Làm cho dữ liệu lưu chuyển: Các dự án mã hóa giải quyết như thế nào nút thắt cổ chai trong huấn luyện dữ liệu AI?
Tuyển chọn TechFlowTuyển chọn TechFlow
Làm cho dữ liệu lưu chuyển: Các dự án mã hóa giải quyết như thế nào nút thắt cổ chai trong huấn luyện dữ liệu AI?
Trong cuộc đua tạo ra các mô hình AI thông minh và giống con người nhất, tài nguyên then chốt là dữ liệu.
Chuyên sâu báo cáo Web3Tác giả: SHLOK KHEMANI
Biên dịch: TechFlow
Hãy xem bạn có thể phát hiện tất cả các tài liệu tham khảo được sắp đặt tinh vi trong hình ảnh này không
Trong hai năm qua, kể từ khi một công ty khởi nghiệp tương đối vô danh OpenAI ra mắt ứng dụng chatbot mang tên ChatGPT, AI đã bước từ hậu trường lên tiền tuyến. Chúng ta đang ở thời điểm then chốt mà trí tuệ máy móc đang len lỏi vào mọi khía cạnh cuộc sống. Khi cuộc đua giành quyền kiểm soát trí thông minh nhân tạo ngày càng trở nên khốc liệt, nhu cầu dữ liệu thúc đẩy sự phát triển của nó cũng tăng lên nhanh chóng. Đó là chủ đề của bài viết này.
Chúng tôi thảo luận về quy mô và tính cấp bách của dữ liệu mà các công ty AI cần, cũng như những vấn đề họ gặp phải khi thu thập dữ liệu. Chúng tôi khám phá cách nhu cầu khó thỏa mãn này đe dọa đến internet mà chúng ta yêu quý cùng hàng tỷ người đóng góp cho nó. Cuối cùng, chúng tôi giới thiệu một số công ty khởi nghiệp sử dụng công nghệ mã hóa để giải quyết những vấn đề và lo ngại này.
Một lưu ý trước khi đi sâu: bài viết này được viết từ góc nhìn huấn luyện các mô hình ngôn ngữ lớn (LLMs), chứ không phải tất cả các hệ thống AI. Do đó, tôi thường xuyên dùng "AI" và "LLMs" thay thế lẫn nhau.
Dữ liệu hiển thị
LLMs cần ba nguồn lực chính: năng lực tính toán, năng lượng và dữ liệu. Với sự hỗ trợ của lượng vốn khổng lồ, các công ty, chính phủ và startup đều đang cạnh tranh giành giật những nguồn lực này. Trong số ba yếu tố này, cuộc đua giành năng lực tính toán nổi bật nhất, phần nào nhờ giá cổ phiếu NVIDIA tăng vọt.
Việc huấn luyện LLMs đòi hỏi một lượng lớn bộ xử lý đồ họa chuyên dụng (GPU), đặc biệt là các mẫu A100, H100 và sắp tới là B100 của NVIDIA. Những thiết bị tính toán này không phải thứ bạn có thể mua dễ dàng trên Amazon hay tại cửa hàng máy tính địa phương. Thay vào đó, chúng có giá lên tới hàng chục ngàn đô la. NVIDIA là người quyết định phân bổ nguồn lực này giữa các phòng thí nghiệm AI, công ty khởi nghiệp, trung tâm dữ liệu và khách hàng siêu quy mô.
Trong vòng 18 tháng sau khi ChatGPT ra mắt, nhu cầu GPU vượt xa nguồn cung, thời gian chờ đợi lên tới 11 tháng. Tuy nhiên, khi các startup đóng cửa, thuật toán huấn luyện và kiến trúc mô hình được cải thiện, các công ty khác tung ra chip chuyên dụng, và NVIDIA mở rộng sản xuất, động lực cung-cầu đang dần bình thường hóa và giá cả giảm xuống.
