IOSG Research | Khám phá câu chuyện mới về infra từ chồng công nghệ AI x Web3
Tuyển chọn TechFlowTuyển chọn TechFlow
IOSG Research | Khám phá câu chuyện mới về infra từ chồng công nghệ AI x Web3
Chúng ta đang ở giai đoạn bình minh của AI và Web3.
Chuyên sâu báo cáo Web3Tác giả: IOSG Ventures
Lời mở đầu
Sự phát triển nhanh chóng gần đây của các mô hình ngôn ngữ lớn (LLMs) đã làm dấy lên sự quan tâm đến việc sử dụng trí tuệ nhân tạo (AI) để cải cách các ngành công nghiệp. Ngành công nghiệp blockchain cũng không ngoại lệ, trở nên nổi bật nhờ sự xuất hiện của câu chuyện AI x Crypto. Bài viết này khám phá ba cách chính để kết hợp AI và tiền mã hóa, đồng thời thảo luận về cơ hội độc đáo mà công nghệ blockchain mang lại trong việc giải quyết các vấn đề của ngành AI.
Ba hướng tiếp cận AIxCrypto bao gồm:
-
1. Tích hợp AI vào các sản phẩm hiện có: Các công ty như Dune đang sử dụng AI để nâng cao sản phẩm của họ, ví dụ như giới thiệu SQL copilot giúp người dùng viết truy vấn phức tạp.
-
2. Xây dựng hạ tầng AI dành riêng cho hệ sinh thái tiền mã hóa: Các startup như Ritual và Autonolas tập trung phát triển hạ tầng điều khiển bởi AI, được thiết kế riêng theo nhu cầu của hệ sinh thái mã hóa.
-
3. Sử dụng blockchain để giải quyết các vấn đề của ngành AI: Các dự án như Gensyn, EZKL và io.net đang nghiên cứu cách công nghệ blockchain có thể giải quyết những thách thức mà ngành AI đang đối mặt, như quyền riêng tư dữ liệu, bảo mật và minh bạch.
Điểm đặc biệt của AI x Crypto nằm ở chỗ công nghệ blockchain hứa hẹn giải quyết các vấn đề nội tại trong ngành AI. Điểm giao thoa độc đáo này mở ra khả năng cho các giải pháp đổi mới, mang lợi ích cho cả cộng đồng AI và blockchain.
Khi đi sâu vào lĩnh vực AI x Crypto, chúng tôi nhằm mục đích xác định và trình bày những ứng dụng tiềm năng nhất của công nghệ blockchain trong việc giải quyết các thách thức của ngành AI. Thông qua hợp tác với các chuyên gia AI và nhà xây dựng mã hóa, chúng tôi cam kết thúc đẩy sự phát triển của các giải pháp tiên tiến tận dụng tối đa ưu điểm của cả hai công nghệ.
1. Tổng quan ngành
Lĩnh vực AI x Crypto có thể được chia thành hai loại lớn: hạ tầng và ứng dụng. Mặc dù một số hạ tầng hiện tại tiếp tục hỗ trợ các trường hợp sử dụng AI, nhưng những người chơi mới đang tung ra các kiến trúc gốc AI hoàn toàn mới trên thị trường.
1.1 Mạng tính toán
Trong lĩnh vực AIxCrypto, mạng tính toán đóng vai trò then chốt trong việc cung cấp hạ tầng cần thiết cho các ứng dụng AI. Những mạng này có thể được phân loại thành hai loại tùy theo nhiệm vụ hỗ trợ: mạng tính toán chung và mạng tính toán chuyên dụng.
1.1.1 Mạng tính toán chung
Các mạng tính toán chung (ví dụ như IO.net và Akash) cung cấp cho người dùng cơ hội truy cập máy móc thông qua SSH, cùng với giao diện dòng lệnh (CLI), cho phép người dùng xây dựng ứng dụng riêng. Những mạng này tương tự như máy chủ riêng ảo (VPS), cung cấp môi trường tính toán cá nhân trên nền đám mây.
IO.net dựa trên hệ sinh thái Solana, tập trung vào thuê GPU và cụm tính toán, trong khi Akash dựa trên hệ sinh thái Cosmos chủ yếu cung cấp máy chủ đám mây CPU và nhiều mẫu ứng dụng khác nhau.
