ChatGPT sau một năm: Điểm nghẽn của AI tạo sinh và cơ hội cho Web3
Tuyển chọn TechFlowTuyển chọn TechFlow
ChatGPT sau một năm: Điểm nghẽn của AI tạo sinh và cơ hội cho Web3
Tại sao AI tạo sinh và Web3 cần nhau?
Chuyên sâu báo cáo Web3
Tóm tắt:
-
AI tạo sinh đã bùng nổ toàn cầu vào năm 2022, nhưng khi sự mới mẻ dần phai nhạt, một số vấn đề của AI tạo sinh cũng bắt đầu lộ rõ. Trong khi đó, lĩnh vực Web3 ngày càng trưởng thành, với đặc tính minh bạch hoàn toàn, có thể xác minh và phi tập trung, đang mở ra những hướng giải quyết mới cho các thách thức này.
-
AI tạo sinh là công nghệ mới nổi trong những năm gần đây, được phát triển dựa trên khung mạng thần kinh học sâu (deep learning), cả mô hình khuếch tán dùng để tạo ảnh và mô hình ngôn ngữ lớn như ChatGPT đều cho thấy tiềm năng thương mại khổng lồ.
-
Kiến trúc triển khai AI tạo sinh trong Web3 bao gồm cơ sở hạ tầng, mô hình, ứng dụng và dữ liệu. Trong đó, phần dữ liệu đặc biệt quan trọng khi kết hợp với Web3, có không gian phát triển rộng lớn. Các mô hình dữ liệu trên chuỗi, dự án đại lý AI (AI agent) và ứng dụng theo ngành dọc hứa hẹn sẽ trở thành định hướng phát triển chính trong tương lai.
-
Hiện tại, các dự án nổi bật trong lĩnh vực AI của Web3 đều bộc lộ điểm yếu về nền tảng cơ bản và khả năng thu hút giá trị kém. Tương lai phụ thuộc chủ yếu vào việc tạo ra làn sóng quan tâm mới hoặc cải tiến kinh tế học token.
-
AI tạo sinh trong lĩnh vực Web3 tiềm năng rất lớn, tương lai hứa hẹn nhiều câu chuyện kết hợp mới với các công nghệ phần mềm và phần cứng khác.
1. Vì sao AI tạo sinh và Web3 cần nhau?
Năm 2022 có thể xem là năm AI tạo sinh (Artificial Intelligence) lan tỏa khắp thế giới. Trước đó, AI tạo sinh chỉ là công cụ hỗ trợ giới chuyên môn, nhưng sau sự xuất hiện liên tiếp của Dalle-2, Stable Diffusion, Imagen, Midjourney, nội dung do AI tạo ra (AI-Generated Content - AIGC) đã trở thành xu hướng công nghệ mới nhất, tạo nên làn sóng mạnh mẽ trên mạng xã hội. Và ngay sau đó, ChatGPT ra đời như một quả bom tấn, đưa cơn sốt này lên đỉnh cao. Là công cụ AI đầu tiên chỉ cần nhập lệnh văn bản đơn giản (prompt) để trả lời hầu hết mọi câu hỏi, ChatGPT đã trở thành trợ lý làm việc hàng ngày của nhiều người. Nó đảm nhiệm đa dạng nhiệm vụ thường nhật như viết tài liệu, hỗ trợ bài tập, trợ lý email, sửa luận văn, thậm chí tư vấn tình cảm. Cộng đồng mạng sôi nổi nghiên cứu các prompt bí ẩn để tối ưu hóa kết quả từ ChatGPT, lần đầu tiên con người cảm nhận được "trí tuệ" thực sự của trí tuệ nhân tạo. Theo báo cáo của đội ngũ macro tại Goldman Sachs, AI tạo sinh có thể trở thành động lực thúc đẩy tăng trưởng năng suất lao động tại Mỹ; trong vòng 10 năm phát triển, nó có thể giúp GDP toàn cầu tăng 7% (khoảng 7 nghìn tỷ USD) và nâng tốc độ tăng trưởng năng suất thêm 1,5 điểm phần trăm.
Lĩnh vực Web3 cũng cảm nhận được làn gió AIGC, thị trường AI tăng điểm toàn diện vào tháng 1 năm 2023; Nguồn: https://www.coingecko.com/
Tuy nhiên, khi sự phấn khích ban đầu dần lắng xuống, lượng truy cập toàn cầu của ChatGPT lần đầu tiên giảm kể từ khi ra mắt vào tháng 6 năm 2023 (theo SimilarWeb). Đây là thời điểm thích hợp để suy ngẫm lại ý nghĩa và giới hạn của AI tạo sinh. Hiện tại, AI tạo sinh đang đối mặt với những khó khăn như: (1) Mạng xã hội tràn ngập nội dung AIGC chưa được cấp phép và không thể truy xuất nguồn gốc; (2) Chi phí bảo trì ChatGPT quá cao buộc OpenAI phải giảm chất lượng đầu ra để tiết kiệm chi phí; (3) Ngay cả các mô hình lớn trên toàn cầu vẫn tồn tại định kiến trong một số kết quả tạo ra.
