Từ bài viết của Vitalik, điểm qua các phân nhánh đáng chú ý trong lĩnh vực Crypto × AI
Tuyển chọn TechFlowTuyển chọn TechFlow
Từ bài viết của Vitalik, điểm qua các phân nhánh đáng chú ý trong lĩnh vực Crypto × AI
Toàn bộ赛道 AI giống như một “MEME” chủ yếu dựa trên câu chuyện công nghệ.
Chuyên sâu báo cáo Web3Tác giả: @charlotte0211z, @BlazingKevin_, Metrics Ventures
Vitalik đã đăng bài viết The promise and challenges of crypto + AI applications vào ngày 30 tháng 1, thảo luận về cách blockchain và trí tuệ nhân tạo (AI) nên kết hợp như thế nào cũng như những thách thức tiềm tàng trong quá trình này. Một tháng sau khi bài viết được công bố, các dự án NMR, Near, WLD mà bài viết đề cập đều tăng giá mạnh, hoàn thành một vòng khám phá giá trị. Bài viết này sẽ phân tích các lĩnh vực nhỏ trong ngành AI hiện tại dựa trên bốn phương thức kết hợp giữa Crypto và AI do Vitalik đề xuất, đồng thời giới thiệu sơ lược về các dự án tiêu biểu trong từng lĩnh vực.
1. Mở đầu: Bốn cách kết hợp giữa Crypto và AI
Phi tập trung là sự đồng thuận mà blockchain duy trì, đảm bảo an toàn là tư tưởng cốt lõi, còn mã nguồn mở là nền tảng then chốt giúp hành vi trên chuỗi đạt được những đặc điểm nêu trên từ góc độ mật mã học. Trong vài năm qua, phương pháp này đã phù hợp với nhiều đợt cải cách của blockchain. Tuy nhiên, khi trí tuệ nhân tạo tham gia vào, tình hình đã có một số thay đổi.
Hãy tưởng tượng việc sử dụng trí tuệ nhân tạo để thiết kế kiến trúc blockchain hoặc ứng dụng, điều đó đòi hỏi mô hình phải được mã nguồn mở; nhưng nếu làm vậy thì sẽ lộ ra điểm yếu trước học máy đối kháng. Ngược lại, nếu không mở nguồn thì sẽ mất đi tính phi tập trung. Do đó, chúng ta cần suy nghĩ kỹ xem khi thêm AI vào blockchain hoặc ứng dụng hiện tại, nên kết hợp bằng cách nào và ở mức độ sâu đến đâu.
Nguồn: DE UNIVERSITY OF ETHEREUM
Trong bài viết DE UNIVERSITY OF ETHEREUM có tựa đề When Giants Collide: Exploring the Convergence of Crypto x AI, tác giả giải thích rõ sự khác biệt về đặc tính cốt lõi giữa trí tuệ nhân tạo và blockchain. Như hình minh họa phía trên, đặc điểm của trí tuệ nhân tạo gồm:
-
Tập trung hóa
-
Thiếu minh bạch
-
Tiêu tốn năng lượng
-
Độc quyền
-
Khả năng thương mại hóa yếu
Blockchain hoàn toàn ngược lại so với trí tuệ nhân tạo ở cả 5 điểm này. Đây cũng chính là luận điểm thực sự của bài viết Vitalik — nếu AI và blockchain kết hợp với nhau, thì các ứng dụng sinh ra cần cân nhắc như thế nào về quyền sở hữu dữ liệu, mức độ minh bạch, khả năng thương mại hóa và chi phí tiêu thụ năng lượng, đồng thời cần xây dựng những cơ sở hạ tầng nào để đảm bảo sự kết hợp hiệu quả giữa hai bên.
Dựa trên các nguyên tắc nói trên cùng suy nghĩ cá nhân, Vitalik chia các ứng dụng kết hợp AI và blockchain thành bốn loại lớn:
-
AI như người chơi trong trò chơi (AI as a player in a game)
-
AI như giao diện của trò chơi (AI as an interface to the game)
-
AI như quy tắc của trò chơi (AI as the rules of the game)
-
AI như mục tiêu của trò chơi (AI as the objective of the game)
Trong đó, ba loại đầu tiên chủ yếu là ba cách đưa AI vào thế giới Crypto, đại diện cho ba cấp độ từ nông đến sâu. Theo hiểu biết của tác giả, cách phân chia này phản ánh mức độ ảnh hưởng của AI đến quyết định con người, từ đó mang lại các rủi ro hệ thống khác nhau cho toàn bộ hệ sinh thái Crypto:
-
AI như người chơi trong ứng dụng: AI bản thân không ảnh hưởng đến quyết định hay hành vi của con người, do đó sẽ không gây rủi ro cho thế giới thực tế, vì vậy hiện nay đây là hướng có tính khả thi cao nhất.
