúng cũng đại diện cho một hành trình với rủi ro triển khai tương đối thấp và dễ hiểu nhất đối với người dùng thông thường. Các dự án tiêu biểu trong hạng mục này bao gồm AI Arena, Echelon Prime và Altered State Machine.

• AI Arena: Một trò chơi đấu PvP (Player versus Player) nơi người chơi có thể huấn luyện và tiến hóa nhân vật trong game của họ bằng AI. Trò chơi nhằm mục đích cho phép người dùng thông thường tương tác với, hiểu và trải nghiệm AI thông qua trò chơi, đồng thời cung cấp cho các kỹ sư AI các thuật toán AI khác nhau để tăng thu nhập của họ. Mỗi nhân vật trong game được cung cấp bởi NFT có tích hợp AI, với Core chứa kiến trúc và thông số của mô hình AI được lưu trữ trên IPFS. Các thông số trong một NFT mới được tạo ngẫu nhiên, có nghĩa là nó sẽ thực hiện các hành động ngẫu nhiên. Người dùng cần cải thiện khả năng chiến lược của nhân vật thông qua việc học bằng cách mô phỏng (IL). Mỗi khi người dùng huấn luyện một nhân vật và lưu tiến trình, các thông số sẽ được cập nhật trên IPFS.
  

• Máy trạng thái thay đổi: . ASM không phải là một trò chơi AI mà là một giao thức để xác minh quyền và giao dịch cho các đại lý AI. Nó được định vị là một giao thức AI metaverse và hiện đang tích hợp với nhiều trò chơi bao gồm FIFA, đưa các tác nhân AI vào trò chơi và metaverse. ASM sử dụng NFT để xác minh và giao dịch các đại lý AI, với mỗi tác nhân bao gồm ba phần: Bộ não (đặc điểm nội tại của tác nhân), Ký ức (lưu trữ các chiến lược hành vi đã học của tác nhân và đào tạo mô hình, được liên kết với Bộ não) và Hình thức (ngoại hình nhân vật, v.v.). ASM có một mô-đun Gym, bao gồm một nhà cung cấp đám mây GPU phi tập trung, để cung cấp hỗ trợ tính toán cho các đại lý. Các dự án hiện đang được xây dựng trên ASM bao gồm AIFA (trò chơi bóng đá AI), Muhammed Ali (trò chơi quyền anh AI), AI League (trò chơi bóng đá đường phố hợp tác với FIFA), Raicers (trò chơi đua xe do AI điều khiển) và FLUF World's Thingies (NFT tạo ra). \
  

• Parallel Colony (PRIME): Echelon Prime đang phát triển Parallel Colony, một trò chơi dựa trên AI LLM (Mô hình Ngôn ngữ Lớn). Người chơi có thể tương tác với các hình ảnh AI của họ và ảnh hưởng đến chúng, với các hình ảnh tự động hoạt động dựa trên ký ức và quá trình sống. Colony hiện đang là một trong những trò chơi AI được mong đợi nhất, và bản whitepaper chính thức đã được phát hành gần đây. Ngoài ra, thông báo về việc di cư sang Solana đã tạo ra một làn sóng hào hứng khác và tăng giá trị cho PRIME.

2.2 Dự Đoán Thị Trường/Thi Đấu

Khả năng dự đoán là nền tảng cho trí tuệ nhân tạo để đưa ra quyết định và hành vi trong tương lai. Trước khi các mô hình trí tuệ nhân tạo được sử dụng để dự đoán thực tế, các cuộc thi dự đoán so sánh hiệu suất của các mô hình trí tuệ nhân tạo ở mức độ cao hơn. Bằng cách cung cấp động lực dưới dạng token cho các nhà khoa học dữ liệu/mô hình trí tuệ nhân tạo, phương pháp này mang lại những hậu quả tích cực cho sự phát triển của toàn bộ lĩnh vực Tiền điện tử×Trí tuệ nhân tạo. Nó liên tục thúc đẩy sự phát triển của các mô hình và ứng dụng hiệu quả và có hiệu suất cao hơn phù hợp với thế giới tiền điện tử. Trước khi trí tuệ nhân tạo ảnh hưởng sâu rộng đến quyết định và hành vi, điều này tạo ra các sản phẩm chất lượng cao và an toàn hơn. Theo Vitalik, thị trường dự đoán là một nguyên tố mạnh mẽ có thể mở rộng ra nhiều loại vấn đề khác. Các dự án tiêu biểu trong lĩnh vực này bao gồm Numerai và Ocean Protocol.

• Numerai: Numerai là một cuộc thi khoa học dữ liệu lâu đời nơi các nhà khoa học dữ liệu huấn luyện các mô hình học máy để dự đoán thị trường chứng khoán dựa trên dữ liệu thị trường lịch sử do Numerai cung cấp. Sau đó, họ đặt cược mô hình của mình và token NMR trong các giải đấu, với những mô hình hoạt động tốt nhận phần thưởng token NMR, trong khi token đặt cược trên những mô hình hoạt động kém được đốt cháy. Đến ngày 7 tháng 3 năm 2024, đã có 6.433 mô hình đặt cược, và giao thức đã cung cấp tổng cộng $75.760.979 trong phần thưởng cho các nhà khoa học dữ liệu. Numerai khuyến khích sự hợp tác toàn cầu giữa các nhà khoa học dữ liệu để xây dựng một loại quỹ cơ cấu mới. Các quỹ đã phát hành cho đến nay bao gồm Numerai One và Numerai Supreme. Con đường của Numerai bao gồm các cuộc thi dự đoán thị trường → mô hình dự đoán được huy động từ cộng đồng → sự tạo ra các quỹ cơ cấu mới dựa trên các mô hình từ cộng đồng.
• Ocean Protocol: Ocean Predictor tập trung vào dự đoán, bắt đầu với dự đoán do cộng đồng về xu hướng tiền điện tử. Người chơi có thể chọn chạy bot Dự đoán hoặc bot Người mua bán. Bot Dự đoán sử dụng mô hình AI để dự đoán giá của tiền điện tử (ví dụ, BTC/USDT) tại điểm thời gian tiếp theo (ví dụ, trước 5 phút) và đặt cược một số lượng nhất định của token $OCEAN. Giao thức tính toán dự đoán toàn cầu dựa trên số tiền được đặt cược. Người mua bán mua kết quả dự đoán và có thể giao dịch dựa trên chúng. Khi độ chính xác của dự đoán cao, Người mua bán có thể có lợi nhuận từ đó. Người dự đoán đưa ra dự đoán sai sẽ bị phạt, trong khi những người đưa ra dự đoán đúng sẽ nhận một phần token được đặt cược cũng như phí mua hàng từ Người mua bán như phần thưởng. Vào ngày 2 tháng 3, Ocean Predictoor đã thông báo hướng đi mới nhất của mình, Mô hình Thế giới-Thế giới (WWM), bắt đầu khám phá dự đoán cho các tình huống thế giới thực như thời tiết và năng lượng.
  

