Tại sao nói sự kết hợp giữa blockchain và AI là nhu cầu tự nhiên?
Tuyển chọn TechFlowTuyển chọn TechFlow
Tại sao nói sự kết hợp giữa blockchain và AI là nhu cầu tự nhiên?
Xét về xu hướng, AI có nhu cầu tự nhiên đối với blockchain, AI cần blockchain để mang lại sự bền vững thực sự cho sự phát triển của chính mình.
Chuyên sâu báo cáo Web3Blockchain cũng là một trong những xu hướng quan trọng nhất
Từ đầu năm nay, AI bùng nổ mạnh hơn nhiều so với blockchain. Tuy nhiên, thế giới tiền mã hóa cũng không cần nản lòng. Vậy làm thế nào để hiểu được cơ hội tương lai của blockchain? Trước tiên xin nêu vài suy nghĩ:
-
Blockchain là một trong những xu hướng quan trọng nhất trong lịch sử loài người. Việc tiến hóa từ web2 – internet thông tin sang web3 – internet giá trị cũng chính là nhu cầu nâng cao năng suất. Mới chỉ hơn một thập kỷ, còn hàng chục năm phát triển tiếp theo. Về tác động nền tảng, hiện tại blockchain xếp thứ hai sau AI về công nghệ.
-
AI và blockchain có nhu cầu tích hợp, dù tiến độ sẽ không nhanh.
Hôm nay chúng ta hãy nói đơn giản về điểm thứ hai: nhu cầu tích hợp giữa AI và blockchain.
Những điều blockchain có thể hỗ trợ cho AI
Tính toán
Ai cũng biết rằng AI đòi hỏi khối lượng tính toán khổng lồ. Nhu cầu tận dụng nguồn lực tính toán nhàn rỗi cho AI là có thật. Tuy nhiên hiện tại, do việc huấn luyện mô hình AI thuộc loại tính toán mật độ cao, rất đắt đỏ. Trong lĩnh vực tính toán AI tổng quát, blockchain hiện tại chưa hỗ trợ được nhiều.
Ba vấn đề chính bị chỉ trích gồm: thứ nhất, cần phần cứng GPU chuyên dụng; thứ hai, độ trễ trao đổi dữ liệu; thứ ba, bằng chứng thực hiện nhiệm vụ tính toán phi tập trung.
-
Như đã nêu, huấn luyện AI là dạng tính toán quy mô lớn và mật độ cao, các mô hình LLM có hàng tỷ tham số trở lên, số phép tính FLOPs khi huấn luyện càng đồ sộ hơn nữa. Chỉ có phần cứng chuyên dụng (GPU dành cho AI, chứa các thành phần đặc biệt như Tensor Processing Units...) mới đạt hiệu quả tốt nhất; ngoài ra, để tối ưu hiệu suất, tất cả GPU nên đồng nhất kiến trúc, cùng cấp độ GPU thì dễ đồng bộ dữ liệu và tiếp tục tính toán. Trong mạng phi tập trung, điều này đặt ra yêu cầu nhất định đối với GPU của người tham gia. Tuy nhiên, yêu cầu càng cao thì ngưỡng tham gia càng lớn, bất lợi cho tính phi tập trung và cũng không thuận lợi để tận dụng tài nguyên tính toán nhàn rỗi.
-
GPU dùng cho AI cần liên tục trao đổi dữ liệu. Nếu tồn tại độ trễ mạng, sẽ ảnh hưởng xấu đến việc sử dụng sức mạnh tính toán phân tán để huấn luyện AI.
-
Làm thế nào để xác minh việc hoàn thành nhiệm vụ tính toán theo cách phi tập trung cần có giải pháp tương đối hiệu quả và chi phí thấp.
Tất cả những điều nêu trên đều là khó khăn hiện tại khi kết hợp tính toán phi tập trung với AI, đây cũng là lý do vì sao hiện nay việc kết hợp AI và blockchain còn khó khăn. Tuy nhiên, theo góc nhìn BlueFox Notes, khi ngày càng nhiều người tham gia khám phá, những rào cản này sẽ từng bước được gỡ bỏ, dù chắc chắn cần thời gian khá dài mới có thể thực hiện được.
Sau đây hãy nói đến những khía cạnh có khả năng được giải quyết dần dần. Nếu ở góc độ AI tổng quát, lĩnh vực tiền mã hóa hiện còn khó thâm nhập, thì có thể bắt đầu từ các lĩnh vực AI chuyên biệt. Điểm khởi đầu này cũng liên quan chặt chẽ đến nhiệm vụ tính toán AI hiện nay. Có hai điểm: thứ nhất, nhiệm vụ suy luận (inference) chiếm đa số trong nhu cầu tính toán AI hiện nay; thứ hai, một số nhiệm vụ tinh chỉnh nhỏ (fine-tuning) và suy luận yêu cầu tài nguyên ít hơn, có cơ hội thực hiện qua tính toán phi tập trung. Hai điểm này cho thấy cơ hội tiềm năng của sức mạnh tính toán phi tập trung.