-
AI như giao diện của ứng dụng: AI cung cấp thông tin hỗ trợ hoặc công cụ hỗ trợ cho quyết định và hành động của con người, giúp nâng cao trải nghiệm người dùng và nhà phát triển, giảm rào cản sử dụng. Tuy nhiên, thông tin sai lệch hoặc thao tác lỗi sẽ gây ra rủi ro nhất định cho thế giới thực.
-
AI như quy tắc của ứng dụng: AI sẽ thay thế hoàn toàn con người trong việc ra quyết định và hành động. Do đó, nếu AI gây hại hay gặp sự cố sẽ dẫn trực tiếp đến sự hỗn loạn trong thế giới thực. Dù ở Web2 hay Web3, hiện tại vẫn chưa thể tin tưởng để AI thay thế con người ra quyết định.
Cuối cùng, nhóm thứ tư tập trung vào việc tận dụng đặc điểm của Crypto để tạo ra trí tuệ nhân tạo tốt hơn. Như đã nói ở trên, các vấn đề như tập trung hóa, thiếu minh bạch, tiêu tốn năng lượng, độc quyền và khả năng thương mại hóa yếu có thể được khắc phục một cách tự nhiên nhờ các thuộc tính của Crypto. Mặc dù nhiều người nghi ngờ liệu Crypto có thật sự ảnh hưởng đến sự phát triển của AI, nhưng việc sử dụng sức mạnh phi tập trung để tác động lên thế giới thực luôn là câu chuyện hấp dẫn nhất của Crypto. Chính vì tầm nhìn lớn lao này, nhóm dự án này trở thành phân khúc nóng nhất trong lĩnh vực AI về mặt炒作.
2. AI làm Người tham gia
Trong cơ chế AI tham gia, nguồn gốc phần thưởng cuối cùng đến từ giao thức do con người cung cấp. Trước khi AI trở thành giao diện hay thậm chí là quy tắc, chúng ta thường cần đánh giá hiệu suất của các mô hình AI khác nhau, để AI tham gia vào một cơ chế và nhận phần thưởng hoặc bị phạt thông qua cơ chế trên chuỗi.
So với vai trò là giao diện hay quy tắc, việc AI đóng vai trò là người tham gia gần như không gây rủi ro đáng kể nào cho người dùng và toàn bộ hệ thống. Có thể nói đây là giai đoạn bắt buộc trước khi AI bắt đầu ảnh hưởng sâu sắc đến quyết định và hành vi người dùng. Vì vậy, chi phí và sự đánh đổi cần thiết để kết hợp AI và blockchain ở lớp này tương đối thấp, và đây cũng là loại sản phẩm Vitalik cho rằng hiện nay có tính khả thi rất cao.
Xét về mặt tổng quát và mức độ thực hiện, hầu hết các ứng dụng AI hiện nay thuộc nhóm này, ví dụ như bot giao dịch hoặc chatbot được hỗ trợ bởi AI. Hiện tại, việc triển khai AI ở vai trò giao diện hay quy tắc vẫn còn rất khó khăn. Người dùng đang thử nghiệm và dần tối ưu hóa các bot khác nhau, cộng đồng crypto cũng chưa hình thành thói quen sử dụng ứng dụng AI. Trong bài viết của Vitalik, Autonomous Agent cũng được xếp vào nhóm này.
Tuy nhiên, xét về mặt hẹp và tầm nhìn dài hạn, chúng tôi có xu hướng phân loại chi tiết hơn các ứng dụng AI hoặc AI Agent. Vì vậy, trong nhóm này, các phân khúc tiêu biểu bao gồm:
2.1 Trò chơi AI
Ở một mức độ nào đó, mọi trò chơi AI đều có thể được xếp vào nhóm này. Người chơi tương tác với AI và huấn luyện nhân vật AI của mình sao cho phù hợp hơn với nhu cầu cá nhân, ví dụ như sát hơn với sở thích cá nhân hoặc có sức chiến đấu và cạnh tranh cao hơn trong cơ chế trò chơi. Trò chơi là giai đoạn chuyển tiếp của AI trước khi thâm nhập vào thế giới thực, đồng thời cũng là phân khúc có rủi ro triển khai thấp và dễ hiểu nhất với người dùng phổ thông. Các dự án tiêu biểu gồm AI Arena, Echelon Prime, Altered State Machine, v.v.