Tiếp theo là năng lượng. Việc vận hành các GPU trong trung tâm dữ liệu tiêu thụ rất nhiều năng lượng. Theo một số ước tính, đến năm 2030, các trung tâm dữ liệu sẽ tiêu thụ 4,5% tổng năng lượng toàn cầu. Khi nhu cầu gia tăng này gây áp lực lên lưới điện hiện tại, các công ty công nghệ đang tìm kiếm các giải pháp năng lượng thay thế. Amazon gần đây đã mua một khu trung tâm dữ liệu được cung cấp năng lượng từ nhà máy điện hạt nhân với giá 650 triệu USD. Microsoft đã tuyển dụng một giám đốc công nghệ hạt nhân. Sam Altman của OpenAI đầu tư vào các công ty khởi nghiệp năng lượng như Helion, Exowatt và Oklo.
Xét từ góc độ huấn luyện mô hình AI, năng lượng và năng lực tính toán chỉ là hàng hóa. Việc chọn B100 thay vì H100, hay năng lượng hạt nhân thay vì truyền thống, có thể làm quá trình huấn luyện rẻ hơn, nhanh hơn hoặc hiệu quả hơn, nhưng sẽ không ảnh hưởng đến chất lượng mô hình. Nói cách khác, trong cuộc đua tạo ra mô hình AI thông minh và giống người nhất, năng lượng và năng lực tính toán chỉ là yếu tố cơ bản, chứ không phải yếu tố quyết định.
Tài nguyên then chốt là dữ liệu.
James Betker là kỹ sư nghiên cứu tại OpenAI. Anh ấy tự nhận mình đã huấn luyện nhiều mô hình sinh thành hơn bất kỳ ai có quyền làm vậy. Trong một bài đăng blog, anh chỉ ra rằng, "nếu được huấn luyện đủ lâu trên cùng một tập dữ liệu, gần như mọi mô hình đều có đủ trọng số và thời gian huấn luyện, cuối cùng sẽ hội tụ về cùng một điểm." Điều này có nghĩa là yếu tố phân biệt mô hình AI này với mô hình khác chính là tập dữ liệu, chứ không phải điều gì khác.
Khi chúng ta gọi một mô hình là "ChatGPT", "Claude", "Mistral" hay "Lambda", chúng ta không nói về kiến trúc, GPU sử dụng hay năng lượng tiêu thụ, mà là về tập dữ liệu được dùng để huấn luyện nó.
Nếu dữ liệu là thức ăn cho việc huấn luyện AI, thì mô hình chính là những gì chúng ăn.
Cần bao nhiêu dữ liệu để huấn luyện một mô hình sinh thành tiên tiến nhất? Câu trả lời là rất nhiều.
GPT-4 vẫn được coi là mô hình ngôn ngữ lớn tốt nhất dù đã ra mắt hơn một năm, ước tính được huấn luyện bằng 12 nghìn tỷ token (khoảng 9 nghìn tỷ từ). Dữ liệu này đến từ việc quét toàn bộ internet công khai, bao gồm Wikipedia, Reddit, Common Crawl (một kho dữ liệu quét web miễn phí, mở), dữ liệu chuyển văn bản từ YouTube dài hơn một triệu giờ và các nền tảng mã nguồn như GitHub và Stack Overflow.
Nếu bạn nghĩ con số này đã quá lớn, hãy chờ đã. Trong lĩnh vực AI sinh thành tồn tại một khái niệm gọi là "Luật mở rộng Chinchilla", có nghĩa là với ngân sách tính toán cho trước, hiệu quả hơn khi huấn luyện một mô hình nhỏ trên tập dữ liệu lớn hơn là huấn luyện mô hình lớn trên tập dữ liệu nhỏ. Nếu suy luận từ các nguồn lực tính toán mà các công ty AI dự kiến dùng để huấn luyện thế hệ mô hình tiếp theo (như GPT-5 và Llama-4), ta thấy các mô hình này dự kiến cần gấp 5-6 lần năng lực tính toán, được huấn luyện bằng tới 100 nghìn tỷ token.
