• Sự giao điểm giữa trí tuệ nhân tạo (AI) và tiền điện tử rộng lớn nhưng thường không được hiểu rõ. Chúng tôi tin rằng các phần khác nhau của sự giao điểm này có cơ hội và lộ trình phát triển riêng biệt.
• Chúng tôi nói chung tin rằng đối với các sản phẩm AI, việc phân quyền một mình không đủ để mang lại lợi thế cạnh tranh - nó cũng phải đạt đến sự tương đương chức năng với các sản phẩm tập trung ở một số lĩnh vực chính khác nhau.
• Quan điểm đối ngược của chúng tôi là do sự chú ý rộng rãi đối với ngành công nghiệp Trí tuệ Nhân tạo, tiềm năng giá trị của nhiều token Trí tuệ Nhân tạo có thể được phóng đại, và nhiều token Trí tuệ Nhân tạo có thể thiếu các yếu tố động lực từ phía người tiêu dùng bền vững trong ngắn hạn và trung hạn.

Trong những năm gần đây, những bước tiến tiếp tục trong trí tuệ nhân tạo, đặc biệt là trong lĩnh vực trí tuệ nhân tạo sinh học, đã thu hút sự chú ý lớn đến ngành công nghiệp trí tuệ nhân tạo và tạo cơ hội cho các dự án tiền điện tử đặt tại điểm giao cắt của hai lĩnh vực. Chúng tôi trước đây đã đề cập đến một số khả năng cho ngành này trong một báo cáo sớm vào tháng 6 năm 2023, lưu ý rằng tổng mức phân bổ vốn cho tiền điện tử dường như đang đầu tư ít vào trí tuệ nhân tạo. Lĩnh vực tiền điện tử trí tuệ nhân tạo đã phát triển mạnh mẽ kể từ đó, và chúng tôi cảm thấy quan trọng để chỉ ra một số thách thức thực tế có thể làm trì hoãn sự thông dụng rộng rãi của nó.

Sự thay đổi nhanh chóng trong lĩnh vực Trí tuệ Nhân tạo khiến chúng tôi cảnh giác với những tuyên bố táo bạo rằng các nền tảng tập trung vào tiền điện tử có vị thế duy nhất để gây chấn động trong ngành công nghiệp; điều này khiến chúng tôi tin rằng hầu hết các token Trí tuệ Nhân tạo có một con đường tăng giá giá trị dài hạn và bền vững. Con đường đầy bất định, đặc biệt đối với các dự án có mô hình kinh tế token cố định. Thay vào đó, chúng tôi tin rằng một số xu hướng mới nổi trong lĩnh vực Trí tuệ Nhân tạo thực sự có thể làm cho các đổi mới dựa trên tiền điện tử khó khăn hơn để áp dụng, do sự cạnh tranh và quy định rộng lớn hơn trên thị trường.

Tuy nói vậy, chúng tôi tin rằng điểm giao giữa trí tuệ nhân tạo và tiền điện tử rất rộng lớn và có nhiều cơ hội đa dạng, với việc áp dụng có thể nhanh chóng hơn trong các phân đoạn cụ thể, mặc dù thiếu sự hiện diện của các token đã được quảng bá trước đó trong nhiều lĩnh vực này. Tuy nhiên, điều đó không dường như làm giảm sự quan tâm của nhà đầu tư. Chúng tôi nhận thấy rằng hiệu suất của các token tiền điện tử liên quan đến trí tuệ nhân tạo được ủng hộ bởi các tiêu đề thị trường trí tuệ nhân tạo và có thể có hành động giá tích cực ngay cả trong những ngày Bitcoin đang giao dịch ở mức giá thấp hơn. Do đó, chúng tôi tin rằng nhiều token liên quan đến trí tuệ nhân tạo có thể tiếp tục giao dịch như biểu tượng của sự tiến bộ trong lĩnh vực trí tuệ nhân tạo.

Các Xu hướng Chính trong Trí tuệ Nhân tạo

Một trong những xu hướng quan trọng nhất trong lĩnh vực trí tuệ nhân tạo (liên quan đến sản phẩm tiền điện tử - AI) là văn hóa liên quan đến các mô hình mã nguồn mở liên tục. Hơn 530.000 mô hình được tiết lộ trên Hugging Face cho các nhà nghiên cứu và người dùng điều chỉnh và điều chỉnh. Vai trò của Hugging Face trong việc hợp tác AI không khác gì việc phụ thuộc vào GitHub để lưu trữ mã hoặc Discord để quản lý cộng đồng (cả hai đều được sử dụng rộng rãi trong không gian tiền điện tử). Nếu không có sự quản lý nghiêm túc, tình hình này không có khả năng thay đổi trong tương lai gần.