3 AI Như Một Giao Diện

AI có thể hỗ trợ người dùng hiểu được những gì đang diễn ra trong thế giới tiền điện tử bằng ngôn ngữ đơn giản và dễ hiểu, đóng vai trò như một người hướng dẫn cho người dùng và cung cấp cảnh báo về rủi ro tiềm năng để giảm thiểu rào cản vào thị trường và rủi ro của người dùng trong lĩnh vực Tiền điện tử, từ đó cải thiện trải nghiệm người dùng. Các chức năng của các sản phẩm có thể thực hiện là đa dạng, như cảnh báo rủi ro trong quá trình tương tác ví, giao dịch dựa trên AI, chatbot AI có khả năng trả lời các câu hỏi phổ biến của người dùng về tiền điện tử và nhiều hơn nữa. Đối tượng sử dụng dịch vụ này đang mở rộng, không chỉ bao gồm người dùng thông thường mà còn bao gồm các nhà phát triển, nhà phân tích và gần như tất cả các nhóm khác, khiến họ trở thành người nhận tiềm năng của dịch vụ AI.

Hãy nhắc lại những điểm tương đồng của những dự án này: chúng vẫn chưa thay thế con người trong việc thực hiện một số quyết định và hành vi cụ thể, nhưng đang sử dụng các mô hình AI để cung cấp thông tin và công cụ hỗ trợ cho quyết định và hành vi của con người. Ở mức độ này, các rủi ro của hành vi gian lận của AI đang bắt đầu được tiết lộ trong hệ thống - cung cấp thông tin không chính xác để can thiệp vào quyết định của con người. Khía cạnh này đã được phân tích kỹ lưỡng trong bài viết của Vitalik.

Có rất nhiều dự án đa dạng và đa dạng có thể được phân loại trong danh mục này, bao gồm trò chuyện AI, kiểm định hợp đồng thông minh AI, sinh mã code AI, bot giao dịch AI, và nhiều hơn nữa. Có thể nói rằng đa số ứng dụng AI hiện tại đều ở mức cơ bản này. Các dự án đại diện bao gồm:

• Paal: PaaL hiện đang là dự án hàng đầu trong chatbot AI và có thể được coi là một ChatGPT được đào tạo về kiến thức liên quan đến tiền điện tử. Tích hợp với các nền tảng như Telegram (TG) và Discord, PaaL cung cấp cho người dùng các chức năng như phân tích dữ liệu token, cơ bản về token và phân tích kinh tế về token, cũng như tạo hình ảnh từ văn bản và các tính năng khác. Bot PaaL có thể tích hợp vào các cuộc trò chuyện nhóm để tự động phản ứng với một số thông tin. PaaL cũng hỗ trợ bot cá nhân tùy chỉnh, cho phép người dùng xây dựng cơ sở kiến thức AI và bot tùy chỉnh riêng bằng cách cung cấp dữ liệu. PaaL đang tiến về Bot Giao dịch AI và, vào ngày 29 tháng 2, công bố terminal nghiên cứu và giao dịch tiền điện tử được hỗ trợ bởi AI, PaalX. Theo giới thiệu, nó có thể thực hiện kiểm định hợp đồng thông minh AI, tích hợp và giao dịch tin tức dựa trên Twitter, và hỗ trợ nghiên cứu và giao dịch tiền điện tử. Trợ lý AI có thể giảm ngưỡng cho người dùng khi tham gia.

ChainGPT: ChainGPT dựa vào trí tuệ nhân tạo để phát triển một loạt các công cụ tiền điện tử, như chatbot, máy tạo NFT, thu thập tin tức, tạo và kiểm tra hợp đồng thông minh, trợ lý giao dịch, thị trường Prompt và sàn giao dịch AI cross-chain. Tuy nhiên, sự tập trung hiện tại của ChainGPT là vào ấn định dự án và Launchpad, và đã hoàn thành IDOs cho 24 dự án và 4 Chương trình tặng miễn phí.

• Arkham: Ultra là động cơ trí tuệ nhân tạo chuyên biệt của Arkham được thiết kế để phù hợp địa chỉ với các thực thể trong thế giới thực bằng cách sử dụng thuật toán, từ đó tăng cường tính minh bạch trong ngành công nghiệp tiền điện tử. Ultra kết hợp dữ liệu trên chuỗi và ngoài chuỗi được cung cấp bởi người dùng và thu thập bởi chính nó, và đưa ra dưới dạng cơ sở dữ liệu có thể mở rộng, cuối cùng được thể hiện dưới dạng biểu đồ. Tuy nhiên, tài liệu Arkham không cung cấp cuộc thảo luận chi tiết về hệ thống Ultra. Arkham gần đây đã thu hút sự chú ý do đầu tư cá nhân từ Sam Altman, người sáng lập OpenAI, và đã trải qua mức tăng gấp năm lần giá trị trong 30 ngày qua.
• GraphLinq: GraphLinq là một giải pháp quản lý luồng công việc tự động hóa được thiết kế để cho phép người dùng triển khai và quản lý các loại chức năng tự động hóa khác nhau mà không cần lập trình. Ví dụ, người dùng có thể đẩy giá của Bitcoin từ Coingecko đến một Bot TG mỗi 5 phút. Giải pháp của GraphLinq hình dung hóa quy trình tự động hóa bằng cách sử dụng đồ thị, cho phép người dùng tạo các nhiệm vụ tự động hoá bằng cách kéo thả nút và sử dụng Động cơ GraphLinq để thực hiện chúng. Mặc dù không cần mã hóa, quá trình tạo đồ thị vẫn có một độ cong học nhất định đối với người dùng thông thường, bao gồm việc lựa chọn mẫu phù hợp và lựa chọn cũng như kết nối các khối logic phù hợp từ hàng trăm tùy chọn. Để giải quyết vấn đề này, GraphLinq đang giới thiệu trí tuệ nhân tạo để cho phép người dùng xây dựng và quản lý các nhiệm vụ tự động hóa bằng cách sử dụng trí tuệ nhân tạo trò chuyện và ngôn ngữ tự nhiên, từ đó đơn giản hóa quá trình cho người dùng có thể không quen với các khía cạnh kỹ thuật.
• 0x0.ai:Các doanh nghiệp liên quan đến trí tuệ nhân tạo của 0x0 chủ yếu bao gồm ba khía cạnh: kiểm toán hợp đồng thông minh AI, phát hiện lừa đảo AI và trung tâm phát triển AI. Trong đó, phát hiện lừa đảo AI nhằm phát hiện hành vi đáng ngờ như thuế quá mức hoặc rút tiền lưu thông để ngăn chặn người dùng bị lừa dối. Trung tâm phát triển AI sử dụng các kỹ thuật học máy để tạo ra các hợp đồng thông minh, cho phép triển khai không cần mã. Tuy nhiên, chỉ có kiểm toán hợp đồng thông minh AI đã được ra mắt sơ bộ, trong khi hai chức năng còn lại chưa được phát triển hoàn toàn.
• Zignaly: Zignaly được thành lập vào năm 2018 với mục tiêu cho phép các nhà đầu tư cá nhân chọn các quản lý quỹ để quản lý tài sản tiền điện tử của họ, tương tự như logic của copy-trading. Zignaly đang sử dụng các công nghệ học máy và trí tuệ nhân tạo để thiết lập một hệ thống đánh giá các quản lý quỹ. Sản phẩm đầu tiên được ra mắt được gọi là Z-Score. Tuy nhiên, với tư cách là một sản phẩm trí tuệ nhân tạo, nó vẫn còn khá cơ bản trong hình thức hiện tại.
  