Khi phần lớn dữ liệu internet công khai đã bị quét, lập chỉ mục và dùng để huấn luyện các mô hình hiện tại, thì dữ liệu bổ sung sẽ đến từ đâu? Đây đã trở thành một vấn đề nghiên cứu hàng đầu mà các công ty AI đang đối mặt. Có hai giải pháp. Một là tạo dữ liệu tổng hợp (synthetic data) – dữ liệu do chính các LLM tạo ra, thay vì con người. Tuy nhiên, tác dụng của loại dữ liệu này trong việc làm mô hình thông minh hơn vẫn chưa được kiểm chứng.
Giải pháp thứ hai là đơn giản tìm kiếm dữ liệu chất lượng cao thay vì tạo ra. Tuy nhiên, việc thu thập dữ liệu bổ sung là thách thức, đặc biệt khi các công ty AI đang đối mặt với những vấn đề không chỉ đe dọa đến việc huấn luyện mô hình tương lai mà còn ảnh hưởng đến hiệu quả của các mô hình hiện tại.
Vấn đề dữ liệu đầu tiên liên quan đến pháp lý. Mặc dù các công ty AI tuyên bố sử dụng "dữ liệu công khai", nhưng nhiều dữ liệu trong số đó lại được bảo hộ bản quyền. Ví dụ, tập dữ liệu Common Crawl chứa hàng triệu bài báo từ các ấn phẩm như The New York Times và Associated Press, cùng nhiều tài liệu được bảo vệ bản quyền khác.
Một số ấn phẩm và sáng tạo gia đang kiện các công ty AI với cáo buộc vi phạm bản quyền và quyền sở hữu trí tuệ. The New York Times kiện OpenAI và Microsoft vì "sao chép và sử dụng trái phép các tác phẩm độc đáo, có giá trị của The New York Times". Một nhóm lập trình viên đã khởi kiện tập thể, thách thức tính hợp pháp của việc sử dụng mã nguồn mở để huấn luyện GitHub Copilot (một trợ lý lập trình AI phổ biến).
Diễn viên hài Sarah Silverman và tác giả Paul Tremblay cũng kiện các công ty AI vì sử dụng tác phẩm của họ mà không có sự cho phép.
Người khác thì chấp nhận thay đổi bằng cách hợp tác với các công ty AI. Associated Press, Financial Times và Axel Springer đều đã ký thỏa thuận cấp phép nội dung với OpenAI. Apple đang tìm kiếm các thỏa thuận tương tự với các tổ chức tin tức như Condé Nast và NBC theo báo cáo. Google đồng ý trả cho Reddit 60 triệu USD mỗi năm để truy cập API nhằm huấn luyện mô hình, trong khi Stack Overflow cũng đạt được thỏa thuận tương tự với OpenAI. Meta được cho là từng cân nhắc mua trực tiếp nhà xuất bản Simon & Schuster.
Những thỏa thuận này trùng khớp với vấn đề thứ hai mà các công ty AI đang đối mặt — sự sụp đổ của mạng mở.
Các diễn đàn và mạng xã hội đã nhận ra giá trị mà các công ty AI thu được từ việc sử dụng dữ liệu nền tảng của họ để huấn luyện mô hình. Trước khi đạt thỏa thuận với Google (và có thể các công ty AI khác trong tương lai), Reddit bắt đầu tính phí cho API vốn miễn phí trước đây, khiến các ứng dụng bên thứ ba phổ biến bị khai tử. Tương tự, Twitter cũng hạn chế truy cập API và tăng giá, Elon Musk tận dụng dữ liệu Twitter để huấn luyện mô hình cho công ty AI riêng xAI của ông.