Các mô hình có sẵn trên Hugging Face bao gồm các mô hình ngôn ngữ lớn (LLMs), các mô hình tạo hình ảnh và video sáng tạo, và bao gồm các tác phẩm từ các nhà sản xuất lớn như Open AI, Meta và Google, cũng như các nhà phát triển độc lập. Một số mô hình ngôn ngữ nguồn mở thậm chí có những ưu điểm về hiệu suất so với các mô hình nguồn đóng hàng đầu (đồng thời duy trì chất lượng đầu ra tương đối), đảm bảo sự cạnh tranh giữa các mô hình nguồn mở và thương mại (xem Hình 1). Quan trọng hơn, chúng tôi tin rằng hệ sinh thái nguồn mở sôi động kết hợp với một ngành thương mại cạnh tranh mạnh đã tạo điều kiện cho một ngành công nghiệp nơi mô hình kém chất lượng bị loại khỏi cuộc cạnh tranh.

Xu hướng thứ hai là sự tăng cường về chất lượng và hiệu quả chi phí của các mô hình nhỏ hơn (được nêu bật trong nghiên cứu của LLM vào năm 2020 và trong một bài báo gần đây từ Microsoft), điều này cũng trùng khớp với văn hóa mã nguồn mở để tăng cường hiệu suất cao, chạy cục bộ các mô hình AI. Một số mô hình mã nguồn mở được điều chỉnh có thể thậm chí vượt trội so với các mô hình mã nguồn đóng hàng đầu trên một số tiêu chí đánh giá cụ thể. Trong một thế giới như vậy, một số mô hình AI có thể chạy cục bộ, tối đa hóa sự phi tập trung. Tất nhiên, các công ty công nghệ hiện tại sẽ tiếp tục huấn luyện và chạy các mô hình lớn trên đám mây, nhưng không gian thiết kế giữa hai loại sẽ đòi hỏi sự cân nhắc.

Ngoài ra, với sự phức tạp ngày càng tăng của công việc so sánh các mô hình AI (bao gồm ô nhiễm dữ liệu và phạm vi kiểm tra biến đổi), việc tạo ra đầu ra mô hình có thể cuối cùng được đánh giá tốt nhất bởi người dùng cuối trong một thị trường tự do. Thực tế, người dùng cuối có thể sử dụng các công cụ hiện có để so sánh đầu ra mô hình cùng một lúc với các công ty tham chiếu thực hiện các hoạt động tương tự. Một ý tưởng sơ bộ về độ khó của các tiêu chí AI tạo ra có thể được đạt được từ sự đa dạng ngày càng tăng của các tiêu chí LLM mở, bao gồm MMLU, HellaSwag, TriviaQA, BoolQ, v.v., mỗi tiêu chí kiểm tra các trường hợp sử dụng khác nhau như lập luận lẽ thường, chủ đề học thuật và các định dạng câu hỏi khác nhau.

Xu hướng thứ ba chúng tôi quan sát trong lĩnh vực AI là các nền tảng hiện có với sự kết nối mạnh mẽ của người dùng hoặc giải quyết các vấn đề kinh doanh cụ thể có thể hưởu lợi không cân xứng từ việc tích hợp AI. Ví dụ, việc tích hợp của GitHub Copilot với các trình soạn thảo mã tăng cường môi trường phát triển mạnh mẽ hiện có. Việc nhúng giao diện AI vào các công cụ khác, từ các ứng dụng email đến bảng tính và phần mềm quản lý mối quan hệ khách hàng, cũng là các trường hợp sử dụng tự nhiên cho AI (ví dụ, trợ lý AI của Klarna thực hiện công việc của 700 nhân viên dịch vụ khách hàng toàn thời gian).

Tuy nhiên, đáng lưu ý rằng trong nhiều trường hợp như vậy, các mô hình AI sẽ không dẫn đến các nền tảng mới, mà chỉ nâng cao các nền tảng hiện có. Các mô hình AI khác cải thiện các quy trình kinh doanh truyền thống bên trong (ví dụ, hệ thống Lattice của Meta, đã giúp phục hồi hiệu suất quảng cáo của Apple về mức cũ sau khi ra mắt Ứng dụng Theo dõi Truyền thông) cũng thường phụ thuộc vào dữ liệu độc quyền và hệ thống đóng. Các loại mô hình AI này có khả năng vẫn sẽ là nguồn mở đóng vì chúng tích hợp theo chiều dọc vào sản phẩm cốt lõi và sử dụng dữ liệu độc quyền.

