AI x Web3: Khám phá bản đồ ngành mới nổi và tiềm năng tương lai
Tuyển chọn TechFlowTuyển chọn TechFlow
AI x Web3: Khám phá bản đồ ngành mới nổi và tiềm năng tương lai
AI và Web3 dường như là hai công nghệ độc lập, dựa trên những nguyên lý hoàn toàn khác nhau và phục vụ các chức năng khác biệt. Tuy nhiên, khi tìm hiểu sâu hơn, ta có thể thấy rằng hai công nghệ này có cơ hội cân bằng điểm đánh đổi của nhau, đồng thời những ưu thế riêng biệt của mỗi bên có thể bổ trợ lẫn nhau, tạo thành sự kết hợp nâng tầm hiệu quả.
Chuyên sâu báo cáo Web3Tác giả: IOSG Ventures
Phần Một
Nhìn thoáng qua, AI x Web3 dường như là hai công nghệ độc lập, dựa trên những nguyên lý hoàn toàn khác biệt và phục vụ các chức năng khác nhau. Tuy nhiên, khi đi sâu hơn, ta sẽ nhận thấy rằng hai công nghệ này có cơ hội bù trừ cho nhau, tận dụng những ưu thế riêng biệt để hỗ trợ và nâng đỡ lẫn nhau. Balaji Srinivasan đã diễn giải sắc sảo khái niệm về khả năng bổ trợ này tại hội nghị SuperAI, từ đó thúc đẩy việc so sánh chi tiết cách thức tương tác giữa hai công nghệ.
Token phát triển theo phương pháp từ dưới lên, bắt nguồn từ nỗ lực phi tập trung của cộng đồng mạng ẩn danh trong hơn một thập kỷ, tiến hóa liên tục thông qua sự phối hợp của hàng loạt thực thể độc lập trên toàn cầu. Ngược lại, trí tuệ nhân tạo (AI) được phát triển theo phương pháp từ trên xuống, do một vài gã khổng lồ công nghệ thống trị. