Dự án AI mã hóa không hoàn toàn là vô nghĩa, làm sao để nhận diện được tình huống thực tế và nhu cầu giả tạo?
Tuyển chọn TechFlowTuyển chọn TechFlow
Dự án AI mã hóa không hoàn toàn là vô nghĩa, làm sao để nhận diện được tình huống thực tế và nhu cầu giả tạo?
Công nghệ mã hóa được xem là một lực lượng đối trọng với sự tập trung hóa AI.
Chuyên sâu báo cáo Web3Tác giả: 563
Biên dịch: TechFlow
Lái xe tại điểm giao nhau của mã hóa và trí tuệ nhân tạo.
Khi tìm kiếm các thông tin alpha mới, chúng ta không tránh khỏi việc gặp phải một lượng lớn thông tin rác. Khi một dự án chỉ cần một bản tóm tắt nửa vời và một chút thương hiệu tạm chấp nhận được là có thể huy động hàng chục nghìn đến hàng trăm nghìn đô la trong tích tắc, những người đầu cơ sẽ bám vào mọi câu chuyện mới. Và khi lĩnh vực tài chính truyền thống đổ xô vào xu hướng AI, câu chuyện "mã hóa + AI" lại càng làm trầm trọng thêm vấn đề này.
Vấn đề với phần lớn các dự án này là:
-
Phần lớn các dự án mã hóa không cần AI
-
Phần lớn các dự án AI không cần tiền mã hóa
Không phải sàn giao dịch phi tập trung (DEX) nào cũng cần trợ lý AI tích hợp, cũng như không phải chatbot nào cũng cần một token đi kèm để thúc đẩy đường cong áp dụng. Việc ép buộc kết hợp AI và công nghệ mã hóa khiến tôi gần như sụp đổ ngay từ khi bắt đầu tìm hiểu sâu về câu chuyện này lúc đó.
Tin xấu là gì? Tiếp tục đi theo con đường hiện tại, tiếp tục tập trung hóa công nghệ này, sẽ dẫn đến thất bại, đồng thời một lượng lớn các dự án "AI x Crypto" giả mạo sẽ cản trở nỗ lực xoay chuyển tình thế.
Tin tốt là gì? Cuối đường hầm vẫn thấy ánh sáng. Đôi khi, AI thực sự có thể hưởng lợi từ kinh tế học mã hóa. Tương tự, trong một số trường hợp sử dụng tiền mã hóa, AI cũng có thể giải quyết một số vấn đề thực tế.
Trong bài viết hôm nay, chúng ta sẽ khám phá những điểm giao thoa then chốt này. Những ý tưởng đổi mới ngách nhỏ này chồng lấn lên nhau tạo thành một tổng thể, hiệu quả lớn hơn tổng các phần riêng biệt.
Cái nhìn tổng quan về stack AI
Dưới đây là cách tôi nhìn nhận các lĩnh vực dọc khác nhau trong hệ sinh thái "AI mã hóa" (nếu bạn muốn tìm hiểu sâu hơn, hãy tham khảo bài viết của Tommy). Lưu ý rằng đây là một cái nhìn cực kỳ đơn giản hóa, nhưng hy vọng nó sẽ giúp chúng ta đặt nền móng.
Từ cấp độ cao, cách thức hoạt động như sau:
-
Thu thập dữ liệu quy mô lớn.
-
Xử lý dữ liệu này để máy móc hiểu cách tiêu thụ và áp dụng nó.
-
Huấn luyện mô hình trên dữ liệu này để tạo ra một mô hình phổ quát.
-
Sau đó có thể tinh chỉnh để xử lý các trường hợp sử dụng cụ thể.
-
Cuối cùng, các mô hình này được triển khai và lưu trữ để các ứng dụng có thể truy vấn chúng nhằm thực hiện hữu ích.
-
Tất cả đều cần lượng lớn tài nguyên tính toán, có thể chạy cục bộ hoặc lấy từ đám mây.