Trong thế giới của phần cứng và tính toán AI, chúng ta thấy hai xu hướng liên quan khác. Điều đầu tiên là sự dịch chuyển trong việc sử dụng tính toán từ việc đào tạo sang suy luận. Đó là khi các mô hình trí tuệ nhân tạo được phát triển ban đầu, lượng lớn tài nguyên tính toán được sử dụng để "đào tạo" mô hình bằng cách cung cấp cho nó các bộ dữ liệu lớn. Bây giờ chúng ta đã chuyển sang triển khai và truy vấn mô hình.

Cuộc gọi kiếm lời của NVIDIA vào tháng 2 năm 2024 cho thấy khoảng 40% doanh nghiệp của họ được sử dụng cho suy luận. Satya Nadella đã đưa ra nhận định tương tự tại cuộc gọi kiếm lời của Microsoft vào tháng trước tháng 1, chỉ ra rằng “hầu hết” việc sử dụng trí tuệ AI của Azure của họ là để suy luận. Khi xu hướng này tiếp tục, chúng tôi tin rằng các đơn vị muốn tiền hóa các mô hình sẽ ưu tiên các nền tảng có thể chạy mô hình một cách đáng tin cậy và sẵn sàng cho sản xuất một cách an toàn.

Trào lưu lớn thứ hai là cảnh cạnh tranh xung quanh kiến trúc phần cứng. Bộ xử lý H200 của Nvidia sẽ có sẵn bắt đầu từ quý 2 năm 2024, với dự kiến B100 thế hệ tiếp theo sẽ tăng gấp đôi hiệu suất. Ngoài ra, việc Google tiếp tục hỗ trợ cho Đơn vị Xử lý Tensor (TPU) của riêng mình và Đơn vị Xử lý Ngôn ngữ (LPU) mới hơn của Groq cũng có thể tăng thị phần của mình như các lựa chọn thay thế trong lĩnh vực này trong những năm tới (xem Hình 2). Những phát triển như vậy có thể thay đổi động lực chi phí trong ngành công nghiệp trí tuệ nhân tạo và có thể mang lại lợi ích cho các nhà cung cấp dịch vụ đám mây, giúp họ nhanh chóng chuyển đổi, mua sắm số lượng lớn phần cứng và cấu hình bất kỳ yêu cầu mạng vật lý liên quan và công cụ phát triển.

Nhìn chung, lĩnh vực trí tuệ nhân tạo là một lĩnh vực mới nổi và phát triển nhanh chóng. Chưa đầy 1,5 năm sau khi ChatGPT lần đầu tiên được phát hành ra thị trường vào tháng 11/2022 (mặc dù mô hình GPT 3 cơ bản của nó đã xuất hiện từ tháng 6/2020), sự tăng trưởng nhanh chóng trong không gian kể từ đó thật đáng kinh ngạc. Mặc dù có một số hành vi đáng ngờ liên quan đến những thành kiến đằng sau một số mô hình AI tạo ra, chúng ta có thể thấy các mô hình hoạt động kém hơn bị thị trường loại bỏ dần để ủng hộ các lựa chọn thay thế tốt hơn. Sự tăng trưởng nhanh chóng của ngành và tiềm năng cho các quy định sắp tới có nghĩa là các vấn đề của ngành đang thay đổi thường xuyên khi các giải pháp mới có sẵn.

Đối với một lĩnh vực đang đổi mới nhanh chóng như vậy, việc thường xuyên nhấn mạnh 'giải pháp phi tập trung [XXX]' như một kết luận sớm là quá sớm. Nó cũng giải quyết một vấn đề tập trung một cách trước lúc mà có thể không cần thiết. Sự thật là ngành công nghiệp trí tuệ nhân tạo đã đạt được một mức độ phân quyền lớn qua cạnh tranh giữa nhiều công ty khác nhau và các dự án mã nguồn mở. Hơn nữa, do tính chất của quá trình ra quyết định và đồng thuận của họ, các giao thức phi tập trung tiến triển chậm hơn so với các giao thức tập trung cả ở mức kỹ thuật và mạng xã hội. Điều này có thể tạo ra các trở ngại trong việc cân bằng giữa phân quyền và các sản phẩm cạnh tranh ở giai đoạn này của phát triển trí tuệ nhân tạo. Nói cách khác, có sự phối hợp giữa tiền điện tử và trí tuệ nhân tạo mà có thể thực sự hiểu được trong một khoảng thời gian kéo dài.

Xác định cơ hội

Nói một cách tổng quan, chúng tôi chia sự giao thoa giữa trí tuệ nhân tạo và tiền điện tử thành hai danh mục chính. Danh mục đầu tiên là các trường hợp sử dụng nơi các sản phẩm trí tuệ nhân tạo cải thiện ngành công nghiệp tiền điện tử. Điều này bao gồm các kịch bản từ việc tạo giao dịch dễ đọc cho con người và cải thiện phân tích dữ liệu blockchain, đến việc tận dụng kết quả mô hình trên chuỗi như một phần của giao thức không cần phép. Danh mục thứ hai là các trường hợp sử dụng nơi tiền điện tử nhắm đến phá vỡ các đường ống truyền thống của trí tuệ nhân tạo thông qua tính toán phân tán, xác minh, danh tính, v.v.

Các trường hợp sử dụng cho loại hình kịch bản liên quan đến doanh nghiệp đã được rõ ràng, và chúng tôi tin rằng trong khi vẫn còn tồn tại những thách thức kỹ thuật đáng kể, cũng có triển vọng lâu dài trong các kịch bản mô hình suy luận trên chuỗi phức tạp hơn. Các mô hình Trí tuệ nhân tạo tập trung có thể cải thiện các loại tiền điện tử giống như bất kỳ ngành công nghiệp nào tập trung vào công nghệ khác, từ việc cải thiện công cụ phát triển và kiểm tra mã nguồn đến việc dịch ngôn ngữ của con người thành các hành động trên chuỗi. Nhưng đầu tư vào lĩnh vực này thường chảy vào các công ty tư nhân thông qua vốn rủi ro, nên thường bị thị trường công cộng phớt lờ.

Tuy nhiên, những hàm ý và lợi ích của việc tiền điện tử có thể gây ra sự đảo lộn trong các đường ống AI hiện có vẫn còn chưa chắc chắn với chúng tôi. Các khó khăn trong danh mục sau không chỉ là những thách thức kỹ thuật (mà chúng tôi tin là nói chung có thể giải quyết trong dài hạn), mà còn là những cuộc chiến đấu đầy khó khăn với những lực lượng thị trường và quy định rộng lớn. Nhiều sự chú ý gần đây về trí tuệ nhân tạo và tiền điện tử đã được tập trung vào danh mục này, vì các trường hợp sử dụng này phù hợp hơn với việc sở hữu token lưu thông. Đây là trọng tâm của phần tiếp theo của chúng tôi, vì hiện tại có tương đối ít token thanh khoản liên quan đến các công cụ AI tập trung trong tiền điện tử.

Vai trò của tiền điện tử trong các đường ống trí tuệ nhân tạo

Dưới sự rủi ro của việc đơn giản hóa vấn đề, chúng tôi xem xét tác động tiềm năng của tiền điện tử đối với AI ở bốn giai đoạn chính của đường ống AI:

1. Thu thập dữ liệu, lưu trữ và xử lý

2. Huấn luyện và suy diễn mô hình

3. Xác minh đầu ra mô hình

4. Theo dõi đầu ra của mô hình trí tuệ nhân tạo

Nhiều dự án mới về Tiền điện tử-AI đã xuất hiện trong những lĩnh vực này. Tuy nhiên, nhiều dự án sẽ đối mặt với những thách thức nghiêm trọng trong dài hạn và trung hạn từ việc tạo ra cầu hỏi và cạnh tranh gay gắt từ các công ty trung tâm và các giải pháp mã nguồn mở.

Dữ liệu sở hữu

Dữ liệu là nền tảng của tất cả các mô hình AI và có thể là yếu tố quyết định chính trong hiệu suất mô hình AI chuyên nghiệp. Dữ liệu chuỗi khối lịch sử chính là một nguồn dữ liệu mới phong phú cho các mô hình, và một số dự án như Grass cũng nhắm đến việc tận dụng các động cơ tiền điện tử để chỉ đạo các bộ dữ liệu mới từ internet mở. Trong bối cảnh này, Gate có cơ hội cung cấp các bộ dữ liệu cụ thể cho ngành và khuyến khích sự tạo ra của các bộ dữ liệu mới có giá trị. (Chúng tôi nghĩ rằng thỏa thuận cấp phép dữ liệu của Reddit với Google trị giá 60 triệu đô la mỗi năm gần đây là một dấu hiệu tích cực cho tương lai của việc thương mại hóa bộ dữ liệu.)

Nhiều mô hình sớm (như GPT 3) sử dụng một sự kết hợp của các bộ dữ liệu mở như CommonCrawl, WebText2, Books, và Wikipedia, cũng như các bộ dữ liệu tương tự miễn phí có sẵn trên Hugging Face (hiện đang lưu trữ hơn 110,000 tùy chọn). Tuy nhiên, có thể để bảo vệ lợi ích thương mại, nhiều mô hình gần đây được giữ bí mật chưa công bố thành phần cuối cùng của bộ dữ liệu huấn luyện của họ. Xu hướng hướng đến các bộ dữ liệu sở hữu, đặc biệt là trong mô hình kinh doanh, sẽ tiếp tục và tăng cường tầm quan trọng của việc cấp phép dữ liệu.