-
AI Arena: AI Arena là một trò chơi đấu PVP, nơi người chơi có thể học hỏi và huấn luyện AI để nhân vật ngày càng tiến hóa, nhằm giúp người dùng phổ thông tiếp xúc, hiểu và trải nghiệm AI dưới dạng trò chơi, đồng thời giúp các kỹ sư AI kiếm tiền bằng cách cung cấp các thuật toán AI trên nền tảng AI Arena. Mỗi nhân vật trò chơi đều là một NFT được tích hợp AI, trong đó Core là phần lõi chứa mô hình AI, gồm hai phần: kiến trúc và tham số, lưu trữ trên IPFS. Tham số trong một NFT mới được sinh ngẫu nhiên, nghĩa là nó sẽ thực hiện các hành động ngẫu nhiên. Người dùng cần thông qua quá trình học bắt chước (imitation learning - IL) để nâng cao khả năng chiến lược của nhân vật. Mỗi lần người dùng huấn luyện và lưu tiến độ, tham số sẽ được cập nhật trên IPFS.
-
Altered State Machine: ASM không phải là một trò chơi AI, mà là giao thức xác thực và giao dịch cho AI Agent, định vị là giao thức AI cho metaverse, hiện đang tích hợp với nhiều trò chơi như FIFA. ASM sử dụng NFT để xác thực và giao dịch AI Agent. Mỗi Agent bao gồm ba phần: Brain (đặc điểm riêng của Agent), Memories (lưu trữ hành vi và chiến lược học được, phần huấn luyện mô hình, liên kết với Brain), Form (ngoại hình nhân vật). ASM có một module Gym, bao gồm các nhà cung cấp GPU đám mây phi tập trung, có thể cung cấp năng lực xử lý cho Agent. Các dự án hiện đang sử dụng ASM làm nền tảng gồm AIFA (trò chơi bóng đá AI), Muhammad Ali (trò chơi quyền anh AI), AI League (trò chơi bóng đá đường phố hợp tác với FIFA), Raicers (trò chơi đua xe do AI điều khiển), và FLUF World's Thingies (NFT sinh học).
-
Parallel Colony (PRIME): Echelon Prime đang phát triển Parallel Colony, một trò chơi dựa trên mô hình LLM AI, nơi người chơi có thể tương tác và ảnh hưởng đến AI Avatar của mình, Avatar sẽ hành động tự chủ dựa trên ký ức và hành trình sống. Colony hiện là một trong những trò chơi AI được mong đợi nhất. Gần đây, đội ngũ đã công bố whitepaper và thông báo di chuyển sang Solana, khiến PRIME tăng giá mạnh.
2.2 Thị trường dự đoán / Cuộc thi
Khả năng dự đoán là nền tảng cho các quyết định và hành vi tương lai của AI. Trước khi mô hình AI được dùng để dự đoán thực tế, các cuộc thi dự đoán sẽ so sánh hiệu suất của mô hình ở cấp độ cao hơn, đồng thời cung cấp phần thưởng bằng token cho các nhà khoa học dữ liệu/mô hình AI. Điều này có ý nghĩa tích cực đối với sự phát triển của Crypto×AI – khuyến khích liên tục phát triển các mô hình và ứng dụng hiệu quả, mạnh mẽ hơn, phù hợp hơn với thế giới crypto. Trước khi AI ảnh hưởng sâu hơn đến quyết định và hành vi, cần tạo ra các sản phẩm chất lượng cao và an toàn hơn. Như Vitalik đã nói, thị trường dự đoán là một nguyên thủy mạnh mẽ, có thể mở rộng sang nhiều loại vấn đề khác. Các dự án tiêu biểu trong phân khúc này gồm: Numerai và Ocean Protocol.
-
Numerai: Numerai là một cuộc thi khoa học dữ liệu đã hoạt động lâu dài, nơi các nhà khoa học dữ liệu dùng dữ liệu lịch sử thị trường (do Numerai cung cấp) để huấn luyện mô hình học máy dự đoán thị trường chứng khoán, sau đó đặt cược mô hình và token NMR vào giải đấu. Những mô hình hiệu suất tốt sẽ nhận được phần thưởng bằng token NMR, còn các mô hình kém sẽ bị đốt token đặt cược. Tính đến ngày 7 tháng 3 năm 2024, có tổng cộng 6.433 mô hình được đặt cược, giao thức đã cung cấp phần thưởng trị giá 75.760.979 USD cho các nhà khoa học dữ liệu. Numerai đang khuyến khích các nhà khoa học dữ liệu toàn cầu hợp tác xây dựng các quỹ phòng hộ kiểu mới, các quỹ đã phát hành gồm Numerai One và Numerai Supreme. Hành trình của Numerai: Cuộc thi dự đoán thị trường → Mô hình dự đoán crowdsourced → Quỹ phòng hộ dựa trên mô hình crowdsourced.
-
Ocean Protocol: Ocean Predictoor tập trung vào dự đoán, bắt đầu bằng dự đoán xu hướng tiền mã hóa. Người chơi có thể chọn chạy bot Predictoor hoặc bot Trader. Bot Predictoor dùng mô hình AI để dự đoán giá tiền mã hóa (ví dụ BTC/USDT) tại thời điểm tiếp theo (ví dụ sau 5 phút), đặt cược một lượng $OCEAN nhất định. Giao thức sẽ tính toán dự đoán toàn cục dựa trên trọng số lượng đặt cược. Các Trader mua kết quả dự đoán và có thể giao dịch dựa trên đó. Khi độ chính xác cao, Trader có thể thu lợi nhuận. Predictoor dự đoán sai sẽ bị phạt, trong khi Predictoor đúng sẽ nhận được phần thưởng từ token bị phạt và phí mua của Trader. Ngày 2 tháng 3, Ocean Predictoor công bố hướng đi mới trên truyền thông: World-World Model (WWM), bắt đầu khám phá dự đoán thời tiết, năng lượng và các hiện tượng thực tế khác.
3. AI làm Giao diện
AI có thể giúp người dùng hiểu những gì đang xảy ra bằng ngôn ngữ đơn giản, đóng vai trò là hướng dẫn viên trong thế giới crypto, đồng thời cảnh báo các rủi ro tiềm tàng, từ đó giảm rào cản sử dụng và rủi ro cho người dùng, nâng cao trải nghiệm. Các chức năng sản phẩm cụ thể rất đa dạng, ví dụ như cảnh báo rủi ro khi tương tác ví, giao dịch theo ý định do AI hỗ trợ, chatbot AI trả lời câu hỏi thông thường về crypto, v.v. Đối tượng người dùng mở rộng, không chỉ người dùng thông thường mà cả nhà phát triển, nhà phân tích,... đều sẽ trở thành khách hàng của dịch vụ AI.
Chúng ta hãy nhấn mạnh lại điểm chung của các dự án này: chưa thay thế con người thực hiện quyết định hay hành động, nhưng đang dùng mô hình AI để cung cấp thông tin và công cụ hỗ trợ cho con người ra quyết định và hành động. Từ giai đoạn này, rủi ro AI gây hại bắt đầu bộc lộ trong hệ thống – ví dụ cung cấp thông tin sai lệch để ảnh hưởng đến phán đoán cuối cùng của con người. Vấn đề này đã được Vitalik phân tích chi tiết trong bài viết của ông.
Có rất nhiều dự án thuộc nhóm này và khá tạp nham, bao gồm chatbot AI, kiểm toán hợp đồng thông minh bằng AI, viết mã bằng AI, bot giao dịch AI, v.v. Có thể nói phần lớn ứng dụng AI hiện nay đang ở mức độ sơ khai của nhóm này. Các dự án tiêu biểu gồm:
-
PaaL: PaaL là dự án hàng đầu về chatbot AI, có thể coi là ChatGPT được huấn luyện chuyên sâu về kiến thức crypto. Bằng cách tích hợp vào TG và Discord, PaaL cung cấp các chức năng như phân tích dữ liệu token, phân tích cơ bản và kinh tế học token, cũng như tạo ảnh từ văn bản. Người dùng có thể tích hợp PaaL Bot vào nhóm trò chuyện để tự động trả lời thông tin. PaaL hỗ trợ tùy chỉnh bot cá nhân, cho phép người dùng "nuôi dữ liệu" để xây dựng kho kiến thức AI và bot riêng. PaaL đang hướng tới AI Trading Bot, ngày 29 tháng 2 đã công bố PaalX – nền tảng nghiên cứu và giao dịch crypto hỗ trợ AI. Theo giới thiệu, PaalX có thể thực hiện kiểm toán hợp đồng thông minh bằng AI, tích hợp tin tức Twitter để giao dịch, hỗ trợ nghiên cứu và giao dịch crypto, trợ lý AI giúp giảm rào cản sử dụng.