Hãy cùng khám phá từng lĩnh vực này, đặc biệt chú ý đến cách thiết kế kinh tế học mã hóa khác nhau có thể thực sự cải thiện quy trình làm việc tiêu chuẩn.
Mã hóa trao cho mã nguồn mở cơ hội chiến đấu
Cuộc tranh luận giữa phương pháp phát triển "đóng nguồn" và "mở nguồn" có thể truy ngược về cuộc tranh luận Windows-Linux và lý thuyết nổi tiếng "Nhà thờ và chợ" của Eric Raymond. Dù ngày nay Linux được sử dụng rộng rãi trong cộng đồng đam mê, nhưng khoảng 90% người dùng vẫn chọn Windows. Tại sao? Vì động lực.
Ít nhất từ bên ngoài, phát triển mã nguồn mở mang lại nhiều lợi ích. Nó cho phép nhiều người nhất có thể tham gia và đóng góp vào quá trình phát triển. Nhưng trong cấu trúc vô đầu này, không có chỉ đạo thống nhất nào. CEO sẽ không chủ động để càng nhiều người càng tốt sử dụng sản phẩm của họ nhằm tối đa hóa lợi nhuận cuối cùng. Trong quá trình phát triển mã nguồn mở, dự án có nguy cơ biến thành một "thể dị hợp", rẽ nhánh theo mọi điểm giao cắt trong triết lý thiết kế.
Cách tốt nhất để điều chỉnh động lực là gì? Xây dựng một hệ thống thưởng cho những hành vi thúc đẩy mục tiêu đạt được. Nói cách khác, đưa tiền vào tay những đối tượng hành động giúp chúng ta tiến gần hơn đến mục tiêu. Với tiền mã hóa, điều này có thể được lập trình cứng như luật lệ.
Chúng ta sẽ xem xét một số dự án đang làm điều này.
Mạng hạ tầng vật lý phi tập trung (DePINs)
“Ôi trời, lại nữa à?” Tôi biết, câu chuyện DePIN đã bị nói đến mức cũ rích gần như bằng chính AI, nhưng hãy kiên nhẫn thêm chút nữa. Tôi tin chắc rằng DePIN là một trường hợp sử dụng mã hóa thực sự có cơ hội thay đổi thế giới. Hãy nghĩ xem.
Công nghệ mã hóa thực sự giỏi điều gì? Loại bỏ trung gian và khuyến khích hành động.
Tầm nhìn ban đầu của Bitcoin là tiền tệ ngang hàng, nhằm loại bỏ ngân hàng. Tương tự, các DePIN hiện đại nhằm loại bỏ sức mạnh tập trung và đưa ra động lực thị trường minh bạch, công bằng. Như chúng ta sẽ thấy, kiến trúc này lý tưởng cho việc crowdsourcing các mạng liên quan đến AI.
DePIN sử dụng việc phát hành token sớm để tăng nguồn cung (người cung cấp), hy vọng điều này sẽ thu hút nhu cầu bền vững từ người tiêu dùng. Điều này nhằm giải quyết vấn đề khởi động lạnh trong thị trường mới.
Điều này có nghĩa là những người cung cấp phần cứng/phần mềm ("nút") sớm kiếm được nhiều token và ít tiền mặt. Khi người dùng tận dụng các nút này (trong trường hợp của chúng ta là những người xây dựng học máy) mang lại dòng tiền, điều này bắt đầu bù đắp cho việc phát hành token giảm dần theo thời gian, cho đến khi một hệ sinh thái hoàn toàn tự chủ được xây dựng (có thể mất vài năm). Những người tiên phong như Helium và Hivemapper đã chứng minh hiệu quả của thiết kế này.
Mạng dữ liệu, trường hợp Grass
Người ta cho rằng GPT-3 được huấn luyện bằng 45TB dữ liệu văn bản thuần túy, tương đương khoảng 90 triệu tiểu thuyết (nhưng nó vẫn không thể vẽ một vòng tròn). GPT-4 và GPT-5 cần nhiều dữ liệu hơn cả lượng dữ liệu tồn tại trên mạng bề mặt, do đó gọi AI là "khát dữ liệu" là cách nói nhẹ nhàng nhất của thế kỷ này.