Các hệ thống trung tâm thị trường dữ liệu hiện có đã giúp cầu nối giữa người cung cấp dữ liệu và người tiêu dùng, để lại không gian cơ hội cho các giải pháp thị trường dữ liệu phi tập trung mới nằm ở giữa các danh mục dữ liệu nguồn mở và các đối thủ doanh nghiệp. Mà không có sự hỗ trợ từ một cấu trúc pháp lý, một thị trường dữ liệu hoàn toàn phi tập trung cũng sẽ cần xây dựng các giao diện dữ liệu và đường ống chuẩn, xác minh tính nguyên vẹn và cấu hình dữ liệu, và giải quyết vấn đề khởi đầu lạnh của các sản phẩm của mình - đồng thời cân bằng các động lực token giữa các bên tham gia thị trường.

Ngoài ra, các giải pháp lưu trữ phi tập trung cuối cùng có thể tìm thấy một vị trí trong ngành công nghiệp trí tuệ nhân tạo, mặc dù với nhiều thách thức trong lĩnh vực này. Một mặt, đường ống phân phát tập dữ liệu nguồn mở đã tồn tại và được sử dụng rộng rãi. Mặt khác, nhiều chủ sở hữu tập dữ liệu độc quyền có yêu cầu bảo mật và tuân thủ nghiêm ngặt.

Hiện tại, không có con đường điều tiết nào cho việc lưu trữ dữ liệu nhạy cảm trên các nền tảng lưu trữ phân tán như Filecoin và Arweave. Nhiều doanh nghiệp vẫn đang chuyển từ máy chủ nội địa sang các nhà cung cấp lưu trữ đám mây tập trung. Hơn nữa, tính phân tán của các mạng này hiện tại không đáp ứng được một số yêu cầu về vị trí địa lý và cách ly dữ liệu vật lý cho việc lưu trữ dữ liệu nhạy cảm, ở mức kỹ thuật.

Trong khi so sánh giá giữa các giải pháp lưu trữ phi tập trung và các nhà cung cấp đám mây đã được công nhận cho thấy rằng các đơn vị lưu trữ phi tập trung rẻ hơn mỗi đơn vị, điều này bỏ qua một điều quan trọng. Đầu tiên, các chi phí ban đầu liên quan đến việc di chuyển hệ thống giữa các nhà cung cấp cần được xem xét trên cơ sở các chi phí vận hành hàng ngày. Thứ hai, các nền tảng lưu trữ phi tập trung dựa trên tiền điện tử cần phải phù hợp hơn với các công cụ và tích hợp tốt hơn với các hệ thống đám mây chín chắn được phát triển trong hai thập kỷ qua. Các giải pháp đám mây cũng có chi phí dự đoán hơn từ quan điểm vận hành doanh nghiệp, cung cấp các nghĩa vụ hợp đồng và đội ngũ hỗ trợ chuyên dụng, và có một lượng lớn tài năng phát triển viên hiện có.

Đáng lưu ý thêm rằng một so sánh cận lặng với ba nhà cung cấp đám mây lớn (Amazon Web Services, Google Cloud Platform và Microsoft Azure) là không đầy đủ. Có hàng chục công ty đám mây giá thấp khác cũng đang cạnh tranh để chiếm lĩnh thị trường bằng cách cung cấp các tủ máy chủ cơ bản rẻ hơn. Chúng tôi tin rằng đây mới là những đối thủ chính thực sự trong tương lai gần đối với người tiêu dùng có ý thức về chi phí.

Nói cách khác, những đổi mới gần đây như việc tính toán dữ liệu của Filecoin và môi trường tính toán AO của Arweave có thể đóng vai trò trong các dự án greenfield sắp tới sử dụng tập dữ liệu ít nhạy cảm hơn hoặc cho các công ty chưa phải là nhà cung cấp nhạy cảm với chi phí (có thể nhỏ hơn về quy mô).

Do đó, trong khi chắc chắn có không gian cho các sản phẩm mật mã mới trong không gian dữ liệu, các sự cố công nghệ gần đây sẽ xảy ra nơi chúng có thể tạo ra các đề xuất giá trị duy nhất. Các lĩnh vực mà các sản phẩm phi tập trung cạnh tranh trực tiếp với các đối thủ truyền thống và mã nguồn mở sẽ mất nhiều thời gian hơn để tiến triển.