Quan điểm từ IOSG Ventures:
So với các thị trường đám mây Web2 trưởng thành, các mạng tính toán vẫn còn ở giai đoạn sơ khai. Hạ tầng Web3 chưa linh hoạt như các khối "Lego" trong Web2, chẳng hạn như hàm serverless, VPS hay dịch vụ cơ sở dữ liệu đám mây từ các nhà cung cấp hàng đầu (như AWS, Azure, Google Cloud).
Những lợi thế của mạng tính toán bao gồm:
-
Công nghệ blockchain có thể tận dụng tài nguyên tính toán chưa dùng tới và máy tính cá nhân, giúp mạng bền vững hơn.
-
Thiết kế ngang hàng (P2P) cho phép cá nhân thương mại hóa tài nguyên tính toán dư thừa và cung cấp dịch vụ giá rẻ hơn, có thể giảm chi phí từ 75%-90%.
Tuy nhiên, do những thách thức sau đây, các mạng tính toán khó đưa vào sản xuất thực tế và thay thế dịch vụ đám mây Web2:
-
Dù giá cả là lợi thế chính, nhưng cạnh tranh với các công ty đám mây Web2 lâu năm về chức năng, bảo mật và độ ổn định vẫn rất khó khăn.
-
Phong cách P2P có thể hạn chế khả năng cung cấp sản phẩm hoàn chỉnh và ổn định nhanh chóng. Đặc tính phi tập trung làm tăng thêm chi phí phát triển và duy trì.
1.1.2 Mạng tính toán chuyên dụng
Mạng tính toán chuyên dụng bổ sung thêm một lớp trên nền tảng chung, cho phép người dùng triển khai ứng dụng cụ thể thông qua file cấu hình. Những mạng này nhằm phục vụ các trường hợp dùng cụ thể như render 3D hoặc suy luận/training AI.
Render là một mạng chuyên dụng tập trung vào render 3D. Trong lĩnh vực AI, các tân binh như Bittensor, Hyperbolic, Ritual và fetch.ai tập trung vào suy luận AI, trong khi Flock và Gensyn chủ yếu tập trung vào training AI.
Quan điểm từ IOSG Ventures:
Lợi thế của mạng tính toán chuyên dụng:
-
Tính phi tập trung và đặc điểm crypto giải quyết vấn đề tập trung và thiếu minh bạch phổ biến trong ngành AI.
-
Mạng tính toán không cần cấp phép và cơ chế xác minh đảm bảo tính hiệu lực của quá trình suy luận và training.
-
Các công nghệ bảo vệ quyền riêng tư như học liên kết (federated learning) mà Flock áp dụng cho phép cá nhân đóng góp dữ liệu cho training mô hình, trong khi giữ dữ liệu tại chỗ và riêng tư.
-
Hỗ trợ tích hợp với các ứng dụng blockchain phía dưới thông qua hợp đồng thông minh, cho phép suy luận AI được sử dụng trực tiếp trên blockchain.
Nguồn: IOSG Ventures
Mặc dù các mạng tính toán chuyên dụng cho suy luận và training AI vẫn còn ở giai đoạn đầu, chúng tôi kỳ vọng các ứng dụng Web3 AI sẽ ưu tiên sử dụng hạ tầng Web3 AI. Xu hướng này đã rõ ràng qua các hợp tác như Story Protocol và Ritual hợp tác với MyShell để giới thiệu mô hình AI như tài sản trí tuệ.
Mặc dù chưa xuất hiện ứng dụng "killer app" nào xây dựng trên các hạ tầng AI x Web3 mới nổi này, tiềm năng tăng trưởng là rất lớn. Khi hệ sinh thái trưởng thành, chúng tôi kỳ vọng sẽ thấy nhiều ứng dụng sáng tạo hơn nữa tận dụng các khả năng độc đáo của mạng tính toán AI phi tập trung.
2. Dữ liệu
Dữ liệu đóng vai trò thiết yếu trong các mô hình AI; mọi giai đoạn phát triển mô hình AI đều liên quan đến dữ liệu, bao gồm thu thập dữ liệu, lưu trữ bộ dữ liệu training và lưu trữ mô hình.