4 AI As The Game Rules

Đây là phần thú vị nhất - cho phép trí tuệ nhân tạo thay thế quyết định và hành vi của con người. Trí tuệ nhân tạo của bạn sẽ trực tiếp kiểm soát ví của bạn, đưa ra quyết định giao dịch và hành động thay mặt bạn. Trong danh mục này, tác giả tin rằng nó chủ yếu có thể chia thành ba cấp độ: Ứng dụng trí tuệ nhân tạo (đặc biệt là những ứng dụng với tầm nhìn về quyết định tự động, chẳng hạn như bot giao dịch tự động AI, bot sinh lợi nhuận DeFi AI), giao thức Đại lý Tự trị và zkML/opML.

Các ứng dụng AI là các công cụ để đưa ra quyết định cụ thể trong một lĩnh vực cụ thể. Chúng tích lũy kiến thức và dữ liệu từ các lĩnh vực khác nhau và dựa vào các mô hình AI được tùy chỉnh cho các vấn đề cụ thể để đưa ra quyết định. Đáng chú ý là các ứng dụng AI được phân loại thành cả giao diện và quy tắc trong bài viết này. Về tầm nhìn phát triển, các ứng dụng AI nên trở thành các đại lý đưa ra quyết định độc lập, nhưng hiện tại, không có hiệu quả của các mô hình AI cũng như sự an toàn của AI tích hợp có thể đáp ứng yêu cầu này. Ngay cả khi là giao diện, chúng vẫn bị ép buộc một cách nào đó. Các ứng dụng AI vẫn còn ở giai đoạn rất sớm, với các dự án cụ thể được giới thiệu trước đây.

Các Tác nhân Tự động, được đề cập bởi Vitalik, được phân loại vào hạng mục đầu tiên (Trí tuệ nhân tạo là người tham gia), nhưng bài viết này đặt chúng vào hạng mục thứ ba dựa trên tầm nhìn dài hạn của chúng. Các Tác nhân Tự động sử dụng một lượng lớn dữ liệu và thuật toán để mô phỏng quá trình tư duy và ra quyết định của con người, thực hiện các nhiệm vụ và tương tác khác nhau. Bài viết này chủ yếu tập trung vào cơ sở hạ tầng của Tác nhân, như các lớp giao tiếp và lớp mạng, mô tả quyền sở hữu của Tác nhân, xác định danh tính của họ, tiêu chuẩn và phương pháp giao tiếp, kết nối nhiều ứng dụng Tác nhân, và cho phép họ cùng nhau hợp tác trong quá trình ra quyết định và hành vi.

zkML/opML: Đảm bảo rằng các đầu ra được cung cấp thông qua quá trình lý luận mô hình chính xác là đáng tin cậy thông qua các phương pháp mật mã hoặc kinh tế. Vấn đề bảo mật là chết người khi đưa AI vào các hợp đồng thông minh. Các hợp đồng thông minh phụ thuộc vào các đầu vào để tạo ra đầu ra và tự động hóa một loạt các chức năng. Nếu AI cung cấp các đầu vào sai lầm, nó sẽ đưa ra rủi ro hệ thống đáng kể cho toàn bộ hệ thống Crypto. Do đó, zkML/opML và một loạt các giải pháp tiềm năng là nền tảng cho việc kích hoạt AI hoạt động độc lập và ra quyết định.

Cuối cùng, ba phần này cùng nhau tạo thành ba cấp độ cơ bản của trí tuệ nhân tạo như các nhà điều hành quy tắc: zkml/opml là cơ sở cấp thấp nhất đảm bảo an ninh giao thức; Các giao thức Đại lý thiết lập hệ sinh thái Đại lý, cho phép quyết định và hành vi cộng tác; Các ứng dụng trí tuệ nhân tạo, cũng như các Đại lý trí tuệ nhân tạo cụ thể, sẽ liên tục cải thiện khả năng của mình trong các lĩnh vực cụ thể và thực sự ra quyết định và hành động.

4.1 Đại lý Tự trị

Việc áp dụng AI Agents trong thế giới tiền điện tử là điều tự nhiên. Từ hợp đồng thông minh đến TG Bots đến AI Agents, không gian tiền điện tử đang di chuyển về phía tự động hóa cao hơn và rào cản người dùng thấp hơn. Trong khi hợp đồng thông minh thực hiện các chức năng tự động thông qua mã không thể thay đổi, chúng vẫn phụ thuộc vào các kích hoạt bên ngoài để kích hoạt và không thể chạy tự động hoặc liên tục. TG Bots giảm rào cản người dùng bằng cách cho phép người dùng tương tác với blockchain thông qua ngôn ngữ tự nhiên, nhưng chúng chỉ có thể thực hiện các nhiệm vụ đơn giản và cụ thể và không thể thực hiện các giao dịch tập trung người dùng. Tuy nhiên, AI Agents có một mức độ quyết định độc lập nhất định. Chúng hiểu ngôn ngữ tự nhiên và tự động kết hợp với các đại lý khác và công cụ blockchain để hoàn thành các mục tiêu được quy định bởi người dùng.

