Hiểu về giao thức nền tảng Web3 phi tập trung chuyên sâu vào AI - KIP Protocol (Phần 1)
Tuyển chọn TechFlowTuyển chọn TechFlow
Hiểu về giao thức nền tảng Web3 phi tập trung chuyên sâu vào AI - KIP Protocol (Phần 1)
KIP Protocol là một giao thức nền tảng Web3 phi tập trung, tập trung vào AI. Thông qua loạt bài viết KIP Explainer, chúng tôi hy vọng có thể giúp mọi người hiểu một cách hệ thống KIP Protocol là gì.
Chuyên sâu báo cáo Web3Tác giả: KIP Protocol
Trước hết, KIP không chỉ là một ứng dụng AI, cũng không phải là một mô hình ngôn ngữ lớn, càng không phải là một cơ sở dữ liệu/thư viện tri thức.
KIP Protocol là giao thức phi tập trung được xây dựng dành cho các nhà phát triển ứng dụng AI, người tạo mô hình và chủ sở hữu dữ liệu, nhằm thực hiện giao dịch và thương mại hóa một cách an toàn trong Web3. KIP giúp bảo vệ và thương mại hóa tri thức và dữ liệu có giá trị dưới dạng tài sản tri thức, đảm bảo việc tương tác với AI mà không làm mất quyền sở hữu.
Đối với các nhà phát triển ứng dụng AI, người tạo mô hình và chủ sở hữu dữ liệu, bạn sẽ nhận thấy rằng KIP đóng vai trò thiết yếu trong việc làm việc và kiếm tiền theo cách phi tập trung trên Web3.
(Chúng tôi gọi ngắn gọn ba nhóm này là: Người sáng tạo giá trị AI)
Phi tập trung hóa AI là một chủ đề cực kỳ rộng lớn và quan trọng, hiện nay có nhiều dự án tiên phong đang áp dụng những phương pháp khác nhau để giải quyết vấn đề này.
KIP tập trung vào việc giải quyết các vấn đề cốt lõi mà những người sáng tạo giá trị AI sẽ gặp phải khi cố gắng triển khai và thương mại hóa công việc của họ trong Web3.
Mô hình AI cần Ứng dụng và Dữ liệu để tạo ra giá trị kinh tế
Trong lĩnh vực AI, có hơn 20 loại công ty khác nhau cung cấp giải pháp, tuy nhiên trong năm qua, phần lớn sự chú ý của AI sinh học lại tập trung vào các mô hình AI (với rất nhiều loại và phương pháp khác nhau, từ bộ chuyển đổi đến mạng đối kháng sinh học, cho đến các mô hình khuếch tán, v.v.).
Thực tế, chính các mô hình này đại diện cho bước đột phá thực sự của kỷ nguyên tính toán mới — trí tuệ thực sự phía sau.
Tuy nhiên, để xây dựng một hệ sinh thái thương mại hóa trong AI, các mô hình cần phụ thuộc ít nhất vào hai nhóm người sáng tạo giá trị then chốt khác.
1) Ứng dụng AI: ‘Khuôn mặt của AI’
Trong cơn sốt mô hình, người ta dễ dàng bỏ qua tầm quan trọng của ứng dụng.
Ứng dụng AI đóng vai trò then chốt trong việc dẫn dắt người dùng vào thế giới AI. Những ứng dụng này có thể mang nhiều hình thức như chatbot, trình tạo ảnh, bot tìm kiếm, bot phân tích hoặc thậm chí chỉ là một vài gợi ý đơn giản.
Chúng tích lũy trải nghiệm người dùng để thu hút người dùng, và có lẽ quan trọng nhất là thu phí từ người dùng.
Nhiều người quên mất rằng ChatGPT là ứng dụng của OpenAI, được vận hành bởi nhiều mô hình khác nhau của OpenAI (GPT 3.5, GPT 4). Phản hồi giống con người mang tính đột phá của chatbot OpenAI chủ yếu được lập trình ở phía ứng dụng chứ không phải ở phía mô hình. (Bạn có thể kiểm chứng điều này bằng cách kết nối trực tiếp mô hình thông qua giao diện API rồi so sánh câu trả lời.)