2.1 Lưu trữ dữ liệu
Lưu trữ phi tập trung các mô hình AI là rất quan trọng để cung cấp API suy luận theo cách phi tập trung. Các nút suy luận phải có thể truy xuất các mô hình này mọi lúc, mọi nơi. Với kích thước mô hình AI có thể lên đến hàng trăm GB, cần một mạng lưu trữ phi tập trung mạnh mẽ. Các nhà tiên phong trong lĩnh vực lưu trữ phi tập trung như Filecoin và Arweave có thể cung cấp chức năng này.
Quan điểm từ IOSG Ventures:
Lĩnh vực này tiềm ẩn cơ hội lớn.
-
Các mạng lưu trữ dữ liệu phi tập trung được tối ưu hóa cho mô hình AI, cung cấp kiểm soát phiên bản, lưu trữ các mô hình lượng tử hóa độ chính xác thấp khác nhau và tải xuống nhanh mô hình lớn.
-
Cơ sở dữ liệu vector phi tập trung, vì chúng thường được gắn kèm với mô hình, giúp trả lời chính xác hơn bằng cách chèn kiến thức liên quan đến câu hỏi. Cơ sở dữ liệu SQL hiện có cũng có thể bổ sung hỗ trợ tìm kiếm vector.
2.2 Thu thập và gán nhãn dữ liệu
Thu thập dữ liệu chất lượng cao là cực kỳ quan trọng đối với training AI. Các dự án dựa trên blockchain như Grass sử dụng crowdsourcing để thu thập dữ liệu cho training AI, tận dụng mạng lưới cá nhân. Nhờ cơ chế khuyến khích phù hợp, người đào tạo AI có thể nhận được dữ liệu chất lượng cao với chi phí thấp. Các dự án như Tai-da và Saipen tập trung vào gán nhãn dữ liệu.
Quan điểm từ IOSG Ventures:
Một vài quan sát của chúng tôi về thị trường này:
-
Hầu hết các dự án gán nhãn dữ liệu chịu ảnh hưởng từ GameFi, thu hút người dùng với khái niệm "kiếm tiền bằng gán nhãn" và thu hút nhà phát triển bằng cam kết giảm chi phí cho dữ liệu gán nhãn chất lượng cao.
-
Hiện tại chưa có người dẫn đầu rõ ràng trong lĩnh vực này, trong khi Scale AI thống trị thị trường gán nhãn dữ liệu Web2.
2.3 Dữ liệu blockchain
Khi huấn luyện các mô hình AI chuyên biệt cho blockchain, các nhà phát triển cần dữ liệu blockchain chất lượng cao, mong muốn có thể sử dụng trực tiếp trong quy trình huấn luyện. Spice AI và Space and Time cung cấp dữ liệu blockchain chất lượng cao kèm SDK, giúp các nhà phát triển dễ dàng tích hợp dữ liệu vào đường ống dữ liệu huấn luyện của họ.
Quan điểm từ IOSG Ventures:
Khi nhu cầu về các mô hình AI liên quan đến blockchain tăng lên, nhu cầu về dữ liệu blockchain chất lượng cao sẽ bùng nổ. Tuy nhiên, phần lớn công cụ phân tích dữ liệu hiện chỉ cung cấp xuất dữ liệu dạng CSV, điều này không lý tưởng cho mục đích huấn luyện AI.
Để thúc đẩy sự phát triển của các mô hình AI chuyên biệt cho blockchain, điều thiết yếu là nâng cao trải nghiệm nhà phát triển bằng cách cung cấp thêm các chức năng vận hành học máy (MLOP) liên quan đến blockchain. Những chức năng này nên cho phép nhà phát triển tích hợp liền mạch dữ liệu blockchain trực tiếp vào đường ống huấn luyện AI dựa trên Python của họ.
3. ZKML
Nhà cung cấp AI tập trung đối mặt với vấn đề niềm tin do động cơ sử dụng các mô hình ít phức tạp hơn để giảm chi phí tính toán. Ví dụ, năm ngoái đôi khi người dùng cảm thấy ChatGPT hoạt động kém. Sau đó điều này được cho là do các bản cập nhật của OpenAI nhằm nâng cao hiệu suất mô hình.
Ngoài ra, các nhà sáng tạo nội dung bày tỏ lo ngại bản quyền đối với các công ty AI. Các công ty này khó chứng minh rằng dữ liệu cụ thể không được đưa vào quá trình huấn luyện của họ.
