Những thách thức và hướng phát triển tương lai của Web3 AI

Giá cổ phiếu Nvidia lại lập đỉnh cao mới, sự tiến bộ của các mô hình đa mô thức càng làm sâu sắc thêm rào cản công nghệ của Web2 AI. Từ sự căn chỉnh ngữ nghĩa đến hiểu biết thị giác, từ nhúng chiều cao đến hợp nhất đặc trưng, các mô hình phức tạp đang tích hợp các phương thức biểu đạt của nhiều mô thức với tốc độ chưa từng có, xây dựng một khu vực AI ngày càng khép kín. Thị trường chứng khoán Mỹ cũng đã thể hiện sự lạc quan đối với ngành AI bằng hành động thực tế, bất kể là cổ phiếu tiền điện tử hay cổ phiếu AI, đều xuất hiện một đợt sóng tăng nhỏ.

Tuy nhiên, cơn sốt này dường như không liên quan đến lĩnh vực tiền điện tử. Những nỗ lực gần đây trong Web3 AI, đặc biệt là trong việc khám phá hướng Agent, có sự sai lệch rõ rệt về hướng đi: cố gắng lắp ráp một hệ thống mô-đun đa phương thức theo kiểu Web2 bằng cấu trúc phi tập trung, thực chất là một sự sai lệch kép về công nghệ và tư duy. Trong bối cảnh tính kết hợp mô-đun cực kỳ mạnh mẽ, sự phân bố đặc trưng không ổn định cao và nhu cầu tính toán ngày càng tập trung, mô-đun đa phương thức khó có thể đứng vững trong môi trường Web3.

Tương lai của Web3 AI không nằm ở việc mô phỏng, mà ở việc đi đường vòng chiến lược. Từ sự căn chỉnh ngữ nghĩa trong không gian cao chiều, đến nút thắt thông tin trong cơ chế chú ý, và đến sự căn chỉnh đặc trưng dưới sức mạnh tính toán không đồng nhất, Web3 AI cần tìm ra con đường phát triển riêng cho mình.

Khó khăn trong việc điều chỉnh ngữ nghĩa của Web3 AI

Trong hệ thống đa mô thức của Web2 AI hiện đại, "căn chỉnh ngữ nghĩa" là công nghệ then chốt để ánh xạ thông tin từ các mô thức khác nhau vào cùng một không gian ngữ nghĩa. Điều này cho phép mô hình hiểu và so sánh ý nghĩa nội tại của các tín hiệu ở các dạng khác nhau. Không gian nhúng bậc cao là nền tảng để đạt được mục tiêu này, cho phép mã hóa các đặc điểm ngữ nghĩa phức tạp vào các vectơ với hàng trăm hoặc thậm chí hàng nghìn chiều.

Tuy nhiên, giao thức Web3 Agent khó có thể đạt được nhúng đa chiều. Hầu hết các Web3 Agent chỉ là việc đóng gói các API hiện có thành các mô-đun độc lập, thiếu không gian nhúng trung tâm thống nhất và cơ chế chú ý giữa các mô-đun. Điều này dẫn đến việc thông tin không thể tương tác đa góc độ, đa tầng giữa các mô-đun, hệ thống thể hiện chức năng đơn lẻ, khó có thể hình thành tối ưu hóa khép kín tổng thể.

Để hiện thực hóa một trí tuệ nhân tạo toàn diện có rào cản ngành, cần bắt đầu từ việc mô hình hóa liên hợp từ đầu đến cuối, nhúng thống nhất giữa các mô-đun, cũng như kỹ thuật hệ thống cho đào tạo và triển khai hợp tác. Tuy nhiên, hiện tại trên thị trường chưa xuất hiện nhu cầu như vậy, do đó cũng thiếu các giải pháp tương ứng.

Hạn chế của cơ chế chú ý

Mô hình đa phương thức có trình độ cao cần cơ chế chú ý được thiết kế tinh vi. Cơ chế chú ý về bản chất là một cách phân bổ tài nguyên tính toán một cách động, cho phép mô hình "tập trung" chọn lọc vào những phần liên quan nhất khi xử lý đầu vào.

