Dự đoán tiền mã hóa DWF 2024: Tiềm năng và thách thức của DAI, dẫn dắt tương lai AI thông qua Web3
Tuyển chọn TechFlowTuyển chọn TechFlow
Dự đoán tiền mã hóa DWF 2024: Tiềm năng và thách thức của DAI, dẫn dắt tương lai AI thông qua Web3
Hợp tác, bao dung và các yếu tố đạo đức sẽ là chìa khóa định hình một cảnh quan DAI thực sự mang lại lợi ích cho nhân loại.
Chuyên sâu báo cáo Web3Tác giả: DWF Labs Research
Biên dịch: Sharon, Luccy, BlockBeats
Lời bàn biên tập:
Trong năm vừa qua, việc ra mắt ChatGPT 3.5 đã làm dấy lên mối lo ngại và tranh luận sôi nổi về trí tuệ nhân tạo (AI), Vitalik cũng chỉ ra trong bài viết của mình rằng nhiều người lo sợ sự độc quyền của AI, do đó có xu hướng trì hoãn tiến trình phát triển này. DWF Labs Research đi sâu phân tích bước đột phá của ChatGPT 3.5 đối với ảnh hưởng của AI trong kỷ nguyên Web3, phơi bày các thách thức mà AI đang phải đối mặt, cũng như tiềm năng của DAI (AI phi tập trung).
Dưới đây là bản dịch nguyên văn:
Vào cuối năm, chúng tôi sẽ cùng thảo luận một trong những chủ đề nóng nhất năm nay — trí tuệ nhân tạo (AI). Trong năm qua, AI trở thành tâm điểm chú ý sau khi OpenAI cho ra mắt ChatGPT 3.5. Sự kiện này đã minh chứng rõ ràng tiềm năng kinh tế khổng lồ của AI, đồng thời khơi mào các cuộc tranh luận toàn cầu về tương lai, tác động và rủi ro liên quan đến công nghệ này.
Kèm theo sự lạc quan tăng cao là sự hoài nghi ngày càng lớn, và những hệ quả tiềm tàng bắt đầu thu hút sự chú ý từ các cơ quan quản lý. Do sự bùng nổ nhanh chóng của AI và khuôn khổ pháp lý còn mơ hồ, tình hình hiện tại khiến người ta nhớ đến giai đoạn khởi đầu của lĩnh vực tiền mã hóa. Hai ngành này thường được đem ra so sánh, trong đó đặc tính phi tập trung của Web3 dường như bổ trợ hoàn hảo cho sức mạnh tập trung tiềm tàng của AI.
Chẳng mấy chốc, gần như mọi cuộc thảo luận giữa các nhà đầu tư mạo hiểm Web3 vào quý I đều tập trung vào tiềm năng cách mạng hóa của AI (đôi khi tôi tự hỏi liệu mình đang tham dự hội nghị Web3 hay hội nghị AI). Trong năm nay, chúng tôi cũng chứng kiến nhiều quỹ đầu tư chuyển hướng sang AI hoặc đưa AI vào danh mục đầu tư của họ.
Khi cơn sốt dần lắng xuống, DWF Ventures hiện mong muốn nhìn lại lĩnh vực AI dưới góc nhìn khách quan hơn. Bài viết này tóm tắt ngắn gọn quá trình phát triển của AI và cách nó đạt đến mức độ phổ biến hiện nay. Tuy nhiên, cách tiếp cận của bài viết sẽ khác biệt: thay vì tập trung vào việc AI ảnh hưởng đến Web3 thế nào, chúng tôi sẽ đặt câu hỏi ngược lại — Web3 ảnh hưởng đến AI ra sao? Trong hành trình khám phá này, chúng tôi đi sâu tìm hiểu cách thức mà sự phi tập trung và Web3 có thể đóng vai trò chất xúc tác, giải quyết những thách thức hiện tại mà AI đang phải đối mặt.