Các AI Agents cam kết cải thiện đáng kể trải nghiệm người dùng của các sản phẩm tiền điện tử, trong khi công nghệ blockchain có thể nâng cao sự phi tập trung, minh bạch và an toàn hơn cho các hoạt động của AI Agent. Việc hỗ trợ cụ thể bao gồm:

• Bằng cách khuyến khích các nhà phát triển bằng mã thông báo để cung cấp nhiều đại lý hơn.
• Xác thực NFT để hỗ trợ hoạt động của đại lý dựa trên phí và giao dịch.
• Cung cấp cơ chế đăng ký và nhận diện đại lý trên chuỗi.
• Cung cấp nhật ký hoạt động của đại lý không thể thay đổi để theo dõi kịp thời và chịu trách nhiệm về hành động của họ.

Các dự án chính của đường đua này là như sau:

• Autonolas: Autonolas hỗ trợ quyền sở hữu tài sản và tính kết hợp cho các đại lý và các thành phần liên quan thông qua các giao thức trên chuỗi, cho phép các thành phần mã, đại lý và dịch vụ được khám phá và tái sử dụng trên chuỗi, đồng thời khuyến khích các nhà phát triển với bồi thường kinh tế. Các nhà phát triển đăng ký mã của mình trên chuỗi và nhận NFT đại diện cho quyền sở hữu mã sau khi phát triển các đại lý hoặc thành phần hoàn chỉnh. Chủ sở hữu dịch vụ cộng tác với nhiều đại lý để tạo ra một dịch vụ và đăng ký nó trên chuỗi, thu hút các nhà điều hành đại lý để thực thi dịch vụ, mà người dùng truy cập bằng cách thanh toán cho việc sử dụng của nó.
• Fetch.ai: Fetch.ai có một đội ngũ mạnh về nền tảng và kinh nghiệm phát triển trong lĩnh vực Trí tuệ Nhân tạo, hiện đang tập trung vào lĩnh vực đối tác Trí tuệ Nhân tạo. Giao thức bao gồm bốn lớp chính: AI agents, Agentverse, AI Engine và Fetch Network. AI agents hình thành lõi của hệ thống, trong khi những lớp khác cung cấp các khung và công cụ hỗ trợ xây dựng dịch vụ đối tác. Agentverse là một nền tảng phần mềm dưới dạng dịch vụ chủ yếu được sử dụng để tạo và đăng ký AI agents. AI Engine nhằm mục tiêu dịch các đầu vào ngôn ngữ tự nhiên của người dùng và chuyển chúng thành các nhiệm vụ có thể thực hiện, lựa chọn đối tác AI đã đăng ký phù hợp nhất từ Agentverse để thực hiện nhiệm vụ. Fetch Network là lớp blockchain của giao thức, nơi mà AI agents phải đăng ký trong hợp đồng Almanac trên chuỗi để hợp tác với các đối tác khác. Đáng chú ý rằng Autonolas hiện tập trung vào việc xây dựng các đối tác trong thế giới tiền điện tử và đưa các hoạt động đối tác ngoại tuyến lên blockchain, trong khi phạm vi của Fetch.ai bao gồm thế giới Web2, như đặt vé du lịch và dự báo thời tiết.
• Delysium: Delysium đã chuyển từ chơi game sang giao thức tác nhân AI, chủ yếu bao gồm hai lớp: lớp giao tiếp và lớp blockchain. Lớp giao tiếp đóng vai trò là xương sống của Delysium, cung cấp cơ sở hạ tầng an toàn và có thể mở rộng để giao tiếp hiệu quả giữa các tác nhân AI. Lớp blockchain xác minh danh tính đại lý và ghi lại hành vi của tác nhân bất biến thông qua các hợp đồng thông minh. Cụ thể, lớp giao tiếp thiết lập một giao thức truyền thông thống nhất giữa các tác nhân, tạo điều kiện giao tiếp liền mạch bằng cách sử dụng các hệ thống nhắn tin được tiêu chuẩn hóa. Ngoài ra, nó thiết lập các giao thức và API khám phá dịch vụ, cho phép người dùng và các tác nhân khác nhanh chóng khám phá và kết nối với các tác nhân có sẵn. Lớp blockchain bao gồm chủ yếu là hai phần: ID đại lý và hợp đồng thông minh Chronicle. ID đại lý đảm bảo rằng chỉ các tác nhân hợp pháp mới có thể truy cập mạng, trong khi Chronicle đóng vai trò là kho lưu trữ nhật ký bất biến cho tất cả các quyết định và hành động quan trọng của các đại lý, đảm bảo truy xuất nguồn gốc đáng tin cậy về hành vi của tác nhân.
• Altered State Machine: Altered State Machine thiết lập các tiêu chuẩn cho quyền sở hữu tài sản và giao dịch cho các đại lý thông qua NFT. Mặc dù ASM chủ yếu tích hợp với trò chơi hiện nay, các thông số cơ bản của nó cũng có tiềm năng mở rộng vào các lĩnh vực đại lý khác.
• Morpheous: Morpheous đang xây dựng một mạng lưới hệ sinh thái đại lý trí tuệ nhân tạo, nhằm kết nối các lập trình viên, nhà cung cấp máy tính, người xây dựng cộng đồng và nhà cung cấp vốn, người lần lượt cung cấp các đại lý trí tuệ nhân tạo, sức mạnh tính toán hỗ trợ hoạt động của đại lý, công cụ phát triển và phát triển trước và vốn. MOR sẽ áp dụng mô hình Fair Launch để khuyến khích các thợ mỏ cung cấp sức mạnh tính toán, người stETH stakers, người đóng góp vào phát triển đại lý hoặc hợp đồng thông minh và người đóng góp vào phát triển cộng đồng.

4.2 zkML/opML

Chứng minh không biết về không có hiện tại có hai hướng ứng dụng chính:

• Chứng minh tính toán chính xác với chi phí thấp trên chuỗi (cầu ZK-Rollup và cầu ZKP qua chuỗi đang tận dụng tính năng này của ZK);
• Bảo vệ quyền riêng tư: Không cần phải biết chi tiết về việc tính toán, nhưng có thể chứng minh rằng việc tính toán đã được thực hiện đúng.