Ngay cả các ấn phẩm nhỏ hơn, các diễn đàn truyện tranh, hay những ngóc ngách hẻo lánh trên internet nơi sản xuất nội dung miễn phí cho mọi người thưởng thức (nếu có, thì thông qua quảng cáo), nay cũng đang đóng cửa. Internet từng được hình dung là một không gian kỳ diệu, nơi mọi người có thể tìm thấy những cộng đồng chia sẻ sở thích và quan điểm độc đáo của mình. Ma thuật đó dường như đang dần biến mất.
Sự đe dọa kiện tụng, sự gia tăng các giao dịch nội dung trị giá hàng triệu đô la và sự sụp đổ của mạng mở có hai hệ quả.
-
Thứ nhất, cuộc chiến dữ liệu nghiêng hẳn về phía các gã khổng lồ công nghệ. Các startup và công ty nhỏ vừa không thể truy cập các API từng miễn phí, vừa không đủ khả năng chi trả để mua quyền sử dụng, lại không chịu rủi ro pháp lý. Điều này rõ ràng mang tính tập trung: kẻ giàu có thể mua dữ liệu tốt nhất, tạo ra mô hình tốt nhất, rồi trở nên giàu hơn nữa.
-
Thứ hai, mô hình kinh doanh của các nền tảng tạo nội dung do người dùng phụ thuộc ngày càng bất lợi cho người dùng. Các nền tảng như Reddit và Stack Overflow dựa vào đóng góp của hàng triệu người sáng tạo và quản trị viên không được trả lương. Tuy nhiên, khi các nền tảng này ký thỏa thuận trị giá hàng triệu đô la với các công ty AI, họ không bồi thường hay xin phép người dùng, dù chính họ mới là người tạo ra dữ liệu để bán.
Cả Reddit và Stack Overflow đều trải qua các cuộc đình công người dùng đáng kể vì những quyết định này. Ủy ban Thương mại Liên bang (FTC) cũng đang điều tra hành vi của Reddit khi bán, cấp phép và chia sẻ bài đăng của người dùng cho các tổ chức bên ngoài để huấn luyện mô hình AI.
Những vấn đề này đặt ra câu hỏi quan trọng về việc huấn luyện thế hệ mô hình AI tiếp theo và tương lai của nội dung internet. Với tình trạng hiện tại, tương lai dường như không mấy lạc quan. Liệu các giải pháp mã hóa có thể tạo ra sân chơi công bằng cho các công ty nhỏ và người dùng internet, giải quyết một phần nào đó các vấn đề này?
Ống dẫn dữ liệu
Huấn luyện mô hình AI và tạo ứng dụng hữu ích là công việc phức tạp và tốn kém, đòi hỏi hàng tháng lên kế hoạch, phân bổ và thực thi tài nguyên. Quá trình này bao gồm nhiều giai đoạn, mỗi giai đoạn có mục đích và nhu cầu dữ liệu khác nhau.
Hãy phân tích các giai đoạn này để hiểu công nghệ mã hóa có thể phù hợp với bức tranh AI lớn hơn như thế nào.
Huấn luyện sơ bộ
Huấn luyện sơ bộ là bước đầu tiên và tốn kém nhất trong quy trình huấn luyện LLM, tạo nền tảng cho mô hình. Ở bước này, mô hình AI được huấn luyện trên lượng lớn văn bản chưa gắn nhãn để nắm bắt kiến thức chung về thế giới và cách sử dụng ngôn ngữ. Khi nói GPT-4 được huấn luyện bằng 12 nghìn tỷ token, đó chính là dữ liệu dùng trong huấn luyện sơ bộ.
Để hiểu tại sao huấn luyện sơ bộ là nền tảng của LLM, ta cần một cái nhìn tổng quan về cách LLM hoạt động. Lưu ý, đây chỉ là bản tóm tắt đơn giản. Bạn có thể tìm hiểu sâu hơn trong bài viết tuyệt vời của Jon Stokes, video thú vị của Andrej Karpathy hoặc cuốn sách xuất sắc của Stephen Wolfram.
LLMs sử dụng một kỹ thuật thống kê gọi là Dự đoán Token tiếp theo (Next-Token Prediction). Đơn giản, cho trước một chuỗi token (tức là từ), mô hình cố gắng dự đoán token tiếp theo có khả năng cao nhất. Quá trình này lặp lại để tạo phản hồi hoàn chỉnh. Vì vậy, bạn có thể coi mô hình ngôn ngữ lớn như một "cỗ máy hoàn thành câu".
Hãy dùng ví dụ để hiểu rõ hơn.
Khi tôi hỏi ChatGPT "What direction does the sun rise from (mặt trời mọc hướng nào)?", nó lần lượt dự đoán các từ "the", rồi "sun rises from the East". Nhưng những dự đoán này đến từ đâu? Làm sao ChatGPT biết rằng sau "the sun rises from" nên là "the East" chứ không phải "the West", "the North" hay "Amsterdam"? Nói cách khác, nó biết "the East" có khả năng thống kê cao hơn các lựa chọn khác?
Câu trả lời là học các mẫu thống kê từ lượng lớn dữ liệu huấn luyện chất lượng cao. Xét trên toàn bộ văn bản internet, cụm nào có khả năng xuất hiện hơn: "mặt trời mọc hướng đông" hay "mặt trời mọc hướng tây"? Câu thứ hai có thể xuất hiện trong ngữ cảnh đặc biệt, như ẩn dụ văn học ("giống như tin mặt trời mọc hướng tây") hay thảo luận về các hành tinh khác (như Kim Tinh, mặt trời thực sự mọc hướng tây). Nhưng nhìn chung, cụm đầu tiên phổ biến hơn nhiều.
Bằng cách lặp lại việc dự đoán token tiếp theo, LLM hình thành một thế giới quan chung (ta gọi là tri thức thông thường) và hiểu các quy tắc, mẫu hình ngôn ngữ. Một cách khác để hiểu LLM là coi nó như phiên bản nén của internet. Điều này cũng giúp hiểu tại sao dữ liệu cần phải vừa lớn (nhiều mẫu hình để lựa chọn), vừa chất lượng cao (nâng cao độ chính xác khi học mẫu).
Tuy nhiên, như đã thảo luận, các công ty AI đang cạn kiệt dữ liệu để huấn luyện mô hình lớn hơn. Nhu cầu dữ liệu tăng nhanh hơn tốc độ tạo dữ liệu mới trên internet. Khi vụ kiện đến gần và các diễn đàn lớn đóng cửa, các công ty AI đối mặt với vấn đề nghiêm trọng.
Với các công ty nhỏ, vấn đề này trầm trọng hơn vì họ không đủ khả năng chi trả cho các giao dịch trị giá hàng triệu đô với các nhà cung cấp dữ liệu độc quyền như Reddit.
Đây là lúc Grass xuất hiện, một nhà cung cấp proxy cư dân phi tập trung, nhằm giải quyết các vấn đề dữ liệu này. Họ tự gọi mình là "lớp dữ liệu cho AI". Hãy tìm hiểu proxy cư dân là gì trước.
Internet là nguồn dữ liệu tốt nhất để huấn luyện, và việc quét dữ liệu là phương pháp ưa thích của các công ty để thu thập. Trên thực tế, phần mềm quét được lưu trữ tại trung tâm dữ liệu để đạt quy mô, tiện lợi và hiệu quả. Nhưng các công ty sở hữu dữ liệu giá trị không muốn dữ liệu của họ bị dùng để huấn luyện mô hình AI (trừ khi được trả tiền). Để ngăn chặn, họ thường chặn các địa chỉ IP của trung tâm dữ liệu, ngăn việc quét quy mô lớn.