Học máy bằng chứng không kiến thức (ZKML) là một phương pháp đổi mới giải quyết các vấn đề về niềm tin liên quan đến nhà cung cấp AI tập trung. Bằng cách sử dụng bằng chứng không kiến thức, ZKML cho phép các nhà phát triển chứng minh tính đúng đắn của quá trình huấn luyện và suy luận AI mà không tiết lộ dữ liệu nhạy cảm hay chi tiết mô hình.
3.1 Huấn luyện
Các nhà phát triển có thể thực hiện nhiệm vụ huấn luyện bên trong máy ảo không kiến thức (ZKVM), ví dụ như do Risc Zero cung cấp. Quá trình này tạo ra một bằng chứng xác minh rằng việc huấn luyện đã được thực hiện đúng cách và chỉ sử dụng dữ liệu được ủy quyền. Bằng chứng này đóng vai trò là minh chứng cho việc nhà phát triển tuân thủ đúng quy chuẩn huấn luyện và quyền sử dụng dữ liệu.
Quan điểm từ IOSG Ventures:
-
ZKML cung cấp giải pháp độc đáo để chứng minh việc sử dụng dữ liệu được ủy quyền trong huấn luyện mô hình, điều mà thường rất khó thực hiện do đặc tính hộp đen của mô hình AI.
-
Công nghệ này vẫn còn ở giai đoạn đầu. Chi phí tính toán rất lớn. Cộng đồng đang tích cực khám phá thêm các trường hợp sử dụng cho ZK training.
3.2 Suy luận
So với huấn luyện, ZKML dùng cho suy luận mất nhiều thời gian hơn đáng kể. Lĩnh vực này đã có một vài công ty nổi bật xuất hiện, mỗi công ty theo đuổi cách tiếp cận riêng để làm cho suy luận học máy trở nên đáng tin cậy và minh bạch.
Giza tập trung xây dựng một nền tảng vận hành học máy (MLOP) toàn diện và xây dựng một cộng đồng sôi động xung quanh nó. Mục tiêu của họ là cung cấp cho các nhà phát triển các công cụ và tài nguyên để tích hợp ZKML vào quy trình làm việc suy luận.
Ngược lại, EZKL ưu tiên trải nghiệm nhà phát triển bằng cách tạo ra một khuôn khổ ZKML thân thiện với người dùng và hiệu suất tốt. Giải pháp của họ nhằm đơn giản hóa quá trình thực hiện suy luận ZKML, giúp nhiều nhà phát triển dễ dàng tiếp cận hơn.
Modulus Labs theo một hướng khác, phát triển hệ thống chứng minh riêng. Mục tiêu chính là giảm đáng kể chi phí tính toán liên quan đến suy luận ZKML. Bằng cách giảm chi phí 10 lần, Modulus Labs cố gắng làm cho suy luận ZKML trở nên thiết thực và hiệu quả hơn trong ứng dụng thực tế.
Quan điểm từ IOSG Ventures:
-
ZKML đặc biệt phù hợp với các tình huống GameFi và DeFi, nơi tính không cần tin cậy là rất quan trọng.
-
Chi phí tính toán do ZKML gây ra khiến các mô hình AI lớn khó chạy hiệu quả.
-
Ngành công nghiệp vẫn đang tìm kiếm các tiên phong DeFi và GameFi sử dụng ZKML rộng rãi trong sản phẩm để minh chứng cho các trường hợp ứng dụng thực tế.
4. Mạng đại lý + Ứng dụng khác
4.1 Mạng đại lý
Mạng đại lý bao gồm nhiều đại lý AI được trang bị công cụ và kiến thức để thực hiện các nhiệm vụ cụ thể, ví dụ như hỗ trợ giao dịch trên chuỗi. Các đại lý này có thể hợp tác lẫn nhau để đạt được các mục tiêu phức tạp hơn. Một số công ty nổi bật đang tích cực phát triển các đại lý chatbot và mạng đại lý.
Sleepless, Siya, Myshell, characterX và Delysium là những người chơi chính đang xây dựng đại lý chatbot. Autonolas và ChainML đang xây dựng mạng đại lý cho các trường hợp dùng mạnh mẽ hơn.
Quan điểm từ IOSG Ventures:
Đại lý rất quan trọng đối với ứng dụng thực tế. Chúng có thể thực hiện các nhiệm vụ cụ thể tốt hơn so với AI tổng quát. Blockchain mang lại cho đại lý AI nhiều cơ hội độc đáo.