Nếu bạn không phải là người chơi hàng đầu (OpenAI, Microsoft, Google, Facebook), việc tiếp cận dữ liệu này rất khó khăn. Chiến lược phổ biến của hầu hết mọi người là cào web, và mọi thứ đều ổn cho đến khi bạn cố gắng tăng tốc. Nếu dùng một instance AWS để cào hàng loạt website, bạn sẽ nhanh chóng bị giới hạn tốc độ. Đây là lúc Grass xuất hiện.
Grass kết nối hơn hai triệu thiết bị, tổ chức chúng cào website từ địa chỉ IP của người dùng, thu thập, cấu trúc và bán cho các công ty AI đang khát dữ liệu. Đổi lại, người dùng tham gia mạng Grass có thể kiếm được thu nhập ổn định từ các công ty AI sử dụng dữ liệu của họ.
Tất nhiên, hiện tại chưa có token nào, nhưng token $GRASS trong tương lai có thể khiến người dùng sẵn sàng tải tiện ích mở rộng trình duyệt (hoặc ứng dụng điện thoại) của họ hơn. Dù vậy, họ đã thu hút lượng người dùng khổng lồ thông qua một chiến dịch giới thiệu cực kỳ thành công.
Mạng GPU, trường hợp io.net
Có lẽ quan trọng hơn dữ liệu là năng lực tính toán. Bạn có biết rằng trong năm 2020 và 2021, Trung Quốc đã chi nhiều tiền cho GPU hơn dầu mỏ? Thật điên rồ, nhưng mới chỉ là khởi đầu. Chào tạm biệt tiền dầu, nhường chỗ cho tiền tính toán.
Hiện nay, có rất nhiều DePIN GPU trên thị trường, hoạt động theo sơ đồ cơ bản như sau.
-
Những kỹ sư/máy học công ty đang khẩn cấp cần tính toán.
-
Mặt khác là các trung tâm dữ liệu, máy đào không sử dụng và những người nghiệp dư sở hữu GPU/CPU dư thừa.
Mặc dù nguồn cung toàn cầu rất lớn nhưng lại thiếu sự phối hợp. Việc liên hệ với 10 trung tâm dữ liệu khác nhau để họ báo giá cho nhu cầu của bạn không hề dễ dàng. Một giải pháp tập trung sẽ tạo ra một trung gian ăn lãi, động lực của họ là trích xuất tối đa giá trị từ cả hai phía, nhưng công nghệ mã hóa có thể giúp.
Công nghệ mã hóa rất giỏi trong việc tạo ra lớp thị trường, kết nối người mua và người bán một cách hiệu quả. Một đoạn mã không cần chịu trách nhiệm với lợi ích tài chính của cổ đông.
io.net nổi bật vì họ giới thiệu một số công nghệ mới tuyệt vời quan trọng đối với việc huấn luyện AI —— cụm stack của họ. Cụm truyền thống liên quan đến việc kết nối vật lý một nhóm GPU trong cùng một trung tâm dữ liệu, cho phép chúng làm việc cùng nhau để huấn luyện mô hình. Nhưng nếu phần cứng của bạn phân bố khắp nơi trên thế giới thì sao? io.net hợp tác với Ray (dùng để tạo ChatGPT) phát triển phần mềm trung gian cụm có thể kết nối các GPU ở địa điểm khác nhau.
Hơn nữa, quy trình đăng ký AWS có thể mất vài ngày, trong khi cụm trên io.net có thể khởi chạy không cần giấy phép trong 90 giây. Vì những lý do này, tôi thấy io.net có thể trở thành trung tâm cho tất cả các DePIN GPU khác, tất cả đều có thể kết nối vào "động cơ IO" của họ, mở khóa khả năng cụm tích hợp và trải nghiệm dễ dàng. Tất cả chỉ có thể nhờ vào công nghệ mã hóa.