Đây là lúc nhà cung cấp proxy cư dân phát huy tác dụng. Các website chỉ chặn IP trung tâm dữ liệu, chứ không chặn kết nối của người dùng internet thông thường như bạn và tôi, khiến kết nối internet tại nhà (residential internet connection) trở nên có giá trị. Nhà cung cấp proxy cư dân tập hợp hàng triệu kết nối như vậy để quét dữ liệu quy mô lớn cho các công ty AI.
Tuy nhiên, các nhà cung cấp proxy cư dân tập trung hoạt động bí mật. Họ thường không minh bạch về ý định. Người dùng nếu biết sản phẩm đang dùng băng thông của họ có thể không muốn chia sẻ. Tệ hơn, họ có thể yêu cầu được bồi thường cho băng thông bị dùng, điều này làm giảm lợi nhuận.
Để bảo vệ lợi nhuận, các nhà cung cấp proxy cư dân gắn mã tiêu thụ băng thông vào các ứng dụng miễn phí phổ biến như công cụ điện thoại (máy tính, ghi âm), nhà cung cấp VPN hay thậm chí là màn hình chờ TV. Người dùng nghĩ họ đang nhận sản phẩm miễn phí, trong khi một bên thứ ba đang tiêu thụ băng thông của họ (chi tiết này thường ẩn trong điều khoản dịch vụ ít ai đọc).
Cuối cùng, một phần dữ liệu này chảy về các công ty AI, họ dùng để huấn luyện mô hình và tạo giá trị cho riêng mình.
Andrej Radonjic, khi điều hành công ty proxy cư dân riêng, nhận ra bản chất phi đạo đức của các hành vi này và sự bất công với người dùng. Ông nhìn thấy sự phát triển của công nghệ mã hóa và nhận ra một cách tạo giải pháp công bằng hơn. Đó là bối cảnh thành lập Grass vào cuối năm 2022. Vài tuần sau, ChatGPT ra mắt, thay đổi thế giới, đưa Grass vào đúng thời điểm và vị trí.
Khác với chiến lược bí mật của các nhà cung cấp proxy cư dân khác, Grass minh bạch thông báo cho người dùng về việc sử dụng băng thông để huấn luyện mô hình AI. Đổi lại, người dùng được thưởng trực tiếp. Mô hình này đảo ngược cách hoạt động của nhà cung cấp proxy cư dân. Bằng cách tự nguyện cung cấp băng thông và trở thành một phần sở hữu mạng lưới, người dùng chuyển từ người tham gia thụ động sang người ủng hộ tích cực, nâng cao độ tin cậy mạng lưới và hưởng lợi từ giá trị do AI tạo ra.
Tốc độ tăng trưởng của Grass ấn tượng. Kể từ khi ra mắt tháng 6/2023, họ đã có hơn 2 triệu người dùng hoạt động, cung cấp băng thông bằng cách cài đặt tiện ích mở rộng trình duyệt hoặc ứng dụng di động. Sự tăng trưởng này đạt được mà không tốn chi phí tiếp thị bên ngoài, nhờ chương trình giới thiệu thành công.
Dịch vụ của Grass cho phép các công ty, từ phòng thí nghiệm AI lớn đến startup mã nguồn mở, truy cập dữ liệu huấn luyện với chi phí thấp. Đồng thời, mỗi người dùng bình thường được trả tiền khi chia sẻ kết nối internet, trở thành một phần của nền kinh tế AI đang phát triển.
Ngoài dữ liệu quét thô, Grass còn cung cấp một số dịch vụ bổ sung cho khách hàng.
Thứ nhất, họ chuyển đổi trang web không cấu trúc thành dữ liệu có cấu trúc dễ xử lý bởi mô hình AI. Bước này, gọi là làm sạch dữ liệu, là nhiệm vụ tốn tài nguyên mà các phòng thí nghiệm AI thường tự đảm nhận. Bằng cách cung cấp tập dữ liệu đã được làm sạch, có cấu trúc, Grass gia tăng giá trị cho khách hàng. Ngoài ra, Grass còn huấn luyện một LLM mã nguồn mở để tự động hóa quá trình quét, chuẩn bị và gắn nhãn dữ liệu.