-
Cơ chế khuyến khích: Blockchain cung cấp cơ chế khuyến khích thông qua các công nghệ như token không thể thay thế (NFT). Với quyền sở hữu rõ ràng và cấu trúc khuyến khích, người sáng tạo được thúc đẩy phát triển các đại lý thú vị và sáng tạo hơn trên chuỗi.
-
Tính kết hợp của hợp đồng thông minh: Hợp đồng thông minh trên blockchain có tính kết hợp cao, hoạt động như các khối Lego. API mở từ hợp đồng thông minh cho phép đại lý thực hiện các nhiệm vụ phức tạp khó thực hiện trong hệ thống tài chính truyền thống. Tính kết hợp này cho phép đại lý tương tác và tận dụng chức năng từ nhiều ứng dụng phi tập trung (dApps).
-
Sự cởi mở vốn có: Bằng cách xây dựng đại lý trên blockchain, chúng kế thừa tính cởi mở và minh bạch vốn có của các mạng này. Điều này tạo ra cơ hội lớn về tính kết hợp giữa các đại lý, cho phép chúng hợp tác và kết hợp khả năng để giải quyết các nhiệm vụ phức tạp hơn.
4.2 Ứng dụng khác
Ngoài các hạng mục chính đã thảo luận, có một vài ứng dụng AI thú vị khác trong lĩnh vực Web3 đang thu hút sự chú ý, mặc dù có thể chưa đủ lớn để hình thành hạng mục riêng. Những ứng dụng này trải dài khắp nhiều lĩnh vực, thể hiện sự đa dạng và tiềm năng của AI trong hệ sinh thái blockchain.
-
Tạo hình ảnh: ImgnAI
-
Monet hóa gợi ý hình ảnh: NFPrompt
-
Tạo hình ảnh AI do cộng đồng huấn luyện: Botto
-
Chatbot: Kaito, Supersight, Galaxy, Knn3, Awesome QA, Qna3
-
Tài chính: Numer AI
-
Ví: Dawn_wallet
-
Trò chơi: Parallel TCG
-
Giáo dục: Hooked
-
Bảo mật: Forta
-
DID: Worldcoin
-
Công cụ sáng tạo: Plai Lab
5. Đưa AIxCrypto đến người dùng Web2 để đạt được áp dụng quy mô lớn
Điểm độc đáo của AI x Crypto là khả năng giải quyết những vấn đề khó khăn nhất trong lĩnh vực AI. Mặc dù hiện tại vẫn tồn tại khoảng cách giữa sản phẩm AIxCrypto và sản phẩm AI Web2, và chưa hấp dẫn người dùng Web2, nhưng AIxCrypto vẫn sở hữu những tính năng độc đáo mà chỉ có nó mới cung cấp được.
5.1 Tài nguyên tính toán hiệu quả về chi phí:
Một lợi thế chính của AIxCrypto là cung cấp tài nguyên tính toán hiệu quả về chi phí. Khi nhu cầu về LLM tăng lên, ngày càng nhiều nhà phát triển gia nhập thị trường, tính sẵn có và giá cả của GPU trở nên khó khăn hơn. Giá GPU tăng mạnh và xảy ra tình trạng khan hiếm.
Các mạng tính toán phi tập trung như các dự án DePIN có thể giúp giảm nhẹ vấn đề này bằng cách tận dụng sức mạnh tính toán nhàn rỗi, GPU từ các trung tâm dữ liệu nhỏ và thiết bị tính toán cá nhân. Mặc dù độ ổn định của công suất tính toán phi tập trung có thể không bằng dịch vụ đám mây tập trung, nhưng các mạng này cung cấp thiết bị tính toán hiệu quả về chi phí ở nhiều khu vực địa lý khác nhau. Cách tiếp cận phi tập trung này giảm thiểu độ trễ biên, đảm bảo cơ sở hạ tầng phân tán và linh hoạt hơn.
Bằng cách tận dụng sức mạnh của các mạng tính toán phi tập trung, AIxCrypto có thể cung cấp cho người dùng Web2 tài nguyên tính toán giá cả phải chăng và dễ tiếp cận. Lợi thế về chi phí này hấp dẫn đối với việc thu hút người dùng Web2 áp dụng các giải pháp AIxCrypto, đặc biệt khi nhu cầu về tính toán AI tiếp tục tăng.