Trong các lĩnh vực chuyên biệt như luật, y học, đầu tư, giáo dục, phân tích dữ liệu... AI chuyên ngành có thể phù hợp hơn với mạng lưới tính toán phân tán tập trung vào lĩnh vực cụ thể. Như đã nói, khó khăn khi cung cấp dịch vụ sức mạnh tính toán phi tập trung cho AI không nằm ở việc hoàn thành nhiệm vụ tính toán, mà nằm ở việc xác minh việc hoàn thành nhiệm vụ theo cách phi tập trung. Hiện một số dự án đang cố gắng giải quyết vấn đề này, ví dụ Gensyn và Together.
Gensyn tích hợp một số thành tựu nghiên cứu học thuật như bằng chứng học xác suất (probabilistic proof of learning), giao thức định vị chính xác dựa trên đồ thị, đồng thời tham khảo mô hình khuyến khích và cân bằng từ dự án Truebit. Gensyn chia toàn bộ quá trình thành tám giai đoạn: từ gửi nhiệm vụ AI, phân tích, huấn luyện, tạo bằng chứng, xác minh bằng chứng, thách thức, trọng tài đến thanh toán. "Bằng chứng học xác suất" dùng để thiết lập ngưỡng khoảng cách cơ sở, cung cấp cơ sở xác minh cho người xác minh; kỹ thuật "định vị chính xác dựa trên đồ thị" dùng để giám sát tình trạng thực thi xác minh của người xác minh; mô hình trò chơi của Truebit khiến các bên liên quan hành xử theo hướng hợp lý. Quy trình cụ thể có thể tham khảo trong sách trắng của Gensyn. Nhân tiện đề cập, các dự án tính toán ngoài chuỗi tương tự Truebit cũng có cơ hội phát triển theo hướng này, có thể mở rộng thêm cơ hội kinh doanh. Tất nhiên, điều này cần đội ngũ đánh giá cơ hội.
So với độ khó triển khai mạng tính toán phi tập trung, chia sẻ mô hình AI và chia sẻ dữ liệu AI là lĩnh vực có cơ hội triển khai nhanh hơn. Hai khía cạnh dưới đây có thể là nơi AI và blockchain dễ đột phá sớm nhất: chia sẻ mô hình phi tập trung và chia sẻ dữ liệu phi tập trung.
Mô hình
Thông qua cơ chế khuyến khích bằng token để thúc đẩy chia sẻ mô hình, từ đó tạo ra các mô hình tốt hơn. Thậm chí, những mô hình này còn có thể triển khai trên chuỗi, do bất kỳ người tham gia nào cùng huấn luyện, thúc đẩy sự phát triển của mô hình. Ngoài ra, khi mô hình AI ngày càng phức tạp, niềm tin vào suy luận cũng trở nên then chốt. Đây chính là nơi suy luận đáng tin cậy trên chuỗi (on-chain trusted inference) có thể phát huy vai trò.
Trong lĩnh vực tinh chỉnh mô hình và suy luận, Giza, ChainML, Bittensor, Modulus Lab đang trong quá trình khám phá. Giza ra mắt thị trường mô hình trên chuỗi, triển khai các mô hình đơn giản trên chuỗi, thực hiện suy luận trên chuỗi, chủ sở hữu mô hình có thể thu phí khi mô hình được sử dụng.
Modulus thì đưa ra khái niệm zkML, cho rằng do vấn đề chi phí, chạy mô hình suy luận trên chuỗi là không thực tế. Giải pháp của họ là chạy mô hình suy luận ngoài chuỗi, sau đó tạo bằng chứng zkSNARKs, đưa bằng chứng lên chuỗi và sử dụng qua hợp đồng thông minh.
Dữ liệu
Sử dụng kinh tế token để khuyến khích người dùng phản hồi mô hình, khuyến khích người dùng thu thập dữ liệu chất lượng cao hơn. Cung cấp dữ liệu phân tán để thu được dữ liệu chất lượng cao, đặc biệt trong các lĩnh vực chuyên biệt, điều này rất quan trọng đối với sự phát triển AI. Đồng thời, có thể kết hợp với công nghệ ZK, giúp không tiết lộ quyền riêng tư ẩn sau dữ liệu. Khó khăn ở đây là làm sao chứng minh được chất lượng bản thân dữ liệu.
Việc kết hợp dữ liệu chất lượng cao với mô hình AI phi tập trung sẽ rất thú vị đối với sự phát triển AI.
Chống giả mạo
Hiện nay, sau khi xuất hiện các mô hình học sâu, hình ảnh, âm thanh, video do AI tạo ra ngày càng khó phân biệt thật giả. Trong thời đại nội dung do AI tạo ra, tính xác thực và chống sửa đổi nội dung ngày càng quan trọng. Blockchain là công cụ kỹ thuật quan trọng để giải quyết vấn đề này.
Danh tính và chữ ký mã hóa dữ liệu đảm bảo tính xác thực của nội dung sáng tạo, chứ không phải giả mạo. Đặc biệt khi công cụ AI bị lạm dụng, vấn đề này càng nghiêm trọng. Đây là công cụ kỹ thuật quan trọng để chống lại nội dung giả mạo. Trong thời đại thật giả lẫn lộn, cần dùng công nghệ mã hóa để phân biệt thật giả.