Tương tự, việc áp dụng ZKP trong học máy cũng có thể được chia thành hai loại:

• Xác minh suy luận: Đó là, thông qua chứng minh ZK, chứng minh trên chuỗi với chi phí thấp rằng quá trình tính toán dày đặc của mô hình AI suy luận được thực thi đúng ở ngoại chuỗi.
• Bảo vệ quyền riêng tư: Có thể chia thành hai loại. Một loại là bảo vệ quyền riêng tư dữ liệu, liên quan đến việc sử dụng dữ liệu riêng tư để suy luận trên các mô hình công cộng, điều này có thể được thực hiện bằng cách sử dụng ZKML để bảo vệ quyền riêng tư của dữ liệu. Loại còn lại là bảo vệ quyền riêng tư của mô hình, nhằm che giấu thông tin cụ thể như trọng số mô hình, và tính toán và rút ra kết quả đầu ra từ các đầu vào công cộng.

Tác giả tin rằng hiện tại, khía cạnh quan trọng nhất đối với tiền điện tử là xác minh suy luận và ở đây chúng tôi giải thích thêm về các kịch bản để xác minh suy luận. Bắt đầu từ AI với tư cách là người tham gia đến AI như các quy tắc của thế giới, chúng tôi hy vọng sẽ tích hợp AI vào các quy trình trên chuỗi. Tuy nhiên, chi phí tính toán cao của suy luận mô hình AI ngăn cản việc thực thi trực tiếp trên chuỗi. Di chuyển quá trình này ra khỏi chuỗi có nghĩa là chúng ta phải chịu đựng các vấn đề tin cậy do hộp đen này mang lại — nhà điều hành mô hình AI có giả mạo đầu vào của tôi không? Họ có sử dụng mô hình tôi đã chỉ định để suy luận không? Bằng cách chuyển đổi các mô hình ML thành mạch ZK, chúng ta có thể đạt được: (1) Lưu trữ trên chuỗi các mô hình nhỏ hơn, lưu trữ các mô hình zkML nhỏ trong các hợp đồng thông minh trực tiếp giải quyết vấn đề độ mờ; (2) Hoàn thành suy luận ngoài chuỗi trong khi tạo bằng chứng ZK, sử dụng thực thi trên chuỗi các bằng chứng ZK để xác minh tính đúng đắn của quá trình suy luận. Cơ sở hạ tầng sẽ bao gồm hai hợp đồng — hợp đồng chính (sử dụng mô hình ML để xuất kết quả) và hợp đồng xác minh ZK-Proof.

zkML vẫn ở giai đoạn rất sớm của nó và đối mặt với các thách thức kỹ thuật trong việc chuyển đổi các mô hình ML thành mạch ZK, cũng như chi phí tính toán và mật mã cao. Tương tự như con đường phát triển của Rollup, opML phục vụ như một giải pháp khác từ quan điểm kinh tế. opML sử dụng giả định AnyTrust của Arbitrum, có nghĩa là mỗi yêu cầu có ít nhất một nút trung thực, đảm bảo rằng người gửi hoặc ít nhất một người xác minh là trung thực. Tuy nhiên, OPML chỉ có thể phục vụ như một phương án thay thế cho xác minh suy luận và không thể đạt được bảo vệ quyền riêng tư.

Các dự án hiện tại đều đang xây dựng cơ sở hạ tầng cho zkML và khám phá các ứng dụng của nó. Việc thiết lập các ứng dụng cũng quan trọng vì cần phải chứng minh rõ ràng với người dùng tiền điện tử vai trò quan trọng của zkML và chứng minh rằng giá trị cuối cùng có thể vượt qua chi phí khổng lồ. Trong các dự án này, một số tập trung vào phát triển công nghệ ZK liên quan đến học máy (như Modulus Labs), trong khi những dự án khác tập trung vào xây dựng cơ sở hạ tầng ZK tổng quát hơn. Các dự án liên quan bao gồm:

• Modulus đang sử dụng zkML để áp dụng trí tuệ nhân tạo vào quá trình suy luận trên chuỗi. Vào ngày 27 tháng 2, Modulus đã ra mắt zkML prover Remainder, đạt được cải tiến hiệu suất lên đến 180 lần so với việc suy luận truyền thống trên phần cứng tương đương. Ngoài ra, Modulus đang hợp tác với nhiều dự án khác nhau để khám phá các trường hợp sử dụng thực tế của zkML. Ví dụ, họ đang hợp tác với Upshot để thu thập dữ liệu thị trường phức tạp, đánh giá giá NFT bằng trí tuệ nhân tạo với ZK proofs, và truyền giá lên chuỗi khối. Họ cũng đang hợp tác với AI Arena để chứng minh rằng Avatar trong chiến đấu và người chơi được huấn luyện là cùng một thực thể.
• Risc Zero đặt các mô hình trên chuỗi, và bằng cách chạy các mô hình học máy trong ZKVM của RISC Zero, họ có thể chứng minh rằng các tính toán chính xác liên quan đến mô hình được thực hiện đúng cách.
• Ingonyama đang phát triển phần cứng chuyên dụng cho công nghệ ZK, có thể giảm ngưỡng cửa cho lĩnh vực công nghệ ZK. zkML cũng có thể được sử dụng trong quá trình huấn luyện mô hình.

5 AI Như Một Mục Tiêu

Nếu ba danh mục trước tập trung nhiều hơn vào cách AI trao quyền cho Tiền điện tử, thì “AI như một mục tiêu” nhấn mạnh sự hỗ trợ của Tiền điện tử đối với AI, cụ thể là làm thế nào để sử dụng Tiền điện tử để tạo ra các mô hình và sản phẩm AI tốt hơn. Điều này có thể bao gồm nhiều tiêu chí đánh giá như hiệu quả cao hơn, độ chính xác và phân quyền. AI bao gồm ba yếu tố cốt lõi: dữ liệu, sức mạnh tính toán và thuật toán, và ở mỗi chiều này, Tiền điện tử đang cố gắng cung cấp hỗ trợ hiệu quả hơn cho AI:

• Dữ liệu: Dữ liệu đóng vai trò như nền tảng cho việc huấn luyện mô hình, và giao thức dữ liệu phi tập trung khuyến khích cá nhân hoặc doanh nghiệp cung cấp thêm dữ liệu riêng tư hơn trong khi sử dụng mật mã để bảo vệ quyền riêng tư của dữ liệu và ngăn chặn rò rỉ thông tin cá nhân nhạy cảm.
• Sức mạnh tính toán: Theo dõi sức mạnh tính toán phi tập trung hiện đang là theo dõi trí tuệ nhân tạo nóng nhất hiện nay. Giao thức giúp việc phối hợp nguồn cung và cầu trên thị trường, thúc đẩy việc kết hợp sức mạnh tính toán dài đuôi với các doanh nghiệp trí tuệ nhân tạo để huấn luyện và suy luận mô hình.
• Thuật toán: Sức mạnh của tiền điện tử đối với thuật toán là khía cạnh quan trọng nhất để đạt được trí tuệ nhân tạo phân quyền, như mô tả trong bài viết “AI như là Mục tiêu” của Vitalik Buterin. Bằng cách tạo ra trí tuệ nhân tạo phân quyền và đáng tin cậy dưới dạng hộp đen, các vấn đề như học máy đối địch có thể được giải quyết. Tuy nhiên, phương pháp này có thể đối mặt với các trở ngại đáng kể như chi phí mật mã cao. Ngoài ra, “sử dụng động lực mật mã để khuyến khích việc tạo ra trí tuệ nhân tạo tốt hơn” có thể đạt được mà không cần hoàn toàn lạc vào hang ổ của mật mã.