5.2 Trao quyền sở hữu cho người sáng tạo:
Một lợi thế quan trọng khác của AI x Crypto là bảo vệ quyền sở hữu của người sáng tạo. Trong lĩnh vực AI hiện tại, một số đại lý dễ bị sao chép. Chỉ cần viết một lời nhắc tương tự, các đại lý này có thể dễ dàng bị nhân bản. Ngoài ra, các đại lý trong cửa hàng GPT thường thuộc sở hữu của các công ty tập trung chứ không phải người sáng tạo, hạn chế quyền kiểm soát của người sáng tạo đối với tác phẩm và khả năng kiếm tiền hiệu quả.
AI x Crypto tận dụng công nghệ NFT trưởng thành phổ biến trong lĩnh vực mã hóa để giải quyết vấn đề này. Bằng cách biểu diễn các đại lý dưới dạng NFT, người sáng tạo thực sự sở hữu tác phẩm của họ và thu được lợi ích thực tế. Mỗi lần người dùng tương tác với đại lý, người sáng tạo đều nhận được phần thưởng, đảm bảo phần thưởng công bằng cho nỗ lực của họ. Khái niệm sở hữu dựa trên NFT không chỉ áp dụng cho các đại lý mà còn có thể dùng để bảo vệ các tài sản quan trọng khác trong lĩnh vực AI như cơ sở tri thức và lời nhắc.
5.3 Bảo vệ quyền riêng tư và xây dựng lại niềm tin:
Người dùng và người sáng tạo đều lo ngại về quyền riêng tư trước các công ty AI tập trung. Người dùng lo sợ dữ liệu của họ bị lạm dụng để huấn luyện các mô hình tương lai, trong khi người sáng tạo lo lắng tác phẩm của họ bị sử dụng mà không được ghi công hoặc bồi thường thích đáng. Hơn nữa, các công ty AI tập trung có thể hy sinh chất lượng dịch vụ để giảm chi phí cơ sở hạ tầng.
Những vấn đề này khó giải quyết bằng công nghệ Web2, trong khi AIxCrypto tận dụng các giải pháp Web3 tiên tiến. Việc huấn luyện và suy luận bằng chứng không kiến thức có thể cung cấp minh bạch bằng cách chứng minh dữ liệu được sử dụng và đảm bảo mô hình được áp dụng đúng. Các công nghệ như môi trường thực thi đáng tin cậy (TEE), học liên kết và mã hóa đồng dạng hoàn toàn (FHE) cho phép huấn luyện và suy luận AI an toàn, bảo vệ quyền riêng tư.
Bằng cách ưu tiên quyền riêng tư và minh bạch, AIxCrypto giúp các công ty AI tái lập lại niềm tin công chúng và cung cấp dịch vụ AI tôn trọng quyền lợi người dùng, tạo sự khác biệt với các giải pháp Web2 truyền thống.
5.3 Bảo vệ quyền riêng tư và xây dựng lại niềm tin:
Người dùng và người sáng tạo đều lo ngại về quyền riêng tư trước các công ty AI tập trung. Người dùng lo sợ dữ liệu của họ bị lạm dụng để huấn luyện các mô hình tương lai, trong khi người sáng tạo lo lắng tác phẩm của họ bị sử dụng mà không được ghi công hoặc bồi thường thích đáng. Hơn nữa, các công ty AI tập trung có thể hy sinh chất lượng dịch vụ để giảm chi phí cơ sở hạ tầng.
Những vấn đề này khó giải quyết bằng công nghệ Web2, trong khi AIxCrypto tận dụng các giải pháp Web3 tiên tiến. Việc huấn luyện và suy luận bằng chứng không kiến thức có thể cung cấp minh bạch bằng cách chứng minh dữ liệu được sử dụng và đảm bảo mô hình được áp dụng đúng. Các công nghệ như môi trường thực thi đáng tin cậy (TEE), học liên kết và mã hóa đồng dạng hoàn toàn (FHE) cho phép huấn luyện và suy luận AI an toàn, bảo vệ quyền riêng tư.