Thứ hai, Grass đính kèm bằng chứng nguồn gốc không thể chối cãi cho các tập dữ liệu. Xét đến tầm quan trọng của dữ liệu chất lượng cao đối với mô hình AI, việc đảm bảo tập dữ liệu không bị thao túng bởi website độc hại hay nhà cung cấp proxy cư dân là điều thiết yếu với các công ty AI.
Tầm nghiêm trọng của vấn đề này thể hiện ở việc thành lập Liên minh Dữ liệu và Tin cậy (Data & Trust Alliance), một tổ chức phi lợi nhuận gồm hơn 20 công ty như Meta, IBM và Walmart, cùng nhau xây dựng tiêu chuẩn truy xuất nguồn gốc dữ liệu, giúp các tổ chức xác định tập dữ liệu có phù hợp và đáng tin cậy hay không.
Grass cũng đang thực hiện biện pháp tương tự. Mỗi khi nút Grass quét một trang web, nó cũng ghi lại siêu dữ liệu xác minh nguồn gốc trang đó. Bằng chứng truy xuất nguồn gốc này được lưu trên blockchain và chia sẻ với khách hàng (khách hàng có thể chia sẻ thêm với người dùng của họ).
Mặc dù Grass đang xây dựng trên Solana, một trong những blockchain có thông lượng cao nhất, nhưng việc lưu bằng chứng truy xuất nguồn gốc cho từng lần quét trên L1 là không khả thi. Do đó, Grass đang xây dựng một rollup (một trong những rollup đầu tiên trên Solana), dùng bộ xử lý ZK để xử lý hàng loạt bằng chứng truy xuất nguồn gốc, rồi đăng lên Solana. Rollup này, Grass gọi là "lớp dữ liệu cho AI", trở thành sổ cái dữ liệu cho mọi dữ liệu quét của họ.
Phương pháp ưu tiên Web3 của Grass mang lại vài lợi thế so với các nhà cung cấp proxy cư dân tập trung. Thứ nhất, bằng cách dùng phần thưởng khuyến khích người dùng chia sẻ băng thông trực tiếp, họ phân phối giá trị do AI tạo ra một cách công bằng hơn (đồng thời tiết kiệm chi phí trả cho nhà phát triển ứng dụng để tích hợp mã của họ). Thứ hai, họ có thể thu phí cao hơn cho việc cung cấp "lưu lượng hợp pháp", điều này rất có giá trị trong ngành.
Một giao thức khác làm việc trong lĩnh vực "lưu lượng hợp pháp" là Masa. Mạng lưới này cho phép người dùng truyền thông tin đăng nhập từ các nền tảng mạng xã hội (như Reddit, Twitter hay TikTok). Các nút trong mạng lưới sau đó quét dữ liệu cập nhật có ngữ cảnh cao từ các nền tảng này. Lợi thế của mô hình này là dữ liệu thu thập được là nội dung mà người dùng bình thường nhìn thấy trên nền tảng mạng xã hội của họ. Thời gian thực, bạn có thể thu được tập dữ liệu phong phú giải thích cảm xúc hoặc nội dung sắp trở nên viral.
Các tập dữ liệu này có hai mục đích chính.
-
Tài chính - Nếu bạn có thể thấy nội dung mà hàng ngàn người nhìn thấy trên nền tảng mạng xã hội của họ, bạn có thể phát triển chiến lược giao dịch dựa trên dữ liệu này. Có thể huấn luyện các đại lý tự trị sử dụng dữ liệu cảm xúc trên tập dữ liệu của Masa.
-
Xã hội - Sự xuất hiện của AI bạn đời (hay công cụ như Replika) đòi hỏi chúng ta cần tập dữ liệu mô phỏng hội thoại con người.
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
@Decentralisedco