Việc tập trung dữ liệu và sức mạnh tính toán bởi các công ty công nghệ lớn đã dẫn đến sự độc quyền trong quá trình huấn luyện mô hình, nơi mô hình nguồn mở trở thành động lực lớn cho lợi nhuận của các tập đoàn này. Từ góc độ cơ sở hạ tầng, Tiền điện tử khuyến khích nguồn cung dữ liệu và sức mạnh tính toán phi tập trung thông qua các phương tiện kinh tế. Ngoài ra, nó đảm bảo quyền riêng tư dữ liệu trong quá trình thông qua các phương pháp mật mã. Điều này làm nền tảng để tạo điều kiện cho việc huấn luyện mô hình phi tập trung, nhằm mục tiêu đạt được một hệ sinh thái Trí tuệ Nhân tạo minh bạch và phi tập trung hơn.

5.1 Giao thức Dữ liệu Phi tập trung

Các giao thức dữ liệu phi tập trung chủ yếu hoạt động thông qua huy động dữ liệu từ cộng đồng, khuyến khích người dùng cung cấp bộ dữ liệu hoặc dịch vụ dữ liệu (như gán nhãn dữ liệu) cho doanh nghiệp sử dụng trong việc huấn luyện mô hình. Họ cũng thiết lập Các Sàn Giao Dịch Dữ Liệu để tạo điều kiện cho việc phù hợp giữa cung và cầu. Một số giao thức cũng đang tìm hiểu cách khuyến khích người dùng thông qua các giao thức DePIN để thu thập dữ liệu duyệt web hoặc sử dụng dữ liệu duyệt/web scraping trên thiết bị/băng thông của người dùng.

• Ocean Protocol: Tokenizes data ownership and allows users to create NFTs for data/algorithms in a codeless manner on Ocean Protocol, simultaneously creating corresponding datatokens to control access to the data NFTs. Ocean Protocol ensures data privacy through Compute To Data (C2D), where users can only obtain output results based on data/algorithms, without complete downloads. Established in 2017 as a data marketplace, Ocean Protocol naturally jumped on the AI bandwagon in this current trend.
• Synesis One: Dự án này là nền tảng Train2Earn trên Solana, nơi người dùng kiếm được phần thưởng $SNS bằng cách cung cấp dữ liệu ngôn ngữ tự nhiên và gán nhãn dữ liệu. Người dùng hỗ trợ đào bằng cách cung cấp dữ liệu, sau đó dữ liệu được lưu trữ và đặt trên chuỗi sau khi xác minh, sau đó được các công ty AI sử dụng cho việc đào tạo và suy luận. Các thợ mỏ được chia thành ba loại: Kiến trúc sư/Xây dựng/ Xác thực. Kiến trúc sư tạo các nhiệm vụ dữ liệu mới, Xây dựng cung cấp dữ liệu văn bản cho các nhiệm vụ cụ thể, và Xác thực xác minh các bộ dữ liệu được cung cấp bởi Xây dựng. Các bộ dữ liệu đã hoàn thành được lưu trữ trên IPFS và nguồn gốc của chúng, cùng với địa chỉ IPFS, được lưu trữ trong cơ sở dữ liệu ngoại tuyến cho các công ty AI (hiện tại là Mind AI) sử dụng.

Grass: Lớp dữ liệu phi tập trung, được gọi là trí tuệ nhân tạo, về cơ bản hoạt động như một thị trường cào dữ liệu phi tập trung, thu thập dữ liệu cho mục đích huấn luyện mô hình trí tuệ nhân tạo. Các trang web internet đóng vai trò quan trọng làm nguồn dữ liệu huấn luyện cho trí tuệ nhân tạo, với nhiều trang như Twitter, Google và Reddit mang giá trị quan trọng. Tuy nhiên, những trang web này liên tục áp đặt hạn chế về cào dữ liệu. Grass tận dụng băng thông không sử dụng trong các mạng cá nhân để giảm thiểu tác động của việc chặn dữ liệu bằng cách sử dụng các địa chỉ IP khác nhau để cào dữ liệu từ các trang web công cộng. Nó thực hiện quá trình làm sạch dữ liệu ban đầu và làm nguồn dữ liệu cho các nỗ lực huấn luyện mô hình trí tuệ nhân tạo. Hiện đang trong giai đoạn thử nghiệm beta, Grass cho phép người dùng kiếm điểm bằng cách cung cấp băng thông, có thể đổi điểm để nhận airdrops tiềm năng.

Giao thức AIT: Giao thức AIT là một giao thức gán nhãn dữ liệu phi tập trung được thiết kế để cung cấp cho các nhà phát triển các bộ dữ liệu chất lượng cao cho việc huấn luyện mô hình. Web3 cho phép lực lượng lao động toàn cầu truy cập mạng và kiếm phần thưởng thông qua việc gán nhãn dữ liệu. Các nhà khoa học dữ liệu của AIT tiền gán nhãn dữ liệu, sau đó được xử lý tiếp bởi người dùng. Sau khi được kiểm tra chất lượng bởi các nhà khoa học dữ liệu, dữ liệu đã được xác minh được cung cấp cho các nhà phát triển sử dụng.

Ngoài các giao thức cung cấp dữ liệu và gán nhãn dữ liệu đã đề cập ở trên, cơ sở hạ tầng lưu trữ phi tập trung trước đây như Filecoin, Arweave và các hệ thống khác cũng sẽ đóng góp vào việc cung cấp dữ liệu phi tập trung hơn.