Web2 AI thường sử dụng mô hình Query-Key-Value (Q-K-V) khi thiết kế cơ chế chú ý, điều này giúp xác định thông tin quan trọng. Tuy nhiên, AI Web3 dựa trên mô-đun khó có thể thực hiện lập lịch chú ý thống nhất. Các lý do chính bao gồm:

1. Thiếu không gian Q-K-V thống nhất
2. Không thể thực hiện tính toán song song của chú ý đa đầu
3. Thiếu ngữ cảnh trung tâm chia sẻ theo thời gian thực giữa các mô-đun

Do đó, chỉ dựa vào việc đóng gói các loại chức năng thành các API rời rạc, không thể xây dựng được khả năng "lập lịch chú ý thống nhất" như Transformer.

Nghịch cảnh nông của sự kết hợp đặc trưng

Tính năng kết hợp là việc kết hợp các vector đặc trưng thu được từ các phương thức khác nhau sau khi xử lý dựa trên sự căn chỉnh và chú ý. Web3 AI hiện đang ở giai đoạn ghép nối đơn giản nhất, chủ yếu là do thiếu không gian nhiều chiều và cơ chế chú ý tinh vi như các điều kiện tiên quyết.

AI Web2 có xu hướng đào tạo liên kết đầu cuối, trong khi AI Web3 chủ yếu áp dụng phương pháp ghép nối các mô-đun rời. Cách tiếp cận này vừa thiếu mục tiêu đào tạo thống nhất, vừa không có dòng gradient xuyên mô-đun, dẫn đến việc tích hợp đặc trưng chỉ dừng lại ở giai đoạn ghép tĩnh nông.

Rào cản và cơ hội tương lai trong ngành AI

Rào cản công nghệ trong ngành AI đang ngày càng sâu sắc. Hệ thống đa mô hình AI Web2 là một dự án kỹ thuật lớn, cần một lượng dữ liệu khổng lồ, sức mạnh tính toán mạnh mẽ, thuật toán tiên tiến và khả năng kỹ thuật hệ thống. Điều này tạo ra rào cản ngành rất mạnh mẽ và cũng hình thành năng lực cạnh tranh cốt lõi của một số đội ngũ dẫn đầu.

Tuy nhiên, cơ hội của Web3 AI có thể nằm ở chiến thuật "nông thôn bao vây thành phố". Web3 AI nên thử nghiệm quy mô nhỏ ở các tình huống biên, như cấu trúc nhẹ, nhiệm vụ dễ song song và có thể khuyến khích. Những điều này có thể bao gồm tinh chỉnh LoRA, nhiệm vụ huấn luyện sau để điều chỉnh hành vi, huấn luyện và gán nhãn dữ liệu crowdsourcing, huấn luyện mô hình cơ bản nhỏ, cũng như huấn luyện hợp tác trên thiết bị biên.

Cần lưu ý rằng, rào cản của Web2 AI hiện tại chỉ mới bắt đầu hình thành, đây là giai đoạn đầu của cuộc cạnh tranh giữa các doanh nghiệp hàng đầu. Cơ hội thực sự của Web3 AI có thể phải chờ đến khi lợi ích từ Web2 AI biến mất hoàn toàn, những điểm đau mà nó để lại sẽ là thời điểm tốt nhất để Web3 AI can thiệp.

Trước đây, các dự án Web3 AI cần có các đặc điểm sau:

1. Bước vào từ rìa, đứng vững trong những cảnh nhỏ.
2. Kết hợp điểm và mặt, thúc đẩy hình tròn, liên tục cập nhật và lặp đi lặp lại trong các tình huống ứng dụng nhỏ.
3. Giữ tính linh hoạt, có khả năng nhanh chóng thích ứng với nhu cầu của các tình huống khác nhau

Chỉ những dự án có những đặc điểm này mới có khả năng chiếm lĩnh một vị trí trong lĩnh vực Web3 AI trong tương lai.