Sự kết hợp giữa Web3 và AI: Xây dựng cơ sở hạ tầng Internet thế hệ tiếp theo

Web3, như một hình thức internet mới, có những đặc điểm phi tập trung, mở và minh bạch, mang lại cơ hội kết hợp tự nhiên với AI. Dưới kiến trúc tập trung truyền thống, tài nguyên tính toán và dữ liệu của AI bị hạn chế nghiêm ngặt, phải đối mặt với nhiều thách thức như nút thắt về sức mạnh tính toán, rò rỉ quyền riêng tư và hộp đen thuật toán. Web3 dựa trên công nghệ phân phối, thông qua mạng chia sẻ sức mạnh tính toán, thị trường dữ liệu mở và tính toán quyền riêng tư, cung cấp động lực mới cho sự phát triển của AI. Đồng thời, AI cũng có thể mang lại nhiều cải tiến cho Web3, như tối ưu hóa hợp đồng thông minh và các thuật toán chống gian lận, thúc đẩy sự phát triển hệ sinh thái của nó. Do đó, khám phá sự kết hợp giữa Web3 và AI là rất quan trọng để xây dựng cơ sở hạ tầng internet tương lai, giải phóng giá trị dữ liệu và sức mạnh tính toán.

Dữ liệu điều khiển: Nền tảng 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 tập trung truyền thống gặp phải các vấn đề sau:

• Chi phí thu thập dữ liệu cao, các doanh nghiệp vừa và nhỏ khó có thể gánh chịu.
• Tài nguyên dữ liệu bị các công ty công nghệ lớn độc quyền, hình thành các hòn đảo dữ liệu
• Rủi ro rò rỉ và lạm dụng quyền riêng tư dữ liệu cá nhân

Web3 cung cấp một mô hình dữ liệu phi tập trung mới để giải quyết những điểm đau này:

• Người dùng có thể bán tài nguyên mạng không sử dụng cho các công ty AI, để thu thập dữ liệu mạng theo cách phi tập trung, sau khi được làm sạch và chuyển đổi thành dữ liệu thực, chất lượng cao để đào tạo mô hình AI.
• Áp dụng mô hình "label to earn", thông qua việc khuyến khích bằng token để toàn cầu hóa người lao động 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 cấp và nhu cầu dữ liệu, thúc đẩy đổi mới sáng tạo và chia sẻ dữ liệu.

Mặc dù vậy, việc thu thập dữ liệu từ thế giới thực vẫn gặp phải những vấn đề như chất lượng không đồng nhất, khó khăn trong xử lý, sự đa dạng và tính đại diện không đủ. Dữ liệu tổng hợp có thể trở thành 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 thể mô phỏng các thuộc tính dữ liệu thực, như là một bổ sung hiệu quả để nâng cao hiệu suất sử dụng dữ liệu. Trong các lĩnh vực như lái xe tự động, giao dịch thị trường tài chính và phát triển trò chơi, dữ liệu tổng hợp đã cho thấy tiềm năng ứng dụng trưởng thành.

Bảo vệ quyền riêng tư: Ứng dụng FHE trong Web3

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

FHE (mã hóa đồng nhất hoàn toàn) cho phép thực hiện các phép toán trực tiếp trên dữ liệu đã mã hóa mà không cần giải mã, cho ra kết quả giống như khi tính toán trên dữ liệu rõ ràng. FHE cung cấp sự bảo vệ vững chắc cho tính toán riêng tư trong AI, cho phép sức mạnh tính toán GPU thực hiện việc đào tạo và suy diễn mô hình trong môi trường không tiếp xúc với dữ liệu gốc. Điều này mang lại lợi thế lớn cho các công ty AI, 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 toàn bộ chu trình học máy, đảm bảo thông tin nhạy cảm được an toàn và ngăn ngừa rủi ro rò rỉ dữ liệu. FHEML củng cố quyền riêng tư dữ liệu theo cách này, cung cấp khung tính toán an toàn cho các ứng dụng AI.

FHEML là bổ sung cho ZKML. ZKML chứng minh việc thực hiện chính xác của học máy, trong khi FHEML tập trung vào việc tính toán 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

Hệ thống AI hiện tại có độ phức tạp tính toán 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. Chẳng hạn, việc huấn luyện mô hình GPT-3 của OpenAI cần một sức mạnh tính toán khổng lồ, tương đương với 355 năm thời gian huấn luyện của một thiết bị đơn. Sự thiếu hụt sức mạnh tính toán này không chỉ hạn chế sự tiến bộ của công nghệ AI mà còn khiến các mô hình AI tiên tiến trở nên khó tiếp cận đối với hầu hết các nhà nghiên cứu và phát triển.

Trong khi đó, tỷ lệ sử dụng GPU toàn cầu chưa tới 40%, cộng với việc hiệu suất của vi xử lý chậm lại và sự thiếu hụt chip do các yếu tố chuỗi cung ứng và địa chính trị, đã làm vấn đề cung cấp sức mạnh tính toán trở nên nghiêm trọng hơn. Những người làm trong lĩnh vực AI đang gặp khó khăn: hoặc là tự mua phần cứng, hoặc là thuê tài nguyên đám mây, họ đang cần một cách dịch vụ tính toán theo yêu cầu và tiết kiệm chi phí.