5.2 Sức mạnh tính toán phi tập trung

Trong thời đại của trí tuệ nhân tạo, tầm quan trọng của sức mạnh tính toán là rõ ràng. Không chỉ có giá cổ phiếu của NVIDIA tăng vọt, mà trên thế giới tiền điện tử, sức mạnh tính toán phi tập trung có thể nói là hướng đi nóng nhất trong lĩnh vực trí tuệ nhân tạo - ra khỏi 200 dự án trí tuệ nhân tạo hàng đầu theo vốn hóa thị trường, 5 dự án (Render/Akash/AIOZ Network/Golem/Nosana) tập trung vào sức mạnh tính toán phi tập trung và đã trải qua sự tăng trưởng đáng kể trong vài tháng qua. Nhiều dự án trong phạm vi vốn hóa thấp cũng đã chứng kiến sự xuất hiện của các nền tảng sức mạnh tính toán phi tập trung. Mặc dù họ chỉ mới bắt đầu, nhưng họ nhanh chóng tạo đà, đặc biệt là với làn sóng nhiệt huyết từ hội nghị NVIDIA.

Từ các đặc điểm của lĩnh vực, logic cơ bản của các dự án trong hướng này rất đồng nhất - sử dụng khuyến khích token để khuyến khích cá nhân hoặc doanh nghiệp có tài nguyên máy tính không hoạt động cung cấp tài nguyên, từ đó giảm chi phí sử dụng đáng kể và xây dựng một thị trường cung cầu cho năng lực tính toán. Hiện nay, các nguồn chính của năng lực tính toán đến từ trung tâm dữ liệu, nhà khai thác (đặc biệt sau khi Ethereum chuyển sang PoS), năng lực tính toán cấp người tiêu dùng và hợp tác với các dự án khác. Mặc dù đồng nhất, đây là một lĩnh vực mà các dự án hàng đầu có hàng rào cao. Các lợi thế cạnh tranh chính của các dự án đến từ: tài nguyên năng lực tính toán, giá thuê năng lực tính toán, tỷ lệ sử dụng năng lực tính toán và các lợi thế kỹ thuật khác. Các dự án hàng đầu trong lĩnh vực này bao gồm Akash, Render, io.net và Gensyn.

Theo hướng kinh doanh cụ thể, dự án có thể được chia thành hai loại chính: suy luận mô hình trí tuệ nhân tạo và huấn luyện mô hình trí tuệ nhân tạo. Vì yêu cầu về công suất tính toán và băng thông cho việc huấn luyện mô hình trí tuệ cao hơn nhiều so với suy luận, và thị trường cho suy luận mô hình đang mở rộ nhanh chóng, thu nhập dự đoán sẽ đáng kể cao hơn so với việc huấn luyện mô hình trong tương lai. Do đó, hiện nay, đa số dự án tập trung vào hướng suy luận (Akash, Render, io.net) với Gensyn tập trung vào đào tạo. Trong số đó, Akash và Render ban đầu không phải được phát triển cho tính toán trí tuệ nhân tạo. Akash ban đầu được sử dụng cho tính toán tổng quát, trong khi Render chủ yếu được sử dụng cho việc kết xuất video và hình ảnh. io.net được thiết kế đặc biệt cho tính toán trí tuệ nhân tạo, nhưng sau khi trí tuệ nhân tạo tăng cường mức độ yêu cầu về tính toán, những dự án này đều có xu hướng phát triển theo hướng trí tuệ nhân tạo.

Hai chỉ số cạnh tranh quan trọng nhất vẫn đến từ phía cung ứng (tài nguyên công nghệ tính toán) và phía cầu (sử dụng công nghệ tính toán). Akash có 282 GPU và hơn 20,000 CPU, với hơn 160,000 hợp đồng đã hoàn thành, và tỉ lệ sử dụng mạng GPU đạt 50-70%, đây là con số tốt trong lĩnh vực này. io.net có 40,272 GPU và 5,958 CPU, cùng với 4,318 GPU của Render và 159 CPU, và giấy phép sử dụng 1,024 GPU của Filecoin, bao gồm khoảng 200 H100 và hàng ngàn A100. io.net đang thu hút tài nguyên công nghệ tính toán với kỳ vọng airdrop cực kỳ cao, và dữ liệu GPU đang tăng nhanh, đòi hỏi một đánh giá lại khả năng thu hút tài nguyên sau khi token được niêm yết. Render và Gensyn chưa tiết lộ dữ liệu cụ thể. Ngoài ra, nhiều dự án đang tăng cường tính cạnh tranh của mình ở cả hai phía cung ứng và cầu thông qua hợp tác hệ sinh thái. Ví dụ, io.net sử dụng công nghệ tính toán của Render và Filecoin để tăng cường dự trữ tài nguyên của riêng mình, và Render đã thành lập Chương trình Khách hàng Tính toán (RNP-004), cho phép người dùng truy cập gián tiếp vào tài nguyên công nghệ tính toán của Render thông qua các khách hàng tính toán như io.net, Nosana, FedMl, và Beam, do đó nhanh chóng chuyển từ lĩnh vực rendering sang tính toán trí tuệ nhân tạo.

Ngoài ra, việc xác minh điện toán phi tập trung vẫn là một thách thức - làm thế nào để chứng minh rằng các công nhân có tài nguyên tính toán thực hiện chính xác các tác vụ tính toán. Gensyn đang cố gắng thiết lập một lớp xác minh như vậy, đảm bảo tính chính xác của các tính toán thông qua các bằng chứng học tập xác suất, các giao thức định vị chính xác dựa trên đồ thị và các ưu đãi. Người xác thực và phóng viên cùng kiểm tra các tính toán trong Gensyn, vì vậy bên cạnh việc cung cấp hỗ trợ tính toán cho đào tạo phi tập trung, cơ chế xác minh được thiết lập của nó cũng có giá trị duy nhất. Giao thức tính toán Fluence, nằm trên Solana, cũng tăng cường xác nhận các tác vụ tính toán. Các nhà phát triển có thể xác minh xem các ứng dụng của họ có chạy như mong đợi hay không và liệu các tính toán có được thực hiện chính xác hay không bằng cách kiểm tra các bằng chứng được cung cấp bởi các nhà cung cấp trên chuỗi. Tuy nhiên, nhu cầu thực tế vẫn ưu tiên tính khả thi hơn độ tin cậy. Các nền tảng điện toán trước tiên phải có đủ sức mạnh tính toán để cạnh tranh. Tất nhiên, đối với các giao thức xác minh tuyệt vời, có tùy chọn truy cập tài nguyên tính toán từ các nền tảng khác, đóng vai trò là lớp xác thực và giao thức để đóng một vai trò duy nhất.