Bạn sẽ nhận thấy rằng phần lớn các dự án AI phi tập trung đầy tham vọng (như Bittensor, Morpheus, Gensyn, Ritual, Sahara) đều có nhu cầu "tính toán" rõ ràng —— đúng là nơi mà các DePIN GPU nên chèn vào, AI phi tập trung cần tính toán không cần giấy phép.
Việc áp dụng cấu trúc khuyến khích
Một lần nữa, quay lại bài học từ Bitcoin. Tại sao các thợ đào liên tục tính toán hàm băm nhanh chóng? Vì đó là cách họ được trả công —— Satoshi thiết kế kiến trúc này vì nó ưu tiên tối ưu hóa bảo mật. Bài học là gì? Cấu trúc khuyến khích tích hợp trong các giao thức này quyết định sản phẩm cuối cùng mà chúng tạo ra.
Các thợ đào Bitcoin và người đặt cược Ethereum là những người hấp thụ toàn bộ token gốc của họ, vì đây là hành vi mà giao thức muốn khuyến khích —— người tham gia trở thành thợ đào và người đặt cược.
Trong một tổ chức, điều này có thể đến từ CEO, người định nghĩa "tầm nhìn" hay "tuyên ngôn sứ mệnh". Nhưng con người dễ mắc sai lầm và có thể làm công ty lệch hướng. Mặt khác, mã máy tính có thể duy trì sự tập trung tốt hơn bất kỳ nhân viên lương thấp nào. Hãy cùng xem xét một vài dự án phi tập trung, hiệu ứng token tích hợp của chúng khiến người tham gia tập trung vào các mục tiêu cao cả.
Mạng xây dựng AI, khám phá Bittensor
Nếu chúng ta để thợ đào Bitcoin xây dựng AI thay vì giải các bài toán toán học vô ích thì sao? Vậy là bạn có Bittensor.
Mục tiêu của Bittensor là tạo ra vài hệ sinh thái thử nghiệm để thí nghiệm, nhằm sản xuất "trí tuệ hàng hóa" bên trong mỗi hệ sinh thái. Điều này có nghĩa là một hệ sinh thái (gọi là subnet, viết tắt là "SN") có thể tập trung phát triển mô hình ngôn ngữ, một cái khác tập trung vào mô hình tài chính, và nhiều hơn nữa tập trung vào tổng hợp giọng nói, phát hiện AI hoặc tạo ảnh (xem các dự án hiện đang hoạt động).
Đối với mạng Bittensor, bạn muốn làm gì cũng được. Miễn là bạn chứng minh được dự án của mình đáng được tài trợ, động lực sẽ chảy vào. Đó là mục tiêu của chủ sở hữu subnet, người đăng ký subnet và điều chỉnh luật chơi.
Những người tham gia "trò chơi" này được gọi là thợ đào. Họ là các kỹ sư/máy học AI xây dựng mô hình. Họ bị khóa trong một "vòm sấm sét" kiểm tra liên tục, cạnh tranh để giành phần thưởng nhiều nhất.
Người xác thực là mặt khác, chịu trách nhiệm kiểm tra và đánh giá công việc của thợ đào tương ứng. Nếu phát hiện người xác thực cấu kết với thợ đào, họ sẽ bị trục xuất.
Hãy nhớ các động lực:
-
Thợ đào kiếm được nhiều hơn khi đánh bại các thợ đào khác trong cùng subnet —— điều này thúc đẩy AI phát triển.
-
Người xác thực kiếm được nhiều hơn khi xác định chính xác thợ đào hiệu suất cao và thấp —— điều này giữ tính công bằng cho subnet.
-
Chủ sở hữu subnet kiếm được nhiều hơn khi mô hình AI họ tạo ra hữu ích hơn các subnet khác —— điều này thúc đẩy chủ sở hữu tối ưu "trò chơi" của họ.