Bằng cách ưu tiên quyền riêng tư và minh bạch, AIxCrypto giúp các công ty AI tái lập lại niềm tin công chúng và cung cấp dịch vụ AI tôn trọng quyền lợi người dùng, tạo sự khác biệt với các giải pháp Web2 truyền thống.
5.4 Theo dõi nguồn gốc nội dung
Khi nội dung do AI tạo ra ngày càng tinh vi, việc phân biệt nội dung do con người sáng tạo và nội dung do AI tạo ra (văn bản, hình ảnh hoặc video) trở nên khó khăn hơn. Để ngăn chặn việc lạm dụng nội dung do AI tạo ra, cần có một cách đáng tin cậy để xác định nguồn gốc nội dung.
Blockchain thể hiện ưu thế vượt trội trong việc theo dõi nguồn gốc nội dung, giống như thành công trong quản lý chuỗi cung ứng và NFT. Trong ngành chuỗi cung ứng, blockchain theo dõi toàn bộ vòng đời sản phẩm, người dùng có thể xác định nhà sản xuất và các mốc quan trọng. Tương tự, blockchain theo dõi người sáng tạo và ngăn chặn đạo văn trong trường hợp NFT, vốn dễ bị đạo văn do tính công khai. Mặc dù có điểm yếu này, việc sử dụng blockchain có thể giảm thiểu thiệt hại do NFT giả gây ra, vì người dùng dễ dàng phân biệt được token thật và giả.
Bằng cách áp dụng công nghệ blockchain để theo dõi nguồn gốc nội dung do AI tạo ra, AIxCrypto có thể cho người dùng khả năng xác minh người tạo nội dung là AI hay con người, từ đó giảm khả năng lạm dụng và tăng niềm tin vào tính xác thực của nội dung.
5.5 Phát triển mô hình bằng tiền mã hóa
Thiết kế và huấn luyện mô hình, đặc biệt là các mô hình lớn, là một quá trình tốn kém và mất thời gian. Các mô hình mới cũng tiềm ẩn rủi ro không chắc chắn, nhà phát triển không thể dự đoán hiệu suất của chúng.
Tiền mã hóa cung cấp một cách thân thiện với nhà phát triển để thu thập dữ liệu tiền huấn luyện, thu thập phản hồi học tăng cường và gây quỹ từ các bên quan tâm. Quá trình này tương tự như vòng đời điển hình của một dự án tiền mã hóa: gây quỹ thông qua đầu tư riêng hoặc nền tảng khởi chạy, và phân bổ token cho những người đóng góp tích cực khi ra mắt.
Mô hình có thể áp dụng cách tiếp cận tương tự, gây quỹ bằng cách bán token để huấn luyện, và airdrop token cho những người đóng góp dữ liệu và phản hồi. Thông qua mô hình kinh tế token được thiết kế kỹ lưỡng, quy trình này có thể giúp các nhà phát triển cá nhân dễ dàng huấn luyện mô hình mới hơn bao giờ hết.
6. Thách thức về Tokennomics
Các dự án AI x Crypto bắt đầu nhắm đến các nhà phát triển Web2 như khách hàng tiềm năng, vì mã hóa có đề xuất giá trị độc đáo và thị trường AI Web2 có quy mô đáng kể. Tuy nhiên, đối với các nhà phát triển Web2 không quen thuộc với token và không muốn tham gia hệ thống dựa trên token, token có thể trở thành rào cản.
Để thu hút nhà phát triển Web2, việc giảm hoặc loại bỏ tính hữu dụng của token có thể gây khó chịu cho những người yêu thích Web3, vì điều này có thể làm thay đổi lập trường cơ bản của các dự án AI x Crypto. Việc tìm kiếm sự cân bằng giữa việc thu hút nhà phát triển Web2 và duy trì tính hữu dụng của token là một nhiệm vụ đầy thách thức khi tích hợp token có giá trị vào nền tảng AI SaaS.
Để thu hẹp khoảng cách giữa mô hình kinh doanh Web2 và Web3, đồng thời duy trì giá trị token, có thể xem xét một số phương pháp tiềm năng sau:
-
Sử dụng token trong mạng hạ tầng phân tán của dự án. Triển khai cơ chế đặt cược, thưởng và phạt để bảo vệ mạng cơ sở.