Lưu lượng truy cập toàn cầu ChatGPT trên máy tính để bàn và thiết bị di động; Nguồn: Similarweb
Đồng thời, Web3 ngày càng trưởng thành với đặc tính phi tập trung, minh bạch hoàn toàn và có thể xác minh, mang đến những hướng giải pháp mới cho những khó khăn hiện tại của AI tạo sinh:
1. Tính minh bạch hoàn toàn và khả năng truy xuất nguồn gốc của Web3 có thể giải quyết thách thức về bản quyền và quyền riêng tư dữ liệu mà AI tạo sinh gây ra. Hai đặc tính này giúp xác minh nguồn gốc và tính xác thực của nội dung, từ đó làm tăng đáng kể chi phí tạo nội dung giả mạo hoặc vi phạm bản quyền như video remix bản quyền lộn xộn hay video DeepFake đổi mặt xâm phạm riêng tư người khác. Ngoài ra, việc sử dụng hợp đồng thông minh trong quản lý nội dung có thể giải quyết vấn đề bản quyền, đảm bảo người sáng tạo nhận được thù lao công bằng hơn từ tác phẩm của họ.
Video DeepFake: Đây không phải Morgan Freeman; Nguồn: Youtube
2. Đặc tính phi tập trung của Web3 có thể giảm thiểu rủi ro tập trung hóa sức mạnh xử lý AI. Việc phát triển AI tạo sinh đòi hỏi khối lượng tài nguyên tính toán khổng lồ; ước tính chi phí huấn luyện ChatGPT dựa trên GPT-3 ít nhất 2 triệu USD, riêng tiền điện mỗi ngày khoảng 47.000 USD, và con số này sẽ tăng theo cấp số nhân cùng với quy mô và công nghệ. Hiện tại, tài nguyên tính toán vẫn tập trung chủ yếu trong tay các công ty lớn, dẫn đến chi phí phát triển, bảo trì và vận hành cực kỳ cao, đồng thời tiềm ẩn rủi ro tập trung, khiến các công ty nhỏ khó cạnh tranh. Mặc dù ngắn hạn, việc huấn luyện mô hình lớn có thể vẫn cần môi trường tập trung vì đòi hỏi lượng tài nguyên khổng lồ, nhưng trong Web3, công nghệ blockchain mở ra khả năng phân phối suy luận mô hình, quản trị bỏ phiếu cộng đồng và token hóa mô hình. Lấy ví dụ sàn giao dịch phi tập trung (DEX) thành công, chúng ta có thể thiết kế hệ thống suy luận AI phi tập trung do cộng đồng điều hành, nơi quyền sở hữu mô hình lớn thuộc về cộng đồng và được cộng đồng quản trị.
Ngay cả khi sử dụng chip H100 mới nhất để huấn luyện GPT-3, chi phí mỗi FLOPs vẫn rất cao; Nguồn: substake.com
3. Có thể tận dụng đặc tính của Web3 để tối ưu tính đa dạng của bộ dữ liệu AI và khả năng giải thích của mô hình AI. Phương pháp thu thập dữ liệu truyền thống chủ yếu dựa vào bộ dữ liệu công khai hoặc tự thu thập, thường bị giới hạn bởi vùng miền và văn hóa. Điều này có thể khiến nội dung do chương trình AIGC tạo ra và câu trả lời từ ChatGPT mang định kiến chủ quan của một nhóm dân tộc nào đó, ví dụ thay đổi sắc da mục tiêu. Nhờ mô hình khuyến khích bằng token của Web3, chúng ta có thể tối ưu cách thu thập dữ liệu, thu thập dữ liệu từ khắp nơi trên thế giới và gán trọng số phù hợp. Đồng thời, tính minh bạch và truy xuất nguồn gốc của Web3 có thể tăng thêm khả năng giải thích cho mô hình, khuyến khích đầu ra đa dạng để làm phong phú mô hình.
Mục đích tăng độ phân giải nhưng AI lại biến Obama thành người da trắng; Nguồn: Twitter
4. Có thể tận dụng lượng dữ liệu khổng lồ trên chuỗi của Web3 để huấn luyện các mô hình AI độc đáo. Hiện tại, phương pháp thiết kế và huấn luyện mô hình AI thường được xây dựng dựa trên cấu trúc dữ liệu mục tiêu (văn bản, giọng nói, hình ảnh hoặc video). Một hướng phát triển tương lai độc đáo khi kết hợp Web3 và AI là tham khảo phương pháp xây dựng và huấn luyện mô hình ngôn ngữ lớn, sử dụng cấu trúc dữ liệu độc đáo trên chuỗi Web3 để xây dựng mô hình dữ liệu lớn trên chuỗi. Điều này có thể cung cấp góc nhìn độc đáo mà các phương pháp phân tích dữ liệu khác không thể chạm tới (theo dõi dòng tiền thông minh, xu hướng vốn dự án,...), đồng thời so với phân tích chuỗi thủ công, AI có lợi thế xử lý song song lượng dữ liệu khổng lồ.
Phân tích tự động trên chuỗi, giám sát thông tin chuỗi để nắm bắt tin tức đầu tiên; Nguồn: nansen.ai
5. AI tạo sinh có tiềm năng trở thành trợ lực mạnh mẽ giúp giảm门槛 tham gia thế giới Web3. Hiện tại, mô hình tham gia phổ biến của các dự án Web3 yêu cầu người dùng hiểu biết sâu về các khái niệm phức tạp trên chuỗi và logic vận hành ví, điều này làm tăng đáng kể chi phí học tập và rủi ro thao tác sai. Trong khi đó, các ứng dụng tương tự trong Web2 đã áp dụng triết lý thiết kế sản phẩm "lười biếng" trong nhiều năm, giúp người dùng dễ dàng tiếp cận và sử dụng an toàn. AI tạo sinh có thể hỗ trợ các dự án theo định hướng intent-centric, đóng vai trò là "trợ lý thông minh" giữa người dùng và giao thức trong Web3, từ đó nâng cao trải nghiệm người dùng cho sản phẩm Web3.
6. Web3 còn tạo ra nhu cầu nội dung khổng lồ, và AI tạo sinh trở thành phương tiện then chốt để đáp ứng nhu cầu này. AI tạo sinh có thể tạo ra lượng lớn nội dung bài viết, hình ảnh, âm thanh và video cho Web3, thúc đẩy sự phát triển của các ứng dụng phi tập trung (dApp), từ thị trường NFT đến tài liệu hợp đồng thông minh, đều có thể hưởng lợi từ nội dung đa dạng do AI tạo ra.
Dù AI tạo sinh và Web3 đều gặp thách thức riêng, nhu cầu lẫn nhau và các giải pháp phối hợp của chúng có thể định hình tương lai của thế giới kỹ thuật số. Sự hợp tác này sẽ nâng cao chất lượng và độ tin cậy của sáng tạo nội dung, thúc đẩy sự phát triển của hệ sinh thái kỹ thuật số, đồng thời mang đến trải nghiệm kỹ thuật số có giá trị hơn cho người dùng. Sự phát triển song hành của AI tạo sinh và Web3 sẽ vẽ nên chương mới đầy hứng khởi trong kỷ nguyên kỹ thuật số.
2. Tổng kết công nghệ AI tạo sinh
2.1 Bối cảnh công nghệ AI tạo sinh
Kể từ khi khái niệm AI được đưa ra vào những năm 1950, ngành này đã trải qua nhiều đợt thăng trầm, mỗi lần đột phá công nghệ chính đều mang theo làn sóng mới, và lần này AI tạo sinh cũng không ngoại lệ. AI tạo sinh, một khái niệm mới nổi trong khoảng 10 năm trở lại đây, nhờ hiệu suất công nghệ và sản phẩm ấn tượng gần đây, đã vượt trội khỏi nhiều hướng nghiên cứu con của AI, thu hút sự chú ý toàn cầu chỉ trong một đêm. Trước khi đi sâu hơn vào kiến trúc công nghệ của AI tạo sinh, chúng ta cần làm rõ nghĩa cụ thể của AI tạo sinh được thảo luận trong bài viết này, đồng thời điểm lại sơ lược các thành phần công nghệ cốt lõi của AI tạo sinh đang gây sốt gần đây.
Trí tuệ nhân tạo tạo sinh là một loại trí tuệ nhân tạo có thể tạo ra nội dung và ý tưởng mới (bao gồm hội thoại, câu chuyện, hình ảnh, video và nhạc), được xây dựng dựa trên khung mạng thần kinh học sâu, sử dụng lượng dữ liệu khổng lồ để huấn luyện, là mô hình chứa số lượng tham số cực lớn. Các sản phẩm AI tạo sinh nổi bật gần đây có thể chia đơn giản thành hai loại: một là sản phẩm tạo ảnh (video) dựa trên đầu vào văn bản hoặc phong cách, hai là sản phẩm kiểu ChatGPT dựa trên đầu vào văn bản. Thực tế, hai loại sản phẩm này đều sử dụng cùng công nghệ cốt lõi, đó là mô hình ngôn ngữ lớn (Large Language Model - LLM) dựa trên kiến trúc Transformer. Trên nền tảng này, loại thứ nhất bổ sung mô hình khuếch tán (Diffusion Model) để tạo ảnh hoặc video chất lượng cao từ văn bản, còn loại thứ hai bổ sung huấn luyện tăng cường từ phản hồi con người (Reinforcement Learning from Human Feedback - RLHF) để đạt được kết quả đầu ra gần với mức logic của con người.
2.2 Kiến trúc công nghệ hiện tại của AI tạo sinh:
Nhiều bài viết xuất sắc trước đây đã thảo luận từ nhiều góc độ về ý nghĩa của AI tạo sinh đối với kiến trúc công nghệ hiện có, ví dụ như bài viết của A16z "Ai sở hữu nền tảng AI tạo sinh?", trong đó tổng kết toàn diện kiến trúc công nghệ hiện tại của AI tạo sinh:
Kiến trúc công nghệ chính của AI tạo sinh; Nguồn: Ai sở hữu nền tảng AI tạo sinh？
Bài nghiên cứu này chia kiến trúc AI tạo sinh Web2 hiện tại thành ba tầng: cơ sở hạ tầng (sức mạnh tính toán), mô hình và ứng dụng, đồng thời đưa ra quan điểm về sự phát triển hiện tại của ba tầng này.