Bạn có thể coi Bittensor như một cỗ máy thưởng vĩnh cửu cho việc phát triển AI. Các kỹ sư học máy mới nổi có thể thử xây dựng một thứ gì đó, trình bày trước VCs và cố gắng gây quỹ. Hoặc họ có thể tham gia một subnet Bittensor với tư cách thợ đào, thể hiện bản thân và kiếm được lượng lớn TAO. Cái nào dễ hơn?
Một số đội hàng đầu đang xây dựng trên mạng:
-
Nous Research là ông vua mã nguồn mở. Subnet của họ đã đảo lộn truyền thống trong việc tinh chỉnh LLM mã nguồn mở. Họ làm cho bảng xếp hạng không thể bị thao túng (khác với các điểm chuẩn truyền thống như HuggingFace) bằng cách liên tục kiểm tra mô hình với luồng dữ liệu tổng hợp.
-
Taoshi với mạng huấn luyện độc quyền về cơ bản là một công ty giao dịch định lượng mã nguồn mở. Họ yêu cầu người đóng góp ML xây dựng các thuật toán giao dịch dự đoán xu hướng giá tài sản. API của họ cung cấp tín hiệu giao dịch cấp độ định lượng cho người dùng cá nhân và tổ chức, và đang nhanh chóng tiến tới lợi nhuận lớn.
-
Cortex.t do đội Corcel phát triển có hai mục đích. Thứ nhất, họ khuyến khích thợ đào cung cấp quyền truy cập API vào các mô hình hàng đầu (như GPT-4 và Claude-3) để đảm bảo tính sẵn có liên tục cho nhà phát triển. Họ cũng cung cấp tạo dữ liệu tổng hợp, rất hữu ích cho việc huấn luyện mô hình và điểm chuẩn (cũng là lý do Nous sử dụng nó). Hãy xem các công cụ của họ —— trò chuyện và tìm kiếm.
Không có gì ngạc nhiên, Bittensor khẳng định lại sức mạnh của cấu trúc khuyến khích, và tất cả đều được thực hiện nhờ kinh tế học mã hóa.
Tác nhân thông minh, khám phá Morpheus
Bây giờ, hãy xem xét hai khía cạnh của Morpheus:
-
Cấu trúc kinh tế mã hóa đang xây dựng AI (mã hóa giúp AI)
-
Ứng dụng được kích hoạt bởi AI đang mở ra các trường hợp sử dụng mới trong mã hóa (AI giúp mã hóa)
“Tác nhân thông minh” chỉ đơn giản là các mô hình AI được huấn luyện bởi hợp đồng thông minh. Chúng hiểu cách vận hành bên trong của tất cả các giao thức DeFi hàng đầu, biết tìm kiếm lợi nhuận ở đâu, cầu nối ở đâu và cách phát hiện hợp đồng đáng ngờ. Chúng là "bộ định tuyến tự động" trong tương lai, theo tôi, chúng sẽ là cách mọi người tương tác với blockchain trong 5-10 năm tới. Thực tế, một khi đạt đến điểm đó, bạn thậm chí có thể không biết mình đang dùng mã hóa. Bạn chỉ cần nói với chatbot rằng bạn muốn chuyển một khoản tiết kiệm sang một khoản đầu tư khác, và mọi thứ sẽ diễn ra trong hậu cảnh.
Morpheus thể hiện thông điệp "cứ khuyến khích, chúng sẽ đến" trong phần này. Mục tiêu của họ là có một nền tảng nơi các tác nhân thông minh có thể lan tỏa và phát triển mạnh mẽ, mỗi tác nhân xây dựng trên thành công của tác nhân trước đó, trong một hệ sinh thái tối thiểu hóa ngoại lai.
Cấu trúc lạm phát token nhấn mạnh bốn đóng góp chính cho giao thức:
-
Mã —— người xây dựng tác nhân.