-
ChainGPT: ChainGPT phát triển một loạt công cụ crypto dựa trên trí tuệ nhân tạo, như chatbot, trình tạo NFT, tổng hợp tin tức, tạo và kiểm toán hợp đồng thông minh, trợ lý giao dịch, thị trường Prompt và hoán đổi chéo chuỗi bằng AI. Tuy nhiên, hiện tại ChainGPT đang tập trung vào ươm tạo dự án và Launchpad, đã hoàn thành 24 đợt IDO và 4 chương trình tặng miễn phí.
-
Arkham: Ultra là động cơ AI chuyên dụng của Arkham, dùng để khớp địa chỉ với thực thể ngoài đời nhằm nâng cao tính minh bạch trong ngành crypto. Ultra hợp nhất dữ liệu trên và ngoài chuỗi do người dùng cung cấp và tự thu thập, sau đó xuất ra cơ sở dữ liệu có thể mở rộng, cuối cùng hiển thị dưới dạng biểu đồ. Tuy nhiên, tài liệu Arkham không giải thích chi tiết về hệ thống Ultra. Lý do Arkham thu hút sự chú ý gần đây là khoản đầu tư cá nhân từ Sam Altman, đồng sáng lập OpenAI, khiến giá tăng gấp 5 lần trong 30 ngày qua.
-
GraphLinq: GraphLinq là giải pháp quản lý quy trình tự động hóa, nhằm giúp người dùng triển khai và quản lý các chức năng tự động hóa khác nhau mà không cần lập trình, ví dụ như gửi giá Bitcoin từ Coingecko đến Bot Telegram mỗi 5 phút. Giải pháp của GraphLinq là trực quan hóa quy trình tự động hóa bằng đồ thị, người dùng có thể tạo nhiệm vụ tự động bằng cách kéo thả các nút, rồi dùng GraphLinq Engine để thực thi. Dù không cần mã, quá trình tạo đồ thị vẫn còn rào cản với người dùng phổ thông, bao gồm chọn mẫu phù hợp, tìm và nối các khối logic trong hàng trăm lựa chọn. Vì vậy GraphLinq đang tích hợp AI, cho phép người dùng dùng ngôn ngữ tự nhiên và hội thoại với AI để xây dựng và quản lý nhiệm vụ tự động.
-
0x0.ai: 0x0 có ba dịch vụ liên quan đến AI: kiểm toán hợp đồng thông minh bằng AI, phát hiện gian lận "Rug pull" bằng AI và trung tâm phát triển AI. Phát hiện Rug pull bằng AI sẽ kiểm tra các hành vi đáng ngờ như thuế cao bất thường hoặc rút thanh khoản, ngăn người dùng bị lừa. Trung tâm phát triển AI dùng học máy để sinh hợp đồng thông minh, cho phép triển khai hợp đồng không cần mã. Tuy nhiên, hiện tại mới chỉ ra mắt chức năng kiểm toán hợp đồng thông minh bằng AI, hai chức năng còn lại chưa hoàn thiện.
-
Zignaly: Zignaly ra đời năm 2018, nhằm giúp nhà đầu tư cá nhân chọn nhà quản lý quỹ để quản lý tài sản crypto, tương tự logic Copy-trading. Zignaly đang sử dụng học máy và trí tuệ nhân tạo để xây dựng hệ thống chỉ số đánh giá nhà quản lý quỹ. Sản phẩm đầu tiên ra mắt là Z-Score, tuy nhiên xét là sản phẩm AI thì vẫn còn sơ khai.
4. AI làm Quy tắc trò chơi
Đây là phần thú vị nhất – để AI thay thế con người ra quyết định và hành động, AI của bạn sẽ trực tiếp kiểm soát ví, thay bạn ra quyết định và hành động giao dịch. Trong phân loại này, tác giả cho rằng có thể chia thành ba cấp độ chính: Ứng dụng AI (đặc biệt là các ứng dụng hướng tới tự quyết như bot giao dịch tự động AI, bot DeFi yield), giao thức Autonomous Agent và zkml/opml.