Về cơ sở hạ tầng, mặc dù hiện tại vẫn chủ yếu theo logic hạ tầng Web2, các dự án hạ tầng thực sự dành riêng cho sự kết hợp Web3 và AI vẫn rất hiếm. Đồng thời, hạ tầng cũng là phần hiện tại thu hút được nhiều giá trị nhất, các gã khổng lồ công nghệ Web2凭借 decades of深耕 in storage and computing have gained substantial returns by "selling picks and shovels" during the current AI exploration phase.
Về mô hình, lẽ ra phải là người sáng tạo và sở hữu thực sự của AI, nhưng hiện tại các mô hình kinh doanh cho phép tác giả mô hình thu được giá trị thương mại tương xứng vẫn rất ít.
Về ứng dụng, một vài lĩnh vực theo ngành dọc tuy đã tích lũy doanh thu vượt hàng trăm triệu USD, nhưng chi phí bảo trì cao và tỷ lệ giữ chân người dùng thấp không đủ để duy trì mô hình kinh doanh dài hạn.
2.3 Ví dụ ứng dụng AI tạo sinh với Web3
2.3.1 Ứng dụng phân tích dữ liệu khổng lồ của Web3 bằng AI
Dữ liệu là cốt lõi để xây dựng rào cản công nghệ trong lĩnh vực phát triển AI tương lai. Để hiểu tầm quan trọng này, hãy xem xét một nghiên cứu về nguồn gốc hiệu suất của mô hình lớn. Nghiên cứu này cho thấy mô hình AI lớn thể hiện một khả năng nổi bật độc đáo: bằng cách liên tục tăng quy mô mô hình, khi vượt ngưỡng nhất định, độ chính xác của mô hình sẽ tăng vọt. Như hình dưới đây, mỗi biểu đồ đại diện cho một nhiệm vụ huấn luyện, mỗi đường gấp khúc thể hiện hiệu suất (độ chính xác) của một mô hình lớn. Các thí nghiệm trên các mô hình lớn khác nhau đều đưa đến kết luận nhất quán: sau khi quy mô mô hình vượt ngưỡng nhất định, hiệu suất trên các nhiệm vụ khác nhau đều thể hiện sự tăng trưởng đột phá.
Mối quan hệ giữa quy mô mô hình và hiệu suất mô hình; Nguồn: Emergent Analogical Reasoning in Large Language Models
Nói đơn giản, lượng biến về quy mô mô hình dẫn đến chất biến về hiệu suất mô hình. Quy mô mô hình này liên quan đến số lượng tham số mô hình, thời gian huấn luyện và chất lượng dữ liệu huấn luyện. Hiện tại, khi số lượng tham số mô hình (các công ty đều có đội ngũ thiết kế hàng đầu) và thời gian huấn luyện (phần cứng tính toán đều mua của Nvidia) khó tạo ra sự khác biệt, muốn tạo ra sản phẩm vượt trội đối thủ, một con đường là tìm kiếm điểm đau nhu cầu phân khúc tuyệt vời để tạo ứng dụng killer, nhưng điều này đòi hỏi hiểu biết sâu sắc và trực giác tuyệt vời về lĩnh vực mục tiêu; con đường khác thực tế và khả thi hơn là thu thập dữ liệu nhiều hơn và toàn diện hơn đối thủ.
Điều này cũng giúp AI tạo sinh tìm được điểm khởi đầu tốt khi bước vào lĩnh vực Web3. Các mô hình lớn AI hiện có hoặc mô hình nền tảng đều được huấn luyện dựa trên lượng dữ liệu khổng lồ của các lĩnh vực khác nhau, và tính độc đáo của dữ liệu trên chuỗi Web3 khiến mô hình dữ liệu lớn trên chuỗi trở thành con đường khả thi đáng mong đợi. Hiện tại trong lớp dữ liệu Web3 có hai logic sản phẩm: thứ nhất là cung cấp khuyến khích cho người cung cấp dữ liệu, bảo vệ quyền riêng tư và quyền sở hữu dữ liệu của người sở hữu, đồng thời khuyến khích người dùng chia sẻ quyền sử dụng dữ liệu. Ocean Protocol cung cấp một mô hình chia sẻ dữ liệu tốt. Thứ hai là nhà phát triển tích hợp dữ liệu và ứng dụng, cung cấp dịch vụ cho người dùng nhằm thực hiện nhiệm vụ cụ thể. Ví dụ Trusta Lab thu thập và phân tích dữ liệu trên chuỗi của người dùng, thông qua hệ thống điểm MEDIA score độc quyền, có thể cung cấp dịch vụ phân tích tài khoản Sybil, phân tích rủi ro tài sản trên chuỗi, v.v.