Huấn luyện và suy luận mô hình

Lĩnh vực máy tính phi tập trung (DeComp) trong ngành tiền điện tử cũng nhằm mục đích phục vụ như một phương án thay thế cho việc tính toán trên đám mây tập trung, một phần do tình trạng khan hiếm cung cấp GPU hiện tại. Một giải pháp được đề xuất để giải quyết vấn đề khan hiếm này là việc tái sử dụng tài nguyên máy tính không hoạt động trong các mạng lưới tập hợp, từ đó giảm chi phí cho các nhà cung cấp đám mây tập trung. Các giao thức như Akash và Render đã triển khai những giải pháp tương tự. Các chỉ số sơ bộ cho thấy các dự án như vậy đang được sử dụng nhiều hơn từ cả người dùng và nhà cung cấp. Ví dụ, số hợp đồng thuê (tức số người dùng) của Akash đã tăng gấp ba so với cùng kỳ năm ngoái (xem Hình 3), chủ yếu do việc sử dụng tài nguyên lưu trữ và tính toán của nó tăng lên.

Tuy nhiên, các khoản phí được thanh toán cho mạng thực sự đã giảm kể từ đỉnh vào tháng 12 năm 2023, vì nguồn cung cấp GPUs có sẵn vượt qua sự tăng trưởng trong nhu cầu cho các tài nguyên này. Đói, khi có nhiều nhà cung cấp tham gia vào mạng, số lượng GPUs được thuê (có vẻ là yếu tố tạo ra doanh thu lớn nhất theo tỷ lệ) đã giảm (xem Hình 4). Đối với các mạng mà giá tính toán có thể thay đổi dựa trên sự thay đổi trong cung cầu, không rõ nơi nào nhu cầu ổn định, dẫn đến sử dụng cho các token bản địa sẽ xuất hiện cuối cùng nếu sự tăng trưởng từ phía cung vượt quá sự tăng trưởng từ phía cầu. Trong khi tác động dài hạn của những thay đổi như vậy không rõ ràng, các mô hình kinh tế token như vậy có thể cần được xem xét lại trong tương lai để tối ưu hóa cho các thay đổi trên thị trường.

Trên mặt kỹ thuật, các giải pháp máy tính phi tập trung cũng đối mặt với thách thức về giới hạn băng thông mạng. Đối với các mô hình lớn đòi hỏi huấn luyện đa nút, lớp cơ sở hạ tầng mạng vật lý đóng một vai trò quan trọng. Tốc độ truyền dữ liệu, chi phí đồng bộ hóa và hỗ trợ cho một số thuật toán huấn luyện phân tán cụ thể có nghĩa là cấu hình mạng cụ thể và giao tiếp mạng tùy chỉnh (như InfiniBand) cần thiết để hỗ trợ thực thi hiệu suất cao. Khi vượt quá một kích thước cụm nhất định, việc triển khai một cách phi tập trung trở nên khó khăn.

Tóm lại, sự thành công lâu dài của việc tích hợp máy tính (và lưu trữ) phi tập trung đối mặt với sự cạnh tranh gay gắt từ các nhà cung cấp đám mây tập trung. Mọi sự áp dụng sẽ là một quy trình dài hạn tương tự như thời gian áp dụng của đám mây. Với sự phức tạp ngày càng tăng về công nghệ phát triển mạng phi tập trung, kết hợp với sự thiếu hụt của các đội ngũ phát triển và bán hàng có khả năng mở rộng tương tự, việc thực hiện hoàn toàn tầm nhìn của máy tính phi tập trung sẽ là một hành trình đầy thách thức.

Xác minh và Tin cậy vào các Mô hình

Khi mô hình trí tuệ nhân tạo ngày càng quan trọng trong cuộc sống hàng ngày, lo ngại về chất lượng và độ chệch của sản phẩm đang tăng lên. Một số dự án tiền điện tử nhắm mục tiêu giải quyết vấn đề này bằng cách tận dụng phương pháp thuật toán để đánh giá sản phẩm theo nhiều danh mục khác nhau, tìm kiếm một giải pháp phi tập trung, dựa trên thị trường. Tuy nhiên, những thách thức xung quanh việc đánh giá mô hình, cùng với sự đánh đổi rõ ràng giữa chi phí, thông lượng và chất lượng, khiến cho việc so sánh trực tiếp trở nên khó khăn. BitTensor là một trong những đồng tiền điện tử lớn nhất tập trung vào trí tuệ nhân tạo và nhằm mục tiêu giải quyết vấn đề này, mặc dù có nhiều thách thức kỹ thuật đáng chú ý có thể ngăn cản sự áp dụng rộng rãi của nó (xem Phụ lục 1).