Tổng quan ngắn gọn về AI và bước đột phá của ChatGPT 3.5
Nguồn ảnh: Khan, Pasha, & Masud, 2021
Ngược lại với cơn sốt AI gần đây, lịch sử của AI có thể được truy nguyên từ những năm 1930. Công trình của Turing vào năm 1950, ví dụ như bài kiểm tra Turing, đã đặt nền móng cho AI. Mặc dù ban đầu có nhiều kỳ vọng lạc quan về AI, nhưng do các rào cản về tính toán và không đáp ứng được nhu cầu thời gian thực, điều này dẫn đến "mùa đông AI" vào những năm 1970. Vào những năm 1980, các hệ thống chuyên gia đã hồi sinh AI bằng cách sử dụng cơ sở dữ liệu tri thức để mô phỏng chuyên môn con người. Thời đại này cũng chứng kiến sự phục hưng của thuyết kết nối và sự xuất hiện của mạng nơ-ron đệ quy.
Tuy nhiên, các hệ thống chuyên gia gặp khó khăn trong việc thu thập tri thức và phân tích thời gian thực, dẫn đến sự suy giảm vào những năm 1990, khi hiệu suất máy tính cá nhân ngày càng mạnh cũng làm giảm tính liên quan của chúng. Trong nhiều năm, lĩnh vực AI phát triển nhanh chóng, phân nhánh thành các lĩnh vực công nghệ như học máy, xử lý ngôn ngữ tự nhiên, thị giác máy tính, nhận dạng giọng nói... Những tiến bộ này giúp AI tiến từ giải quyết các vấn đề đơn giản sang thực hiện học sâu trong các ứng dụng phức tạp.
Nguồn ảnh: Mukhamediev et al., 2022
Trong quá trình phát triển, AI trải qua sự hợp nhất giữa các lĩnh vực con. Trong đó, học máy và các mô hình ngôn ngữ lớn (LLM) đạt được tiến bộ đáng kể trong lĩnh vực chuyển đổi theo chiều dọc. Bài báo "Attention is All You Need" của Ashish Vaswani và cộng sự rõ ràng đã truyền cảm hứng cho các mô hình GPT (bộ chuyển đổi được huấn luyện sẵn tạo nội dung).
Sau đó, hàng loạt mô hình GPT ra đời, như GPT "BERT" hai chiều và GPT của nhóm OpenAI. Sau ChatGPT, các phương án thay thế mã nguồn mở như Falcon và LLaMA2 xuất hiện, làm gia tăng cạnh tranh cho thế hệ GPT tiếp theo, có khả năng tiến gần hơn tới trí tuệ nhân tạo tổng quát (AGI).
Cơn sốt GPT góp phần giải phóng AI khỏi giới học thuật, thu hút sự chú ý của hàng tỷ người. Trong vòng hai tháng sau khi ra mắt, OpenAI lập kỷ lục tăng trưởng nhanh nhất với 100 triệu người dùng hoạt động hàng tuần. Theo một nghiên cứu gần đây của McKinsey, hiện khoảng 51% chuyên gia trong ngành công nghệ đang sử dụng AI trong công việc của họ.
Thực tế AI: Định hướng nhận thức xã hội và giới hạn trong AI tập trung
Cuộc khảo sát mới nhất của Vitalik Buterin trong bài viết của ông cho thấy nhiều người lo ngại về sự độc quyền của AI, do đó thiên về trì hoãn tiến trình phát triển của nó.
Nguồn ảnh: My techno-optimism
Lo ngại gần đây về AI tăng vọt bắt nguồn từ sự nổi tiếng nhanh chóng của ChatGPT, với các câu trả lời mang tính nhân văn là yếu tố thúc đẩy. Tuy nhiên, đa số người dùng không nhận ra rằng mặc dù GPT mô phỏng tương tác con người, nhưng nó không phải là trí tuệ nhân tạo tổng quát (AGI).
Mỗi lần GPT tạo ra một kết quả, nó đều mang tính thống kê và biến đổi, thiếu đảm bảo về tính nhất quán và độ chính xác thực tế. Ngoài ra, GPT còn gặp phải những hạn chế khác, nhưng điểm yếu nổi bật nhất là không thể thực hiện suy luận logic, đặc biệt rõ ràng trong lĩnh vực toán học.