Ngoài ra, cần dùng công nghệ blockchain để xác lập quyền sở hữu. Ví dụ, cùng một bức tranh, hình ảnh do AI tạo ra và hình ảnh NFT khó phân biệt bề ngoài, lúc này cần blockchain phát huy vai trò.
AI bền vững hơn
AI khi tích hợp với blockchain, nhận được sự hỗ trợ về tính toán, mô hình, dữ liệu, băng thông, lưu trữ... từ đó có nền tảng cơ sở hạ tầng phi tập trung, tăng khả năng tự tiến hóa. Ngoài ra, lĩnh vực blockchain với thanh toán mã hóa, lưu thông giá trị cũng có thể hỗ trợ cho sự tiến hóa của AI.
Khi một hệ sinh thái blockchain hoàn chỉnh trưởng thành, AI sẽ có thêm nhiều khả năng tự tiến hóa. Nói cách khác, một AI phi tập trung hơn cũng là nhu cầu tự hiện thực hóa của AI, tận dụng đặc điểm phân tán của blockchain để phát triển AI cũng là yêu cầu nội tại của sự phát triển AI.
Đối với bản thân AI, nếu cuối cùng chỉ bị các gã khổng lồ như Microsoft, Google độc quyền, thì bất lợi cho quá trình tự tiến hóa. AI có nhu cầu phát triển phi tập trung tự nhiên, đây là nhu cầu nội tại để AI đạt được tính bền vững. Sức mạnh bùng nổ từ AI + blockchain có thể vượt xa trí tưởng tượng của con người.
Những điều AI có thể thúc đẩy blockchain
Sự tích hợp giữa AI và dữ liệu trên chuỗi
Phân tích dữ liệu động trên chuỗi bằng AI để có khả năng dự đoán, ví dụ như nghiên cứu đầu tư. Một điểm hấp dẫn nhất là, thông qua tích hợp AI, hợp đồng thông minh có thể thực hiện ra quyết định tự động động. Ví dụ, DeFi điều chỉnh theo dữ liệu thời gian thực... Một hợp đồng thông minh động chứ không tĩnh sẽ mở ra nhiều ứng dụng và nhu cầu người dùng hơn cho blockchain.
Sự phát triển của AI có thể mang lại khả năng mới cho ứng dụng mã hóa.
AI mang lại khả năng mới cho DeFi, game web3, mạng xã hội web3, ứng dụng web3 (giao thông, lưu trú, du lịch...). Ví dụ, AI + game web3 có thể tạo ra mô hình game chưa từng có; ví dụ AI + IoT + thanh toán mã hóa có thể tạo ra mạng lưới thông minh hơn.
Tầm quan trọng của ZKP
Để đảm bảo tính riêng tư và mức độ hoàn thành nhiệm vụ tính toán, cần có ZKP tham gia, tạo ra bằng chứng công việc có thể kiểm chứng. Khi ZKP trưởng thành, có thể đưa AI lên chuỗi, đồng thời cung cấp học máy có thể kiểm chứng và bảo vệ quyền riêng tư.
Nhìn chung, blockchain có thể thông qua mô hình phi tập trung, cung cấp một kiến trúc hợp tác cho giao thức sức mạnh tính toán, dữ liệu và mô hình, cuối cùng thúc đẩy sự phát triển của AI. Trong quá trình này, có nhiều chi tiết cần hoàn thiện, ví dụ cần chứng minh đóng góp của người tham gia (dù là sức mạnh tính toán, dữ liệu hay mô hình), chỉ khi hoàn thành những điều này với chi phí thấp, blockchain mới có cơ hội hỗ trợ AI, nếu không sẽ chỉ là xây nhà trên cát.
Tất nhiên, xét theo xu hướng, AI có nhu cầu tự nhiên với blockchain, AI cần blockchain để mang lại sự bền vững thực sự cho chính mình.
Đồng thời, AI cũng sẽ hỗ trợ cho sự tiến hóa ứng dụng blockchain, dù là DeFi, game hay các ứng dụng khác, đều có thể诞生 ra các ứng dụng mã hóa thông minh hơn. Đây có thể là câu chuyện lớn trong tương lai, dù có thể chưa chín muồi trong chu kỳ tới, nhưng có thể có cơ hội trong chu kỳ tiếp theo.
Những điều nêu trên chỉ là một phần, không đầy đủ, sẽ có bổ sung và điều chỉnh theo thời gian, rất mong mọi người bình luận bổ sung. (Bài viết hai tháng trước, quên đăng, hôm nay đăng bù.)
Cảnh báo rủi ro: Tất cả các phân tích trên đây chỉ là quan sát một chiều về công nghệ và thị trường, không nhất thiết đúng, vui lòng luôn giữ phán đoán riêng và kiểm soát rủi ro.
Chào mừng tham gia cộng đồng chính thức TechFlow
Nhóm Telegram:https://t.me/TechFlowDaily
Tài khoản Twitter chính thức:https://x.com/TechFlowPost
Tài khoản Twitter tiếng Anh:https://x.com/BlockFlow_News
蓝狐笔记