Ứng dụng AI là công cụ ra quyết định cụ thể cho từng lĩnh vực, tích lũy kiến thức và dữ liệu chuyên biệt, dựa vào mô hình AI được thiết kế riêng cho từng vấn đề để ra quyết định. Cần lưu ý rằng, trong bài viết này, ứng dụng AI được xếp vào cả hai nhóm: giao diện và quy tắc. Về tầm nhìn phát triển, ứng dụng AI nên trở thành Agent tự quyết, nhưng hiện tại dù hiệu quả mô hình AI hay tính an toàn khi tích hợp AI cũng chưa đáp ứng được yêu cầu, thậm chí làm giao diện còn hơi gượng. Ứng dụng AI đang ở giai đoạn rất sơ khai, các dự án cụ thể đã được giới thiệu ở phần trước, không lặp lại ở đây.
Autonomous Agent được Vitalik đề cập ở nhóm đầu tiên (AI làm người chơi), nhưng về tầm nhìn dài hạn, bài viết này xếp vào nhóm thứ ba. Autonomous Agent dùng lượng lớn dữ liệu và thuật toán để mô phỏng quá trình tư duy và ra quyết định của con người, thực hiện nhiều nhiệm vụ và tương tác. Bài viết tập trung vào các cơ sở hạ tầng như lớp truyền thông, lớp mạng, các giao thức này định nghĩa quyền sở hữu Agent, thiết lập danh tính, chuẩn và phương thức truyền thông cho Agent, kết nối nhiều ứng dụng Agent, cho phép phối hợp ra quyết định và hành động.
zkML/opML: Dùng phương pháp mật mã hoặc kinh tế để đảm bảo quá trình suy luận mô hình diễn ra đúng và đưa ra đầu ra đáng tin cậy. Vấn đề an toàn cực kỳ nghiêm trọng khi đưa AI vào hợp đồng thông minh. Hợp đồng thông minh dựa vào đầu vào để sinh đầu ra và tự động thực thi một loạt chức năng. Nếu AI gây hại và đưa đầu vào sai, sẽ gây rủi ro hệ thống lớn cho toàn bộ hệ sinh thái Crypto. Vì vậy, zkML/opML và các giải pháp tiềm năng khác là nền tảng để AI hành động và ra quyết định độc lập.
Cuối cùng, ba yếu tố này tạo thành ba cấp độ cơ bản khi AI làm quy tắc vận hành: zkml/opml là cơ sở hạ tầng底层, đảm bảo an toàn giao thức; giao thức Agent xây dựng hệ sinh thái Agent, cho phép phối hợp ra quyết định và hành động; ứng dụng AI, cũng là các AI Agent cụ thể, sẽ không ngừng nâng cao năng lực trong từng lĩnh vực và thực sự ra quyết định, hành động.
4.1 Autonomous Agent
Việc ứng dụng AI Agent trong thế giới Crypto là điều tự nhiên. Từ hợp đồng thông minh đến các bot Telegram rồi đến AI Agent, thế giới mã hóa đang hướng tới tự động hóa cao hơn và rào cản sử dụng thấp hơn. Hợp đồng thông minh mặc dù thực thi chức năng tự động bằng mã bất biến, nhưng vẫn cần kích hoạt từ bên ngoài, không thể tự vận hành và liên tục. Bot Telegram giảm rào cản, người dùng không cần tương tác trực tiếp với giao diện mã hóa mà dùng ngôn ngữ tự nhiên để hoàn tất tương tác trên chuỗi, nhưng chỉ thực hiện được các nhiệm vụ rất đơn giản và cụ thể, vẫn chưa đạt đến mức giao dịch lấy "ý định người dùng" làm trung tâm. AI Agent thì có khả năng ra quyết định độc lập nhất định, hiểu ngôn ngữ tự nhiên của người dùng, tự tìm kiếm và kết hợp các Agent khác cùng công cụ trên chuỗi để hoàn thành mục tiêu người dùng đưa ra.