-
Sử dụng token như một phương tiện thanh toán, đồng thời cung cấp cổng truy cập cho người dùng Web2
-
Triển khai quản trị dựa trên token
-
Chia sẻ lợi nhuận với người nắm giữ token
-
Sử dụng lợi nhuận để mua lại hoặc đốt token
-
Cung cấp chiết khấu và tính năng bổ sung cho người nắm giữ token đối với các dịch vụ do dự án cung cấp
Bằng cách thiết kế cẩn thận mô hình kinh tế token phù hợp với lợi ích của cả Web2 và Web3, các dự án AI x Crypto có thể thành công thu hút nhà phát triển Web2, đồng thời duy trì giá trị và tính hữu dụng của token.
7. Cảnh tượng AI x Crypto yêu thích của chúng tôi
Cảnh tượng AI x Crypto yêu thích của chúng tôi tận dụng sức mạnh hợp tác của người dùng, kết hợp công nghệ blockchain để hoàn thành nhiệm vụ trong lĩnh vực AI. Một vài ví dụ cụ thể bao gồm:
1. Đóng góp dữ liệu tập thể cho huấn luyện AI, căn chỉnh (Alignment) và kiểm định chuẩn (benchmarking) (ví dụ: Chatbot Arena)
2. Hợp tác xây dựng một cơ sở tri thức chia sẻ lớn, có thể được sử dụng bởi nhiều đại lý khác nhau (ví dụ: Sahara)
3. Tận dụng tài nguyên cá nhân để thu thập dữ liệu mạng (ví dụ: Grass)
Bằng cách tận dụng nỗ lực tập thể của người dùng dựa trên cơ chế khuyến khích và phối hợp của blockchain, các mô hình này thể hiện tiềm năng của phương pháp phi tập trung, do cộng đồng dẫn dắt trong phát triển và triển khai AI.
Kết luận
Chúng ta đang ở buổi bình minh của AI và Web3, và so với các ngành khác, sự tích hợp giữa AI và blockchain vẫn còn ở giai đoạn sơ khai. Trong danh sách 50 sản phẩm Gen AI hàng đầu, không có sản phẩm nào liên quan đến Web3. Các công cụ LLM hàng đầu liên quan đến sáng tạo và biên tập nội dung, chủ yếu hướng đến bán hàng, họp và ghi chú/cơ sở tri thức. Xét đến lượng lớn công việc nghiên cứu, tài liệu, bán hàng và cộng đồng trong hệ sinh thái Web3, điều này mở ra tiềm năng to lớn cho việc phát triển các công cụ LLM tùy chỉnh.
Hiện tại, các nhà phát triển đang tập trung xây dựng hạ tầng để đưa các mô hình AI tiên tiến lên chuỗi, mặc dù chúng ta vẫn chưa đạt được mục tiêu. Trong khi tiếp tục phát triển hạ tầng này, chúng ta cũng đang khám phá các kịch bản người dùng tốt nhất để thực hiện suy luận AI trên chuỗi một cách an toàn và không cần tin cậy, điều này mang lại cơ hội độc đáo cho lĩnh vực blockchain. Các ngành khác có thể trực tiếp sử dụng hạ tầng LLM hiện có để suy luận và tinh chỉnh. Chỉ riêng ngành blockchain mới cần hạ tầng AI gốc của riêng mình.
Trong tương lai gần, chúng tôi kỳ vọng công nghệ blockchain sẽ tận dụng lợi thế ngang hàng để giải quyết những vấn đề thách thức nhất trong ngành AI, giúp các mô hình AI trở nên rẻ hơn, dễ tiếp cận và sinh lời hơn cho tất cả mọi người. Chúng tôi cũng mong đợi lĩnh vực mã hóa sẽ đi theo câu chuyện của ngành AI, dù có chậm hơn một chút. Trong năm qua, chúng tôi đã chứng kiến các nhà phát triển kết hợp Crypto, đại lý và mô hình LLM. Trong vài tháng tới, chúng tôi có thể sẽ thấy nhiều mô hình đa phương thức hơn, tạo video từ văn bản và tạo 3D ảnh hưởng đến lĩnh vực Crypto.
Toàn bộ ngành AI và Web3 hiện tại chưa được đánh giá đúng mức, và chúng tôi háo hức chờ đợi khoảnh khắc bùng nổ của AI trong Web3 — một ứng dụng killer CryptoxAI.
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
IOSG Ventures