-
Cộng đồng —— xây dựng các ứng dụng giao diện và công cụ để thu hút người dùng mới vào hệ sinh thái.
-
Tính toán —— cung cấp năng lực tính toán để chạy các tác nhân.
-
Vốn —— cung cấp lợi nhuận của họ để thúc đẩy cỗ máy kinh tế Morpheus.
Mỗi danh mục này nhận được phần thưởng lạm phát $MOR bằng nhau (cũng giữ lại một phần nhỏ làm quỹ khẩn cấp), buộc họ phải:
-
Xây dựng tác nhân tốt nhất —— người sáng tạo được trả khi tác nhân của họ được sử dụng nhất quán. Khác với việc cung cấp plugin OpenAI miễn phí, cách này thanh toán tức thì cho người xây dựng.
-
Xây dựng giao diện/công cụ tốt nhất —— người sáng tạo được trả khi tác phẩm của họ được sử dụng nhất quán.
-
Cung cấp năng lực tính toán ổn định —— người cung cấp được trả khi cho mượn năng lực tính toán.
-
Cung cấp thanh khoản cho dự án —— kiếm phần thưởng MOR bằng cách duy trì thanh khoản cho dự án.
Mặc dù có nhiều dự án AI/tác nhân thông minh khác, cấu trúc kinh tế token của Morpheus đặc biệt rõ ràng và hiệu quả trong việc thiết kế động lực.
Những tác nhân thông minh này là ví dụ cuối cùng về AI thực sự loại bỏ rào cản trong ứng dụng mã hóa. Trải nghiệm người dùng dApp vốn dĩ rất tệ (dù những năm gần đây đã có nhiều tiến bộ), sự trỗi dậy của LLM đã thắp lên niềm đam mê trong mỗi người sáng lập Web2 và Web3. Mặc dù có rất nhiều dự án trục lợi, nhưng những dự án chất lượng như Morpheus và Wayfinder (xem demo bên dưới) cho thấy giao dịch trên chuỗi trong tương lai sẽ đơn giản đến mức nào.
Kết hợp tất cả lại, sự tương tác giữa các hệ thống này có thể trông giống như thế này. Lưu ý rằng đây là một cái nhìn cực kỳ đơn giản hóa.
Cách phân biệt một dự án hoàn toàn vô dụng
Hãy nhớ hai loại chung rộng rãi của “mã hóa x AI”:
-
Mã hóa giúp AI
-
AI giúp mã hóa
Trong bài viết này, chúng ta chủ yếu thảo luận về loại thứ nhất. Như chúng ta đã thấy, một hệ thống token được thiết kế tốt có thể đặt nền móng cho thành công của toàn bộ hệ sinh thái.
Loại thứ nhất - Mã hóa giúp AI
Kiến trúc DePIN có thể giúp khởi động thị trường, cấu trúc khuyến khích token sáng tạo có thể phối hợp các dự án mã nguồn mở hướng tới các mục tiêu từng khó đạt được. Đúng vậy, còn một vài điểm giao thoa hợp pháp khác mà tôi chưa đề cập do giới hạn độ dài:
-
Lưu trữ phi tập trung
-
Môi trường thực thi đáng tin cậy (TEE)
-
Thu thập dữ liệu thời gian thực (RAG)
-
Zero-knowledge x Học máy để xác minh suy luận/xuất xứ
Khi quyết định một dự án mới có thực sự có giá trị hay không, hãy tự hỏi:
-
Nếu nó là phiên bản bắt chước của một dự án trưởng thành, thì điểm khác biệt của nó có đủ nổi bật để gây chú ý không?
-
Liệu nó chỉ là phiên bản đóng gói của phần mềm mã nguồn mở?
-
Dự án này thực sự hưởng lợi từ công nghệ mã hóa hay công nghệ mã hóa bị nhồi nhét vào?
-
Liệu có thật sự cần 100 dự án mã hóa giống HuggingFace (một nền tảng học máy mã nguồn mở phổ biến) không?
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