2.3.2 Ứng dụng đại lý AI (AI Agent) trong Web3
Ngoài ra, ứng dụng AI Agent trên chuỗi được đề cập trước đó cũng đang rất hot – Với sự hỗ trợ của mô hình ngôn ngữ lớn, dưới tiền đề đảm bảo quyền riêng tư người dùng, cung cấp dịch vụ định lượng trên chuỗi. Theo bài viết của Lilian Weng, Trưởng nhóm nghiên cứu AI tại OpenAI, có thể chia AI Agent thành bốn thành phần, tức Agent = LLM + Lập kế hoạch (Planning) + Bộ nhớ (Memory) + Sử dụng công cụ (Tool use). LLM là cốt lõi của AI Agent, chịu trách nhiệm tương tác bên ngoài, học dữ liệu khổng lồ và diễn đạt logic bằng ngôn ngữ tự nhiên. Phần Lập kế hoạch + Bộ nhớ tương tự như khái niệm action, policy và reward trong công nghệ học tăng cường huấn luyện AlphaGo. Phân nhỏ mục tiêu nhiệm vụ thành các mục tiêu nhỏ, học giải pháp tối ưu cho mục tiêu nhiệm vụ thông qua nhiều lần huấn luyện lặp lại và phản hồi, đồng thời lưu trữ thông tin thu được vào các loại bộ nhớ khác nhau theo chức năng. Về Sử dụng công cụ, ám chỉ việc agent sử dụng các công cụ như gọi module, truy xuất thông tin internet, kết nối nguồn thông tin chuyên biệt hoặc API, v.v., cần lưu ý phần thông tin này thường khó thay đổi sau khi tiền huấn luyện.
Sơ đồ tổng quan AI Agent; Nguồn: LLM Powered Autonomous Agents
Kết hợp logic thực hiện cụ thể của AI Agent, chúng ta có thể tưởng tượng rộng rãi rằng sự kết hợp Web3 + AI Agent sẽ mở ra vô số khả năng, ví dụ:
-
Trong các ứng dụng giao dịch hiện tại có thể tích hợp mô hình AI Agent, cung cấp giao diện tương tác ở cấp độ ngôn ngữ tự nhiên cho khách hàng, thực hiện các chức năng giao dịch bao gồm dự đoán giá, chiến lược giao dịch, chiến lược cắt lỗ, điều chỉnh đòn bẩy động, sao chép thông minh KOL, cho vay, v.v.
-
Khi thực hiện chiến lược định lượng, có thể phân nhỏ chiến lược thành các nhiệm vụ con giao cho các AI Agent khác nhau thực hiện, các AI Agent hợp tác lẫn nhau, vừa nâng cao an toàn bảo mật quyền riêng tư, vừa có thể giám sát thời gian thực để ngăn đối thủ khai thác lỗ hổng chống bot.
-
Lượng lớn NPC trong game chuỗi cũng là hướng ứng dụng tự nhiên với AI Agent, hiện đã có dự án ứng dụng GPT để tạo nội dung hội thoại nhân vật động, và tương lai hứa hẹn không chỉ giới hạn ở văn bản đặt sẵn, mà nâng cấp thành tương tác NPC game thời gian thực thực tế hơn (thậm chí người số hóa) có thể tự tương tác mà không cần can thiệp người chơi. Dự án "Thị trấn ảo" do Đại học Stanford phát hành là ví dụ ứng dụng tuyệt vời.
Mặc dù hiện tại các dự án Web3 + AI Agent vẫn tập trung ở thị trường sơ cấp hoặc phía hạ tầng AI, chưa có ứng dụng killer To C xuất hiện, nhưng tin rằng khi kết hợp với các đặc tính của blockchain như quản trị phi tập trung trên chuỗi, suy luận chứng minh kiến thức không (zero-knowledge proof), phân phối mô hình, nâng cao khả năng giải thích, v.v., dự án Web3 + AI thay đổi cuộc chơi trong tương lai đáng được mong đợi.
2.3.3 Ứng dụng tiềm năng theo ngành dọc của Web3 + AI
A. Ứng dụng lĩnh vực giáo dục
Trong sự kết hợp Web3 và AI, lĩnh vực giáo dục đón nhận một cuộc cách mạng, trong đó lớp học thực tế ảo tạo sinh là một đổi mới nổi bật. Bằng cách nhúng công nghệ AI vào nền tảng học trực tuyến, học sinh có thể nhận được trải nghiệm học tập cá nhân hóa, hệ thống tạo nội dung giáo dục tùy chỉnh dựa trên lịch sử học tập và sở thích của học sinh. Phương pháp cá nhân hóa này hứa hẹn nâng cao động lực và hiệu quả học tập của học sinh, khiến giáo dục sát hơn với nhu cầu cá nhân.
Học sinh tham gia lớp học thực tế ảo qua thiết bị VR đắm chìm; Nguồn: Đội V-SENSE
Ngoài ra, mô hình tín chỉ khuyến khích bằng token cũng là một thực tiễn đổi mới trong lĩnh vực giáo dục. Thông qua công nghệ blockchain, tín chỉ và thành tích của học sinh có thể được mã hóa thành token, tạo thành hệ thống tín chỉ kỹ thuật số. Cơ chế khuyến khích này khuyến khích học sinh tích cực tham gia hoạt động học tập, tạo ra môi trường học tập có tính tham gia và khuyến khích cao hơn.