Ngoài ra, việc suy luận mô hình không tin cậy (tức là chứng minh rằng đầu ra của mô hình thực sự được tạo ra bởi mô hình được tuyên bố) là một lĩnh vực nghiên cứu tích cực khác trong sự giao điểm của tiền điện tử và trí tuệ nhân tạo. Tuy nhiên, khi quy mô của các mô hình mã nguồn mở thu nhỏ, các giải pháp như vậy có thể đối mặt với thách thức về cầu cần. Trong một thế giới mà các mô hình có thể được tải xuống và chạy cục bộ và tính toàn vẹn của nội dung có thể được xác minh thông qua các phương pháp băm/chứng thực tệp tin mạnh mẽ, vai trò của suy luận không tin cậy trở nên ít rõ ràng hơn. Thật vậy, nhiều mô hình ngôn ngữ lớn (LLMs) vẫn không thể được huấn luyện và vận hành trên các thiết bị nhẹ như điện thoại thông minh, nhưng các máy tính để bàn mạnh mẽ (như những máy dùng cho chơi game cao cấp) đã có thể chạy nhiều mô hình hiệu suất cao.

Xuất xứ dữ liệu và danh tính

Khi đầu ra của trí tuệ nhân tạo sinh sáng ngày càng khó phân biệt so với đầu ra của con người, việc xác định và theo dõi những gì trí tuệ nhân tạo tạo ra trở nên quan trọng. GPT 4 vượt qua thử nghiệm Turing nhanh gấp 3 lần so với GPT 3.5, và hầu như là không thể tránh khỏi việc rằng một ngày nào đó chúng ta sẽ không thể phân biệt được sự khác biệt giữa robot và con người. Trong một thế giới như vậy, việc xác định danh tính của người dùng trực tuyến và đánh dấu nước của nội dung do trí tuệ nhân tạo tạo ra sẽ là những khả năng quan trọng.

Các định danh phi tập trung và cơ chế xác minh danh tính như Worldcoin nhằm giải quyết các thách thức trước đây trong việc xác định con người trên chuỗi. Tương tự, việc xuất bản băm dữ liệu lên blockchain có thể giúp xác định thời gian và nguồn gốc của nội dung. Tuy nhiên, giống như các giải pháp một phần đã nói ở trên, chúng tôi tin rằng phải có sự cân bằng giữa tính khả thi của các giải pháp dựa trên tiền điện tử và các lựa chọn tập trung.

Một số quốc gia, như Trung Quốc, liên kết các danh tính trực tuyến với cơ sở dữ liệu do chính phủ kiểm soát. Mặc dù mức độ tập trung ở các khu vực khác trên thế giới có thể không cao như vậy, các liên minh cung cấp dịch vụ Know Your Customer (KYC) cũng có thể cung cấp các giải pháp xác minh danh tính độc lập với công nghệ blockchain (tương tự như các cơ quan chứng thực uy tín dưới tầng lớp bảo mật internet ngày nay). Hiện nay, nghiên cứu đang được tiến hành về dấu nước trí tuệ nhân tạo để nhúng tín hiệu ẩn trong văn bản và hình ảnh đầu ra để các thuật toán có thể phát hiện xem nội dung có phải do trí tuệ nhân tạo tạo ra hay không. Nhiều công ty trí tuệ nhân tạo hàng đầu, bao gồm Microsoft, Anthropic và Amazon, đã cam kết công khai thêm các dấu nước như vậy vào nội dung được tạo ra bởi họ.

Hơn nữa, nhiều nhà cung cấp nội dung hiện tại đã được tin tưởng ghi chép siêng năng về siêu dữ liệu của nội dung để đáp ứng yêu cầu tuân thủ. Do đó, người dùng thường tin tưởng siêu dữ liệu liên quan đến bài đăng trên mạng xã hội (nhưng không tin tưởng ảnh chụp màn hình), ngay cả khi chúng được lưu trữ tập trung. Đáng chú ý rằng bất kỳ giải pháp nguồn dữ liệu và xác thực dựa trên tiền điện tử nào cũng cần tích hợp với các nền tảng người dùng để đạt được hiệu quả rộng rãi. Do đó, trong khi các giải pháp dựa trên tiền điện tử để chứng minh danh tính và nguồn dữ liệu là kỹ thuật khả thi, chúng tôi cũng tin rằng việc áp dụng chúng không được xác định trước và cuối cùng sẽ phụ thuộc vào yêu cầu kinh doanh, tuân thủ và quy định.