AI Agent đang nỗ lực nâng cao đáng kể trải nghiệm sản phẩm mã hóa, đồng thời blockchain cũng hỗ trợ AI Agent vận hành theo cách phi tập trung, minh bạch và an toàn hơn. Cụ thể, blockchain hỗ trợ như sau:
-
Dùng token để khuyến khích nhiều nhà phát triển cung cấp Agent
-
Dùng NFT để xác thực quyền sở hữu, thúc đẩy việc thu phí và giao dịch dựa trên Agent
-
Cung cấp cơ chế định danh và đăng ký Agent trên chuỗi
-
Cung cấp nhật ký hoạt động Agent bất biến trên chuỗi, để truy vết và trách nhiệm hóa hành vi kịp thời
Các dự án tiêu biểu trong phân khúc này gồm:
-
Autonolas: Autonolas hỗ trợ xác thực tài sản và khả năng tổ hợp cho Agent và các thành phần liên quan thông qua giao thức trên chuỗi, giúp các thành phần mã, Agent và dịch vụ có thể được phát hiện và tái sử dụng trên chuỗi, đồng thời khuyến khích nhà phát triển nhận bồi thường kinh tế. Sau khi nhà phát triển tạo ra Agent hoàn chỉnh hoặc thành phần, họ sẽ đăng ký mã lên chuỗi và nhận NFT đại diện cho quyền sở hữu mã. Chủ sở hữu dịch vụ sẽ kết hợp nhiều Agent để tạo dịch vụ và đăng ký trên chuỗi, thu hút các Operator Agent thực hiện dịch vụ, người dùng trả phí để sử dụng dịch vụ.
-
Fetch.ai: Fetch.ai có đội ngũ và kinh nghiệm phát triển mạnh trong lĩnh vực AI, hiện đang tập trung vào phân khúc AI Agent. Giao thức gồm bốn lớp chính: AI Agents, Agentverse, AI Engine và Fetch Network. AI Agents là cốt lõi hệ thống, các thành phần còn lại là khung và công cụ hỗ trợ xây dựng dịch vụ Agent. Agentverse là nền tảng dạng dịch vụ phần mềm (SaaS), dùng để tạo và đăng ký AI Agent. AI Engine nhằm đọc đầu vào ngôn ngữ tự nhiên của người dùng, chuyển thành nhiệm vụ thực thi, sau đó chọn AI Agent phù hợp nhất đã đăng ký trong Agentverse để thực hiện nhiệm vụ. Fetch Network là lớp blockchain của giao thức, AI Agent phải đăng ký trong hợp đồng Almanac trên chuỗi mới có thể bắt đầu hợp tác dịch vụ với các Agent khác. Lưu ý rằng Autonolas hiện tập trung xây dựng Agent cho thế giới crypto, đưa thao tác Agent ngoài chuỗi vào chuỗi; trong khi Fetch.ai quan tâm đến cả thế giới Web2 như đặt vé du lịch, dự báo thời tiết, v.v.
-
Delysium: Delysium chuyển đổi từ game sang giao thức AI Agent, gồm hai lớp chính: lớp truyền thông và lớp blockchain. Lớp truyền thông là xương sống, cung cấp hạ tầng an toàn và mở rộng, giúp các AI Agent giao tiếp nhanh chóng và hiệu quả. Lớp blockchain xác thực danh tính Agent và dùng hợp đồng thông minh ghi lại hành vi Agent một cách bất biến. Cụ thể, lớp truyền thông thiết lập giao thức truyền thông thống nhất cho Agent, dùng hệ thống tin nhắn chuẩn hóa để các Agent giao tiếp vô trở ngại bằng ngôn ngữ chung. Đồng thời thiết lập giao thức phát hiện dịch vụ và API, giúp người dùng và Agent khác nhanh chóng phát hiện và kết nối Agent có sẵn. Lớp blockchain gồm hai phần: Agent ID và hợp đồng thông minh Chronicle. Agent ID đảm bảo chỉ Agent hợp lệ mới truy cập mạng. Chronicle là kho lưu trữ nhật ký tất cả quyết định và hành vi quan trọng của Agent, được đưa lên chuỗi và bất biến, đảm bảo truy vết hành vi Agent đáng tin cậy.
-
Altered State Machine: Thiết lập tiêu chuẩn xác thực và giao dịch tài sản cho Agent bằng NFT. Phân tích chi tiết xem phần 1. Mặc dù hiện tại ASM chủ yếu tích hợp trò chơi, nhưng với tư cách là tiêu chuẩn nền tảng, nó có tiềm năng mở rộng sang các lĩnh vực Agent khác.
-
Morpheous: Đang xây dựng mạng sinh thái AI Agent, giao thức nhằm kết nối bốn vai trò: Coder, Nhà cung cấp máy tính, Nhà xây dựng cộng đồng và Nhà đầu tư vốn, lần lượt cung cấp AI Agent, năng lực xử lý cho Agent, giao diện và công cụ phát triển, và vốn cho mạng. MOR sẽ áp dụng hình thức Fair launch, cung cấp phần thưởng cho thợ đào cung cấp năng lực xử lý, người staking stETH, người đóng góp phát triển Agent hoặc hợp đồng thông minh, và người đóng góp xây dựng cộng đồng.