Đồng thời, lấy cảm hứng từ dự án SocialFi FriendTech đang rất hot gần đây, logic định giá key gắn ID tương tự cũng có thể dùng để xây dựng hệ thống đánh giá lẫn nhau giữa bạn học, mang thêm yếu tố xã hội vào giáo dục. Nhờ tính bất biến của blockchain, đánh giá giữa bạn học trở nên công bằng và minh bạch hơn. Cơ chế đánh giá lẫn nhau này không chỉ giúp rèn luyện năng lực hợp tác nhóm và năng lực xã hội cho học sinh, mà còn cung cấp đánh giá học sinh toàn diện, đa chiều hơn, đưa vào hệ thống giáo dục thêm nhiều cách đánh giá đa dạng và toàn diện.
B. Ứng dụng lĩnh vực y tế
Trong lĩnh vực y tế, sự kết hợp Web3 và AI thúc đẩy sự phát triển của học liên kết (federated learning) và suy luận phân tán. Thông qua kết hợp tính toán phân tán và học máy, các chuyên gia y tế có thể chia sẻ dữ liệu trong phạm vi rộng lớn, thực hiện học tập nhóm sâu và toàn diện hơn. Phương pháp trí tuệ tập thể này có thể đẩy nhanh nghiên cứu chẩn đoán bệnh và phương án điều trị, thúc đẩy tiến bộ trong lĩnh vực y học.
Bảo vệ quyền riêng tư là vấn đề then chốt không thể bỏ qua trong ứng dụng y tế. Thông qua tính phi tập trung của Web3 và tính bất biến của blockchain, dữ liệu y tế của bệnh nhân có thể được lưu trữ và truyền tải an toàn hơn. Hợp đồng thông minh có thể thực hiện kiểm soát chính xác và quản lý quyền truy cập dữ liệu y tế, đảm bảo chỉ những người được ủy quyền mới có thể truy cập thông tin nhạy cảm của bệnh nhân, từ đó bảo vệ quyền riêng tư dữ liệu y tế.
C. Ứng dụng lĩnh vực bảo hiểm
Trong lĩnh vực bảo hiểm, sự tích hợp Web3 và AI hứa hẹn mang lại giải pháp hiệu quả và thông minh hơn cho nghiệp vụ truyền thống. Ví dụ trong bảo hiểm ô tô và nhà cửa, việc ứng dụng công nghệ thị giác máy tính giúp công ty bảo hiểm đánh giá giá trị tài sản và mức độ rủi ro hiệu quả hơn thông qua phân tích hình ảnh và định giá. Điều này cung cấp chiến lược định giá tinh vi, cá nhân hóa hơn cho công ty bảo hiểm, nâng cao mức độ quản lý rủi ro trong ngành bảo hiểm.
Sử dụng công nghệ AI để định giá bồi thường; Nguồn: Tractable Inc
Đồng thời, bồi thường tự động trên chuỗi cũng là một đổi mới trong ngành bảo hiểm. Dựa trên hợp đồng thông minh và công nghệ blockchain, quy trình bồi thường có thể minh bạch, hiệu quả hơn, giảm thiểu thủ tục rườm rà và khả năng can thiệp con người. Điều này không chỉ nâng cao tốc độ bồi thường, mà còn giảm chi phí vận hành, mang lại trải nghiệm tốt hơn cho công ty bảo hiểm và khách hàng.
Việc điều chỉnh phí bảo hiểm động là một thực tiễn đổi mới khác, thông qua phân tích dữ liệu thời gian thực và thuật toán học máy, công ty bảo hiểm có thể điều chỉnh phí bảo hiểm chính xác và kịp thời hơn, định giá cá nhân hóa theo tình trạng rủi ro thực tế của người được bảo hiểm. Điều này không chỉ làm cho phí bảo hiểm công bằng hơn, mà còn khuyến khích người được bảo hiểm áp dụng hành vi lành mạnh, an toàn hơn, thúc đẩy quản lý rủi ro và phòng ngừa trong toàn xã hội.
D. Ứng dụng lĩnh vực bản quyền
Trong lĩnh vực bản quyền, sự kết hợp Web3 và AI mang lại khuôn mẫu mới cho sáng tạo nội dung kỹ thuật số, đề xuất kế hoạch và phát triển mã nguồn. Thông qua hợp đồng thông minh và lưu trữ phi tập trung, thông tin bản quyền nội dung kỹ thuật số có thể được bảo vệ tốt hơn, người sáng tạo tác phẩm có thể dễ dàng theo dõi và quản lý quyền sở hữu trí tuệ của mình. Đồng thời, thông qua công nghệ blockchain, có thể xây dựng hồ sơ sáng tạo minh bạch, bất biến, cung cấp phương tiện đáng tin cậy hơn cho việc truy xuất nguồn gốc và xác thực tác phẩm.
Đổi mới mô hình làm việc cũng là một biến đổi quan trọng trong lĩnh vực bản quyền. Làm việc hợp tác khuyến khích bằng token kết hợp đóng góp công việc với khuyến khích token, khuyến khích người sáng tạo, người lập kế hoạch và nhà phát triển cùng tham gia dự án. Điều này không chỉ thúc đẩy hợp tác giữa các nhóm sáng tạo, mà còn mang lại cơ hội cho người tham gia hưởng lợi trực tiếp từ thành công dự án, thúc đẩy sự xuất hiện của nhiều tác phẩm xuất sắc hơn.
Mặt khác, việc sử dụng token như bằng chứng bản quyền tái cấu trúc mô hình phân phối lợi ích. Thông qua cơ chế chia lợi nhuận tự động thực hiện bởi hợp đồng thông minh, các bên tham gia tác phẩm có thể nhận được phần lợi nhuận tương ứng thời gian thực khi tác phẩm được sử dụng, bán hoặc chuyển nhượng. Mô hình chia lợi nhuận phi tập trung này giải quyết hiệu quả vấn đề thiếu minh bạch và chậm trễ trong mô hình bản quyền truyền thống, mang lại cơ chế phân phối lợi ích công bằng, hiệu quả hơn cho người sáng tạo.
E. Ứng dụng lĩnh vực metaverse
Trong lĩnh vực metaverse, sự tích hợp Web3 và AI mở ra khả năng mới để tạo nội dung AIGC chi phí thấp cho game chuỗi. Nội dung game được làm phong phú nhờ môi trường và nhân vật ảo do thuật toán AI tạo ra, mang lại trải nghiệm chơi sống động, đa dạng hơn cho người dùng, đồng thời giảm chi phí nhân lực và thời gian trong quá trình sản xuất.
Việc tạo người số hóa là một đổi mới trong ứng dụng metaverse. Kết hợp tạo hình bề ngoài chi tiết đến từng sợi tóc và xây dựng tư duy dựa trên mô hình ngôn ngữ lớn, người số hóa được tạo ra có thể đóng nhiều vai trò trong metaverse, tương tác với người dùng, thậm chí tham gia vào song sinh kỹ thuật số của các tình huống thực tế. Điều này cung cấp trải nghiệm thực tế và sâu sắc hơn cho sự phát triển thực tế ảo, thúc đẩy ứng dụng rộng rãi công nghệ người ảo kỹ thuật số trong giải trí, giáo dục và các lĩnh vực khác.
Tự động tạo nội dung quảng cáo theo chân dung người dùng trên chuỗi là một ứng dụng sáng tạo thông minh trong lĩnh vực metaverse. Bằng cách phân tích hành vi và sở thích của người dùng trong metaverse, thuật toán AI có thể tạo nội dung quảng cáo cá nhân hóa, hấp dẫn hơn, nâng cao tỷ lệ nhấp và mức độ tham gia của người dùng. Cách tạo quảng cáo này không chỉ phù hợp hơn với sở thích người dùng, mà còn mang lại kênh quảng bá hiệu quả hơn cho nhà quảng cáo.
NFT tương tác tạo sinh là một công nghệ nổi bật trong lĩnh vực metaverse. Bằng cách kết hợp NFT với thiết kế tạo sinh, người dùng có thể tham gia sáng tạo tác phẩm nghệ thuật NFT của riêng mình trong metaverse, trao cho chúng tính tương tác và tính độc đáo. Điều này mở ra khả năng mới cho việc sáng tạo và giao dịch tài sản kỹ thuật số, thúc đẩy sự phát triển nghệ thuật số và nền kinh tế ảo trong metaverse.
3. Các dự án liên quan Web3
Ở đây tác giả chọn năm dự án: Render Network và Akash Network là hạ tầng AI chung và những ông lớn lâu đời trong lĩnh vực AI, Bittensor là dự án nổi bật về mô hình, Alethea.ai là dự án ứng dụng liên quan chặt chẽ đến AI tạo sinh, Fetch.ai là dự án tiêu biểu trong lĩnh vực đại lý AI, để nhìn thoáng qua hiện trạng các dự án AI tạo sinh trong lĩnh vực Web3.
3.1 Render Network ($RNDR)
Render Network được Jules Urbach, người sáng lập công ty mẹ OTOY, thành lập vào năm 2017. OTOY chuyên về kết xuất đồ họa trên đám mây, từng tham gia sản xuất các dự án điện ảnh đoạt giải Oscar, có Google và cố vấn đồng sáng lập Mozilla, và tham gia nhiều dự án hợp tác với Apple. Render Network, được phát triển từ OTOY sang lĩnh vực Web3, được thành lập nhằm tận dụng tính phân tán của công nghệ blockchain để kết nối nhu cầu và tài nguyên kết xuất/AI quy mô nhỏ, giúp các xưởng nhỏ tiết kiệm chi phí thuê tài nguyên tính toán tập trung đắt đỏ (như AWS, MS Azure và Alibaba Cloud), đồng thời mang lại thu nhập cho những ai có tài nguyên tính toán nhàn rỗi.
Do Render được phát triển bởi OTOY, công ty sở hữu trình kết xuất hiệu suất cao Octane Render, cộng với logic kinh doanh rõ ràng, nên ngay từ đầu đã được coi là dự án Web3 có nhu cầu và nền tảng cơ bản. Trong thời gian AI tạo sinh bùng nổ, nhu cầu về nhiệm vụ xác minh phân tán và suy luận phân tán tăng mạnh, hoàn toàn phù hợp với kiến trúc kỹ thuật hiện tại của Render, được coi là một trong những hướng phát triển đáng mong đợi trong tương lai. Đồng thời, Render nhiều năm liền giữ vị trí dẫn đầu trong lĩnh vực AI của Web3, đã phát triển đến mức độ meme nhất định, luôn hưởng lợi từ đà tăng giá mỗi khi có làn sóng kể chuyện về AI, metaverse, tính toán phân tán, có thể nói là khá toàn diện.