Giao dịch câu chuyện trí tuệ nhân tạo

Mặc dù gặp khó khăn như trên, nhiều token trí tuệ nhân tạo đã vượt qua Bitcoin và Ethereum bắt đầu từ quý IV năm 2023, cũng như các cổ phiếu trí tuệ nhân tạo lớn như Nvidia và Microsoft. Điều này là do thông thường token trí tuệ nhân tạo được hưởng lợi từ hiệu suất tương đối mạnh mẽ trong thị trường tiền điện tử rộng lớn và các tiêu đề tin tức trí tuệ nhân tạo liên quan (xem Phụ lục 2). Do đó, ngay cả khi giá của Bitcoin giảm, giá của các token tập trung vào trí tuệ nhân tạo có thể biến động lên, điều này có thể dẫn đến biến động tích cực trong quá trình giảm giá của Bitcoin. Hình 5 trực quan cho thấy sự phân tán của token trí tuệ nhân tạo trong quá trình giảm giá giao dịch Bitcoin.

Nhìn chung, vẫn thiếu nhiều yếu tố thúc đẩy nhu cầu ngắn hạn bền vững trong cốt truyện về Trí tuệ Nhân tạo trong lĩnh vực tiền điện tử. Sự thiếu hụt các dự đoán và chỉ số chấp nhận rõ ràng đã dẫn đến sự đầu cơ giống như meme lan rộng, điều này có thể không bền vững trong dài hạn. Cuối cùng, giá cả và tiện ích sẽ hội tụ—câu hỏi chưa được giải quyết là việc này sẽ mất bao lâu và liệu tiện ích sẽ tăng để đáp ứng giá cả, hay ngược lại. Nói vậy thôi, việc xây dựng liên tục của thị trường tiền điện tử và ngành công nghiệp Trí tuệ Nhân tạo đang phát triển có thể duy trì một cốt truyện mạnh mẽ về trí tuệ nhân tạo trong tiền điện tử trong một thời gian.

Kết luận

Vai trò của tiền điện tử trong AI không chỉ là một sự trừu tượng – bất kỳ nền tảng phi tập trung nào cũng cạnh tranh với các lựa chọn thay thế tập trung hiện có và phải được phân tích theo các yêu cầu kinh doanh và quy định rộng lớn hơn. Do đó, chỉ thay thế các nhà cung cấp tập trung bằng các nhà cung cấp "phi tập trung" là không đủ để thúc đẩy tiến bộ có ý nghĩa. Các mô hình AI tạo ra đã tồn tại trong vài năm và vẫn giữ được một mức độ phân cấp do cạnh tranh thị trường và phần mềm nguồn mở.

Một chủ đề lặp đi lặp lại trong báo cáo này là việc nhận thức rằng trong khi các giải pháp dựa trên tiền điện tử thường có khả năng kỹ thuật, chúng vẫn đòi hỏi công việc đáng kể để đạt được tính năng tương đương với các nền tảng tập trung hơn, mà không có lẽ sẽ đứng yên trong các phát triển tương lai. Trên thực tế, do cơ chế đồng thuận, phát triển tập trung thường diễn ra nhanh hơn so với phát triển phi tập trung, điều này có thể đặt ra thách thức cho một lĩnh vực như trí tuệ nhân tạo đang phát triển nhanh chóng.

Với điều này, sự giao điểm giữa trí tuệ nhân tạo và tiền điện tử vẫn đang ở giai đoạn đầu của nó, và có thể xảy ra những thay đổi nhanh chóng trong những năm sắp tới với sự phát triển rộng rãi của lĩnh vực trí tuệ nhân tạo. Tương lai trí tuệ nhân tạo phi tập trung không được đảm bảo, như được tưởng tượng bởi nhiều người trong ngành công nghiệp tiền điện tử — thực sự, tương lai của ngành công nghiệp trí tuệ nhân tạo chính nó vẫn còn nhiều không chắc chắn. Do đó, chúng tôi tin rằng cách tiếp cận cẩn trọng là điều khôn ngoan trong việc điều hướng những thị trường như vậy, khám phá sâu hơn vào những giải pháp dựa trên tiền điện tử, và thực sự hiểu rõ cách cung cấp những lựa chọn tốt hơn hoặc nắm bắt được những kịch bản giao dịch tiềm năng.

Liên kết bài viết gốc

Tuyên bố:

1. Bài viết này ban đầu có tựa đề “加密世界的AI海市蜃楼” được sao chép từ [ theblockbeats]. Tất cả bản quyền thuộc về tác giả gốc [David Han]. Nếu bạn có bất kỳ khiếu nại nào về việc tái in, vui lòng liên hệGate Họcđội, đội sẽ xử lý nó càng sớm càng tốt.

2. Xin lưu ý: Các quan điểm và ý kiến được thể hiện trong bài viết này chỉ đại diện cho quan điểm cá nhân của tác giả và không hề cấu thành bất kỳ lời khuyên đầu tư nào.

3. Bản dịch của bài viết sang các ngôn ngữ khác được thực hiện bởi đội ngũ Gate Learn. Trừ khi được nêu, việc sao chép, phân phối hoặc đạo văn các bài viết dịch là không được phép.