5.3 Mô hình phi tập trung

Kịch bản cuối cùng mô tả bởi Vitalik, như được miêu tả trong sơ đồ dưới đây, vẫn rất xa xôi. Hiện tại, chúng ta không thể đạt được một trí tuệ nhân tạo hộp đen tin cậy được tạo ra thông qua công nghệ blockchain và mã hóa để giải quyết học máy chống phái. Việc mã hóa toàn bộ quá trình trí tuệ nhân tạo từ dữ liệu huấn luyện đến kết quả truy vấn mang lại chi phí đáng kể. Tuy nhiên, hiện có các dự án đang cố gắng khuyến khích việc tạo ra các mô hình trí tuệ nhân tạo tốt hơn. Họ đầu tiên kết nối các trạng thái đóng cửa giữa các mô hình khác nhau, tạo ra một cảnh quan mô hình có thể học từ nhau, hợp tác và tham gia vào cuộc cạnh tranh lành mạnh. Bittensor là một trong những dự án đại diện nhất trong lĩnh vực này.

Bittensor: Bittensor đang hỗ trợ việc tích hợp các mô hình AI khác nhau, nhưng quan trọng phải nhấn mạnh rằng Bittensor chính nó không tham gia vào việc huấn luyện mô hình; thay vào đó, nó chủ yếu cung cấp dịch vụ suy luận AI. 32 mạng phụ của nó tập trung vào các hướng dịch vụ khác nhau, chẳng hạn như truy xuất dữ liệu, tạo văn bản, Text2Image, v.v. Khi hoàn thành một nhiệm vụ, các mô hình AI thuộc các hướng khác nhau có thể hợp tác với nhau. Cơ chế khuyến khích thúc đẩy sự cạnh tranh giữa các mạng phụ và bên trong mạng phụ. Hiện tại, phần thưởng được phân phối với tỷ lệ 1 TAO mỗi khối, tổng cộng khoảng 7200 token TAO mỗi ngày. 64 nhà xác thực trong SN0 (Mạng Gốc) xác định tỷ lệ phân phốicác phần thưởng này giữa các mạng con khác nhau dựa trên hiệu suất của mạng con. Người xác minh mạng con, åa åi, xác định tỷ lệ phân phối giữa các thợ mỏ khác nhau dựa trên đánh giá công việc của họ. Kết quả là các dịch vụ và mô hình hoạt động tốt hơn sẽ nhận được nhiều động lực hơn, thúc đẩy sự cải thiện tổng thể trong chất lượng của suy luận hệ thống.

6 Kết luận: MEME chỉ là một trào lưu hay một Cuộc cách mạng Công nghệ?

Từ những bước đi của Sam Altman thúc đẩy giá cổ phiếu ARKM và WLD tăng vọt đến hội nghị của Nvidia thúc đẩy một loạt các dự án tham gia, nhiều người đang điều chỉnh ý tưởng đầu tư của họ trong lĩnh vực trí tuệ nhân tạo. Liệu lĩnh vực trí tuệ nhân tạo chủ yếu được thúc đẩy bởi sự đầu cơ theo trào lưu hay là cách mạng công nghệ?

Ngoài một số chủ đề nổi tiếng (như ARKM và WLD), lĩnh vực trí tuệ nhân tạo trong tiền điện tử dường như giống như một “meme được thúc đẩy bởi câu chuyện công nghệ.”

Một mặt, sự đầu cơ tổng thể trong lĩnh vực Tiền điện tử AI không thể phủ nhận mối liên kết chặt chẽ với sự tiến triển của Web2 AI. Sự thổi phồng bên ngoài được dẫn dắt bởi các thực thể như OpenAI sẽ phục vụ như một tác nhân xúc tác cho lĩnh vực Tiền điện tử AI. Mặt khác, câu chuyện về lĩnh vực AI vẫn xoay quanh các câu chuyện về công nghệ. Tuy nhiên, quan trọng là nhấn mạnh vào “câu chuyện về công nghệ” chứ không chỉ là công nghệ chính nó. Điều này nhấn mạnh sự quan trọng của việc chọn hướng cụ thể trong lĩnh vực AI và chú ý đến các nguyên tắc dự án. Việc tìm hướng câu chuyện có giá trị đầu cơ cũng như các dự án có sự cạnh tranh và lợi thế dài hạn là cần thiết.

Nhìn vào bốn sự kết hợp tiềm năng được đề xuất bởi Vitalik, chúng ta thấy có sự cân đối giữa sức hấp dẫn của câu chuyện và khả thi. Trong hai hạng mục đầu tiên và thứ hai, được đại diện bởi các ứng dụng AI, chúng ta quan sát được nhiều GPT wrappers. Trong khi những sản phẩm này được triển khai nhanh chóng, chúng cũng thể hiện một mức độ đồng nhất cao về mặt kinh doanh. Ưu thế người đi trước, hệ sinh thái, cơ sở người dùng và doanh thu trở thành câu chuyện được kể trong bối cảnh cạnh tranh đồng nhất. Hai hạng mục thứ ba và thứ tư đại diện cho các câu chuyện lớn kết hợp AI với tiền điện tử, chẳng hạn như mạng lưới hợp tác trên-chain của Agent, zkML, và việc tái hình thành AI phi tập trung. Những cái này vẫn còn ở giai đoạn sớm, và các dự án có sáng tạo công nghệ sẽ nhanh chóng thu hút vốn, ngay cả khi chúng chỉ ở giai đoạn đầu tiên của triển khai.

Tuyên bố:

1. Bài viết này được sao chép từ [GateMetrics Ventures].Chuyển tiếp Tiêu đề Gốc'Thông tin về Metrics Ventures | Từ bài viết của V thần, Gate×AI có những lĩnh vực con đáng chú ý nào?'.Mọi bản quyền thuộc về tác giả gốc [ @charlotte0211z，@BlazingKevin_，Metrics Ventures]. Nếu có bất kỳ ý kiến phản đối nào về việc tái in này, vui lòng liên hệ với Gate Họcđội ngũ và họ sẽ xử lý nhanh chóng.
2. Miễn Trừ Trách Nhiệm: Các quan điểm và ý kiến được thể hiện trong bài viết này chỉ thuộc về tác giả và không có bất kỳ lời khuyên đầu tư nào.
3. Bản dịch của bài viết sang các ngôn ngữ khác được thực hiện bởi nhóm Gate Learn. Trừ khi được đề cập, việc sao chép, phân phối hoặc đạo văn bản dịch là không được phép.