Nguồn ảnh: "Hạn chế của mô hình ngôn ngữ GPT nằm ở khả năng học với ít mẫu kém"
Xét đến vô số lo ngại xung quanh AI, cũng như các thách thức hiện tại trong việc quản lý hiệu quả các mô hình AI lớn, việc khám phá tích hợp Web3 với AI trở thành một con đường tiềm năng nhằm giảm nhẹ những khó khăn mà AI đang đối mặt. Nhờ các nguyên tắc phi tập trung và tính toán phân tán vốn có trong Web3, hy vọng có thể hỗ trợ giải quyết các vấn đề hiện tại của hệ thống AI.
Con đường DAI (AI phi tập trung): Tổng quan, tiềm năng và thách thức
Việc tập trung năng lực AI trong các hệ thống tập trung đã làm dấy lên lo ngại về quyền truy cập dữ liệu, tính liên quan của mô hình, cũng như tính bền vững tổng thể của các ứng dụng AI. Các hệ thống AI tập trung đang đối mặt với những rào cản lớn, đặc biệt đối với các tập dữ liệu lớn mang tính sở hữu.
Nguồn: Tweet của Elon
Điều này dẫn đến việc tính phí theo truy vấn, X thiết lập giới hạn số lượng bài đăng được xem mỗi ngày. Không lâu sau, sự ra mắt của Grok, X GPT, cho phép người dùng truy cập dữ liệu của X theo thời gian thực. Mô hình này tạo ra rào cản kinh tế và làm dấy lên các câu hỏi về khả năng tiếp cận và tính bao hàm lợi ích từ AI.
Hơn nữa, do các mô hình đã phát hành nhanh chóng lỗi thời, nếu không có cập nhật dữ liệu liên tục, sẽ gặp phải thách thức lớn trong việc duy trì tính liên quan và độ chính xác. Hiện tại, dữ liệu huấn luyện của ChatGPT 3.5 chứa thông tin cập nhật đến tháng 1 năm 2022. Llama 2 cũng được huấn luyện trên dữ liệu từ tháng 1 đến tháng 7 năm 2023.
Trước những thách thức này, DAI nổi lên như một giải pháp tiềm năng cho những hạn chế của mô hình tập trung.
Nguồn: (Janbi et al., 2023)
DAI mở ra một hướng đi thay thế nhằm đối phó với những thách thức vốn có của mô hình tập trung. Một bài báo phân tích tổng hợp gần đây của Janbi và cộng sự đóng vai trò như một hướng dẫn toàn diện, chi tiết hóa năm lĩnh vực chính của DAI.
Nguồn: (Janbi et al., 2023) + DWF Ventures
Những thách thức của DAI
DAI mang đến một cuộc cách mạng thú vị trong sự phát triển của AI, mang lại nhiều lợi thế. Tuy nhiên, điều quan trọng là phải nhận thức rõ những thách thức đi kèm với những tiến bộ này.
Nguồn: (Eduardo, L., & Hern, C., 1988) + DWF Ventures
Kết luận
Tổng thể而言，迈向 DAI 的旅程展现出巨大的潜力。实现 DAI 的全部潜能依赖于达到关键质量，这受到现有 AI 用户群的推动。由于供应商和用户有限，开源替代方案面临一些障碍，而 ChatGPT API 为大众市场提供了实际而经济的选择，提供了便利和可靠性。
Tuy nhiên, khi xem xét đến những hệ quả tiềm tàng từ AI tổng quát mang tính độc quyền, cá nhân nên cân nhắc lại sự đánh đổi giữa tiện lợi và phi tập trung trong lựa chọn và hành động của mình. Trên bình diện rộng hơn, các nhà đổi mới trong cộng đồng Web3 và AI có thể đối mặt với những thách thức này bằng cách định nghĩa lại quy trình làm việc AI, tái tưởng tượng cơ sở hạ tầng, đón nhận các mô hình sáng tạo, quản lý hiệu quả, và phát triển các ứng dụng phù hợp với các nguyên tắc phi tập trung. Khi chúng ta tiếp tục hành trình này, sự hợp tác, tính bao hàm và các cân nhắc đạo đức sẽ là chìa khóa định hình một cảnh quan DAI thực sự mang lại lợi ích cho nhân loại.
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
@DWFLabs