Tóm lại: Nếu không có ứng dụng, mô hình chỉ là một đống mã nguồn bị nhốt trong chiếc hộp kim loại, hoàn toàn không thể sử dụng được.
2) Dữ liệu: ‘Cội nguồn của AI’
Dữ liệu đóng vai trò then chốt trong:
a) Huấn luyện và tinh chỉnh mô hình,
b) Tạo phản hồi tăng cường bằng truy xuất (RAG)
Tất cả các mô hình đều được huấn luyện và tinh chỉnh bằng dữ liệu. Thiếu quá trình tinh chỉnh, mô hình không thể trở nên mạnh mẽ hay thông minh hơn.
Tuy nhiên, việc sử dụng dữ liệu để huấn luyện hoặc tinh chỉnh mô hình khiến dữ liệu về bản chất bị "đồng hóa" hoặc "hấp thụ" vào mô hình, cụ thể là qua việc điều chỉnh trọng số mô hình.
Do đó, trong các trường hợp không thể, không thực tế hoặc bất hợp pháp khi sử dụng dữ liệu trực tiếp để huấn luyện mô hình, một công nghệ sáng tạo được gọi là "truy xuất tăng cường tạo phản hồi" (RAG) sẽ phát huy tác dụng.
RAG kết hợp chức năng truy xuất thông tin từ cơ sở dữ liệu bên ngoài với khả năng tạo phản hồi thông qua mô hình AI. Nó giống như một trợ lý siêu thông minh, hiểu câu hỏi của bạn và dù không biết câu trả lời, nó cũng biết đi đâu để tìm.
Mặc dù RAG vẫn là công nghệ khá mới, chúng tôi tin chắc rằng cùng với sự gia tăng nhận thức về độ nhạy dữ liệu và bảo vệ dữ liệu, RAG có thể trở thành phương pháp hàng đầu, mang lại giá trị thương mại khổng lồ thông qua ứng dụng thực tiễn và trở thành khuôn khổ phổ biến mà đa số người dùng truy cập AI trong tương lai.
Bất kể sử dụng phương pháp nào, không thể có sự đổi mới AI bền vững nếu thiếu dữ liệu.
Một hệ sinh thái AI năng động cần sự kết hợp từ các nhà sáng tạo giá trị thuộc nhiều lĩnh vực khác nhau.
Một số cá nhân và công ty giỏi huấn luyện và tinh chỉnh mô hình nhưng có thể không giỏi thiết kế và tiếp thị ứng dụng dành cho khách hàng.
Tương tự, các nhà nghiên cứu và chuyên gia lĩnh vực sở hữu các bộ dữ liệu quý giá và thư viện tri thức cũng có thể thiếu kỹ năng huấn luyện mô hình AI hoặc thiết kế ứng dụng.
Tuy nhiên, trong một hệ sinh thái đa dạng và năng động, họ không cần phải đơn độc. Các công ty và cá nhân từ các ngành khác nhau có thể hợp tác để tạo ra các trường hợp sử dụng và giá trị kinh tế cho người dùng.
Các nhà thiết kế ứng dụng có thể chọn mô hình AI phù hợp nhất với kế hoạch sản phẩm của mình và lựa chọn trước các kho tri thức bên ngoài hữu ích nhất cho người dùng.
Nhưng điều gì xảy ra nếu cả ba nhóm tài năng từ các ngành khác nhau này dần bị hấp thụ vào một hệ sinh thái khép kín?
Bởi vì đây chính xác là điều đang diễn ra. Chúng tôi sẽ thảo luận chi tiết về vấn đề này trong các bài viết sắp tới, nhưng ngay bây giờ: hãy tìm kiếm trên mạng cụm từ “openai copyright protection” và suy nghĩ về tác động của nó đối với quyền sở hữu dữ liệu trong tương lai của AI.
Tại sao KIP muốn thúc đẩy việc phi tập trung hóa AI?