Một mạng lưới sức mạnh tính toán AI phi tập trung thông qua việc tập hợp tài nguyên GPU nhàn rỗi toàn cầu, cung cấp một thị trường sức mạnh tính toán kinh tế và dễ sử dụng cho các công ty AI. Bên có nhu cầu 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 gửi kết quả, sau khi được xác minh sẽ nhận phần thưởng. 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 phổ thông, còn có các mạng lưới tính toán chuyên dụng tập trung vào việc huấn luyện và suy luận AI. Những mạng lưới tính toán phi tập trung này cung cấp một 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 tính toán. Trong hệ sinh thái Web3, mạng lưới tính toán phi tập trung sẽ đóng vai trò then chốt, thu hút nhiều ứng dụng phi tập trung 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

Edge AI cho phép tính toán diễn ra tại nguồn phát sinh dữ liệu, đạt được độ trễ thấp và xử lý theo 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 lái xe tự động.

Trong lĩnh vực Web3, DePIN (Mạng cơ sở hạ tầng vật lý phi tập trung) có khái niệm tương tự như Edge AI. Web3 nhấn mạnh tính phi tập trung và quyền sở hữu dữ liệu của người dùng, DePIN tăng cường bảo vệ quyền riêng tư của người dùng thông qua việc xử lý dữ liệu tại chỗ, giảm nguy cơ rò rỉ dữ liệu. Cơ chế kinh tế token gốc của Web3 có thể khuyến khích các nút DePIN cung cấp tài nguyên tính toán, xây dựng hệ sinh thái bền vững.

Hiện tại, DePIN đang phát triển nhanh chóng trong một hệ sinh thái của một chuỗi công khai, trở thành một trong những nền tảng hàng đầu để triển khai dự án. Khả năng xử lý giao dịch cao, phí giao dịch thấp và sự đổi mới công nghệ của chuỗi công khai này đã cung cấp sự hỗ trợ mạnh mẽ cho các dự án DePIN. Hiện nay, giá trị thị trường của các dự án DePIN trên chuỗi công khai này đã vượt quá 10 tỷ USD, nhiều dự án nổi tiếng đã đạt được tiến triển đáng kể.

IMO：Mô hình AI phát hành mô hình mới

Khái niệm IMO (Phát hành mô hình ban đầu) được một giao thức đề xuất đầu tiên, nhằm mã hóa các mô hình AI.

Trong mô hình truyền thống, các nhà phát triển mô hình AI 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. Đồng thời, hiệu suất và hiệu quả của mô hình AI thường thiếu tính minh bạch, 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 hỗ trợ tài chính và chia sẻ giá trị hoàn toàn mới cho các mô hình AI mã nguồn mở. Các 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 tiêu chuẩn kỹ thuật cụ thể, kết hợp với oracle AI và công nghệ học máy trên chuỗi, đảm bảo tính xác thực của mô hình AI và cho phép các chủ sở hữu token chia sẻ lợi nhuận.

Mô hình IMO nâng cao tính minh bạch và sự tin tưởng, 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. Hiện tại, IMO đang 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 được mong đợi.

AI Agent: Kỷ nguyên mới của trải nghiệm tương tác

AI Agent có khả năng cảm nhận môi trường, thực hiện suy nghĩ độc lập và thực hiện hành động tương ứng để đạt được mục tiêu đề ra. Dưới sự hỗ trợ của các mô hình ngôn ngữ lớn, AI Agent không chỉ có thể hiểu ngôn ngữ tự nhiên mà còn có khả năng 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 thông qua tương tác với người dùng, 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 suất và tạo ra giá trị mới.

Một 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 chức năng, ngoại hình, giọng nói 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, sử dụng công nghệ AI sinh tạo để trao quyền cho cá nhân trở thành người sáng tạo siêu việt. Nền tảng này đã đào tạo một mô hình ngôn ngữ lớn chuyên biệt, giúp việc nhập vai trở nên nhân văn hơn; công nghệ nhân bản giọng nói có thể tăng tốc tương tác cá nhân hóa của sản phẩm AI, giảm chi phí tổng hợp giọng nói xuống 99%, việc nhân bản giọng nói chỉ cần 1 phút để thực hiện. Sử dụng AI Agent tùy chỉnh của nền tảng này, hiện có thể ứng dụng trong nhiều lĩnh vực như trò chuyện video, học ngôn ngữ, tạo hình ảnh.

Hiện tại, sự kết hợp giữa Web3 và AI chủ yếu tập trung vào việc khám phá ở cấp độ hạ tầng, bao gồm 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 và cách xác minh các mô hình ngôn ngữ lớn, cùng những vấn đề quan trọng khác. Khi các hạ tầng này dần được hoàn thiện, sự kết hợp giữa Web3 và AI có thể tạo ra một loạt các mô hình kinh doanh và dịch vụ đổi mới.