Render Network tuyên bố vào tháng 2 năm 2023 sẽ cập nhật chế độ định giá phân cấp mới và cơ chế ổn định giá $RNDR do cộng đồng bỏ phiếu (tuy nhiên chưa xác định thời điểm上线), đồng thời tuyên bố dự án sẽ chuyển từ Polygon sang Solana (đồng thời nâng cấp token $RNDR thành token $RENDER theo tiêu chuẩn SPL của Solana, dự án đã hoàn thành chuyển đổi vào tháng 11 năm 2023).
Chế độ định giá phân cấp mới của Render Network chia dịch vụ trên chuỗi thành ba hạng, từ cao đến thấp tương ứng với dịch vụ kết xuất chất lượng và giá cả khác nhau, người có nhu cầu kết xuất có thể tự chọn.
Ba cấp độ trong chế độ định giá phân cấp mới của Render Network
Cơ chế ổn định giá $RNDR do cộng đồng bỏ phiếu thay đổi từ việc mua lại không định kỳ trước đây sang mô hình "Burn-and-Mint Equilibrium (BME)", làm rõ hơn định hướng của $RNDR là token thanh toán ổn định về giá chứ không phải tài sản nắm giữ dài hạn. Quy trình kinh doanh cụ thể trong một Epoch BME như sau:
-
Tạo sản phẩm "Product Creation". Người tạo sản phẩm "Product creators" trên Render, cũng là người cung cấp tài nguyên kết xuất, gói tài nguyên kết xuất nhàn rỗi thành sản phẩm (node), đăng lên mạng chờ sử dụng;
-
Mua sản phẩm "Purchasing Product". Khách hàng có nhu cầu kết xuất nếu có token $RNDR thì trực tiếp burn token để thanh toán phí dịch vụ, nếu không thì mua $RNDR bằng tiền pháp định trên DEX rồi burn token. Giá thanh toán cho dịch vụ sẽ được ghi công khai trên chuỗi.
-
Đúc token "Mint Token". Phân bổ token mới theo quy tắc đã định trước.
Ghi chú: Render Network thu 5% phí thanh toán từ người mua sản phẩm cho mỗi giao dịch để vận hành dự án.
Epoch Burn-and-Mint Equilibrium; Credit to Petar Atanasovski; Nguồn: Medium
Theo quy tắc đã định, trong mỗi Epoch thực hiện BME, sẽ có số lượng token mới được đúc theo kế hoạch (số lượng dự kiến sẽ giảm dần theo thời gian). Token mới đúc sẽ được phân bổ cho ba bên:
-
Người tạo sản phẩm. Người tạo sản phẩm nhận theo hai khía cạnh:
-
Thưởng hoàn thành nhiệm vụ. Thưởng theo số lượng nhiệm vụ kết xuất hoàn thành của từng node sản phẩm, rất dễ hiểu.
-
Thưởng online. Thưởng theo thời gian mỗi node sản phẩm trực tuyến chờ việc, khuyến khích tài nguyên nhàn rỗi trực tuyến nhiều để nhận việc.
-
Người mua sản phẩm. Tương tự phiếu giảm giá khi mua hàng, người mua có thể nhận lại token $RNDR với tỷ lệ lên đến 100%, khuyến khích sử dụng Render Network trong tương lai.
-
Người cung cấp thanh khoản DEX (Sàn giao dịch phi tập trung). Người cung cấp thanh khoản trong DEX hợp tác, vì đảm bảo khi cần burn $RNDR có thể mua đủ số lượng $RNDR với giá hợp lý, có thể nhận thưởng theo số lượng $RNDR stake.
Nguồn: coingecko.com
Từ xu hướng giá $RNDR trong một năm gần đây có thể thấy, với tư cách là dự án dẫn đầu lâu năm trong lĩnh vực AI của Web3, $RNDR đã hưởng lợi từ làn sóng AI do ChatGPT tạo ra vào cuối năm 2022 và đầu năm 2023, đồng thời với việc công bố cơ chế token mới, giá $RNDR đạt đỉnh cao vào nửa đầu năm 2023. Sau khi đi ngang nửa cuối năm, với sự phục hồi AI do buổi ra mắt sản phẩm mới của OpenAI và kỳ vọng tích cực về việc Render Network chuyển sang Solana và cơ chế token mới sắp triển khai, giá $RNDR tiếp tục tăng, đạt mức cao nhất trong những năm gần đây. Do cơ bản $RNDR thay đổi rất ít, đối với nhà đầu tư, trong tương lai cần thận trọng hơn trong quản lý vị thế và kiểm soát rủi ro khi đầu tư $RNDR.
Số lượng node hàng tháng của Render Network
Số lượng cảnh kết xuất hàng tháng của Render Network; Nguồn: Dune.com
Đồng thời, từ bảng điều khiển dữ liệu Dune có thể thấy, kể từ đầu năm 2023, tổng số nhiệm vụ kết xuất tăng lên, nhưng số lượng node kết xuất không tăng. Điều này cho thấy người dùng tăng thêm đều là người có nhu cầu kết xuất (chứ không phải người có tài nguyên kết xuất
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
@gryphsisacademy