Sự độc quyền trong lĩnh vực AI tiềm ẩn những nguy hiểm đặc biệt, và việc phi tập trung hóa AI là phản ứng cấp bách và cần thiết trước tình trạng lợi ích tập thể bị khuất phục trước lợi ích doanh nghiệp hẹp hòi.
Chúng tôi hoàn toàn ủng hộ chủ nghĩa tăng tốc AI (e/acc), và chúng tôi cũng chưa từng phủ nhận những đóng góp to lớn của các công ty công nghệ lớn trong việc thúc đẩy đổi mới AI.
Tuy nhiên, hành vi của phần lớn các công ty này chỉ đơn thuần hướng tới mục tiêu tối đa hóa lợi ích cho cổ đông bằng mọi giá. Đây là bản chất của chủ nghĩa tư bản; trông đợi họ thay đổi bản chất, phớt lờ động lực cốt lõi của họ, tức là phủ nhận thực tế.
Chúng ta cần tạo ra trạng thái cân bằng đối trọng trong lĩnh vực AI, nơi nhiều bên tham gia khác nhau có thể cạnh tranh trên thị trường, từ đó tạo môi trường cho đổi mới phát triển mạnh mẽ. Tương lai của AI tuyệt đối không được khuất phục trước lợi ích doanh nghiệp của bất kỳ tập đoàn khổng lồ nào.
Chúng tôi tin rằng phi tập trung hóa AI là con đường duy nhất để đạt được trạng thái lý tưởng này.
KIP thúc đẩy việc phi tập trung hóa AI như thế nào?
KIP giải quyết ba vấn đề cốt lõi mà người tạo mô hình AI, nhà phát triển ứng dụng và chủ sở hữu dữ liệu sẽ gặp phải khi cố gắng phi tập trung hóa công việc của họ.
-
Vấn đề kết nối chuỗi trên/chuỗi dưới
-
Vấn đề thương mại hóa và kiếm tiền
-
Vấn đề sở hữu và bảo mật
1) Vấn đề “kết nối chuỗi trên/chuỗi dưới”
Hơn 400.000 mô hình trên Hugging Face, nền tảng lưu trữ mô hình mã nguồn mở, cho thấy ngành công nghiệp AI sôi động đến mức nào, nhưng cũng chỉ mới ở khởi điểm.
Công nghệ blockchain hiện tại không thể cung cấp chức năng suy luận cốt lõi của mô hình (tức là mô hình hoàn toàn phi tập trung) với chi phí hoặc tốc độ chấp nhận được đối với phần lớn người dùng bình thường (mặc dù tiến bộ trong điện toán biên có thể sớm đưa chúng ta đến mục tiêu này).
Do đó, dù không phải tất cả thì cũng phần lớn các mô hình hiện nay đều hoạt động ngoài chuỗi, và chúng ta có thể kỳ vọng sẽ có thêm nhiều đổi mới và bổ sung trong các mô hình ngoài chuỗi.
Để giải phóng toàn bộ những ý tưởng và đổi mới này trong web3, KIP cho phép thực hiện suy luận trên chuỗi một cách dễ dàng.
KIP cho phép xử lý các tác vụ tính toán nặng liên quan đến suy luận máy học bên ngoài blockchain, đồng thời vẫn duy trì tính toàn vẹn và nguyên tắc của hệ thống phi tập trung.
2) Vấn đề “kiếm tiền”
Ngay cả công nghệ tốt nhất thế giới cũng sẽ không được áp dụng nếu người dùng không thu được lợi ích kinh tế lớn hơn. Nhận
Khung mô hình thu nhập cơ bản của AI có thể được mô tả là “trả tiền theo truy vấn”, bởi mỗi truy vấn của người dùng đều tiêu tốn năng lực tính toán GPU, do đó phải có người trả tiền. Để trả lời một truy vấn của người dùng, cần sự tham gia của nhiều bên sáng tạo giá trị AI.
Chúng tôi không ủng hộ phi tập trung hóa chỉ vì phi tập trung hóa, mà xem đây là giải pháp thay thế cho sự độc quyền.
Do đó, để phi tập trung hóa AI thành công, chúng ta phải đảm bảo rằng tất cả các bên tham gia phi tập trung hóa công việc AI đều có thể kiếm được thu nhập.