4.2 zkML/opML
Hiện tại, bằng chứng không tiết lộ kiến thức (zero-knowledge proof) có hai hướng ứng dụng chính:
-
Chứng minh với chi phí thấp hơn rằng phép toán đã được thực hiện đúng trên chuỗi (ZK-Rollup và cầu nối chéo chuỗi ZKP đang tận dụng đặc điểm này của ZK);
-
Bảo vệ quyền riêng tư: Không cần biết chi tiết tính toán, vẫn có thể chứng minh tính toán được thực hiện đúng.
Tương tự, ứng dụng ZKP trong học máy cũng có thể chia thành hai loại:
-
Xác minh suy luận: Dùng bằng chứng ZK để chứng minh trên chuỗi với chi phí thấp rằng quá trình suy luận mô hình AI – vốn đòi hỏi tính toán nặng – đã được thực hiện đúng bên ngoài chuỗi.
-
Bảo vệ quyền riêng tư: Có thể chia thành hai loại. Thứ nhất là bảo vệ dữ liệu riêng tư, tức dùng dữ liệu riêng tư để suy luận trên mô hình công khai, có thể dùng ZKML để bảo vệ dữ liệu riêng tư. Thứ hai là bảo vệ mô hình riêng tư, muốn giấu trọng số mô hình và thông tin cụ thể khác, từ đầu vào công khai tính toán và đưa ra đầu ra.
Tác giả cho rằng hiện tại điều quan trọng hơn với Crypto là xác minh suy luận, vì vậy sẽ phân tích sâu hơn về kịch bản này. Từ khi AI làm người tham gia đến khi AI làm quy tắc thế giới, chúng ta muốn đưa AI thành một phần của quy trình trên chuỗi. Nhưng chi phí tính toán suy luận mô hình AI quá cao, không thể chạy trực tiếp trên chuỗi. Việc đưa quá trình này ra ngoài chuỗi đồng nghĩa với việc chúng ta phải chấp nhận vấn đề niềm tin từ "hộp đen" này – liệu người vận hành mô hình AI có sửa đổi đầu vào của tôi? Có dùng đúng mô hình tôi chỉ định để suy luận? Bằng cách chuyển mô hình ML thành mạch ZK, có thể đạt được: (1) Đưa mô hình nhỏ lên chuỗi, lưu trữ mô hình zkML nhỏ trong hợp đồng thông minh, giải quyết vấn đề thiếu minh bạch; (2) Thực hiện suy luận bên ngoài chuỗi, đồng thời tạo bằng chứng ZK, dùng bằng chứng ZK trên chuỗi để chứng minh tính đúng đắn của quá trình suy luận. Kiến trúc cơ bản sẽ gồm hai hợp đồng – hợp đồng chính (dùng đầu ra mô hình ML) và hợp đồng xác minh bằng chứng ZK.
zkML vẫn ở giai đoạn rất sơ khai, đối mặt với vấn đề kỹ thuật chuyển mô hình ML thành mạch ZK, cũng như chi phí tính toán và mật mã cực cao. Giống như lộ trình phát triển Rollup, opML xuất hiện như một giải pháp thay thế, tiếp cận từ góc độ kinh tế, sử dụng giả định AnyTrust của Arbitrum, tức mỗi tuyên bố cần ít nhất một nút trung thực, đảm bảo người nộp hoặc ít nhất một người xác minh là trung thực. Tuy nhiên, OPML chỉ có thể là giải pháp thay thế cho xác minh suy luận, không thể thực hiện bảo vệ quyền riêng tư.
Hiện tại, các dự án đang xây dựng cơ sở hạ tầng zkML và nỗ lực khám phá ứng dụng. Việc xây dựng ứng dụng cũng rất quan trọng, vì cần chứng minh rõ ràng với người dùng crypto về vai trò quan trọng của zkML, rằng giá trị cuối cùng có thể bù đắp chi phí khổng lồ. Trong các dự án này, một số tập trung vào nghiên cứu công nghệ ZK liên quan đến học máy (như Modulus Labs), một số khác tập trung xây dựng cơ sở hạ tầng ZK tổng quát hơn. Các dự án tiêu biểu gồm:
-
<
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
@MetricsVentures