Lý thuyết nghe có vẻ đơn giản, nhưng trong lĩnh vực AI, việc này không dễ dàng như nghe.
Hãy lấy ví dụ về một truy vấn chạy qua RAG.
-
Người dùng đặt câu hỏi cho chatbot AI.
-
Chatbot AI chuyển truy vấn đến bộ não của nó — mô hình AI.
-
Mô hình chỉ truy xuất các khối dữ liệu liên quan từ kho tri thức để trả lời câu hỏi, xây dựng câu trả lời và gửi lại cho ứng dụng.
-
Ứng dụng đóng gói câu trả lời và gửi đến người dùng.
Trong ví dụ đơn giản này, bạn có thể thấy cả ba vai trò đều đóng góp vào việc trả lời truy vấn của người dùng.
Nếu trong một hệ sinh thái tập trung, một nền tảng sở hữu và kiểm soát cả ba vai trò (giống như hình thứ hai ở trên, điều OpenAI đang làm), bạn chỉ cần trả tiền cho nền tảng tập trung này, còn lại là các giao dịch nội bộ.
Nhưng nếu chúng ta muốn phi tập trung thay vì độc quyền, thì mỗi bên cần được thanh toán, do đó cần giải quyết các vấn đề sau:
-
Ghi nhận (trên chuỗi) đóng góp của các bên
-
Phân bổ doanh thu từ người dùng
-
Cho phép mỗi người kiếm được phần thu nhập thuộc về mình
Đây chính là vấn đề “kiếm tiền” trong AI phi tập trung mà KIP giải quyết.
Chúng tôi đạt được điều này thông qua hạ tầng Web3 chi phí thấp, hiệu quả cao, cung cấp kết nối giữa các bên sáng tạo giá trị AI, cách thức thu phí từ người dùng và cách rút lợi nhuận. (Chúng tôi sẽ trình bày chi tiết điều này trong loạt bài “Hiểu rõ KIP” sắp tới).
Nếu không giải quyết trước vấn đề kiếm tiền, việc phi tập trung hóa AI sẽ trở nên khó khăn hơn và gần như không thể đạt được sự chấp nhận rộng rãi, ngoại trừ một vài người ủng hộ lý tưởng thực sự.
3) Vấn đề “sở hữu”
Nếu không gắn liền với quyền sở hữu thực sự, việc thương mại hóa chỉ là một đặc quyền mong manh.
Tất cả chúng ta đều đã thấy các tài khoản trên nền tảng tập trung có thể bị đóng hoặc cấm bất cứ lúc nào.
KIP giải quyết vấn đề này bằng cách sử dụng token blockchain, đặc biệt là token ERC-3525 (SFT), để "đại diện" cho sản phẩm của các bên sáng tạo giá trị AI.
-
Đối với chủ sở hữu dữ liệu: SFT đại diện cho cơ sở tri thức vector hóa hoặc liên kết tệp dữ liệu gốc mã hóa dùng để huấn luyện mô hình.
-
Đối với người tạo mô hình: SFT có thể đại diện cho API truy cập mô hình ngoài chuỗi hoặc một bộ trọng số mô hình có thể bán được.
-
Đối với nhà phát triển ứng dụng: SFT có thể đại diện cho API frontend hoặc chính gợi ý (prompt).
Các SFT này hoạt động như các "thực thể kiếm tiền", có thể tương tác lẫn nhau trên chuỗi và ghi lại số tiền mà mỗi SFT kiếm được từ các giao dịch cụ thể.
Bằng cách giải quyết các vấn đề này, KIP cho phép các bên sáng tạo giá trị AI dễ dàng phi tập trung hóa công việc của họ, tạo điều kiện ban đầu cho một hệ sinh thái AI phi tập trung năng động và quy mô lớn hơn.
KIP là giao thức nền tảng Web3 phi tập trung cần thiết cho đổi mới AI.
Để biết thêm thông tin, vui lòng tham gia cộng đồng tiếng Trung chính thức của chúng tôi:
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
@KIPprotocol
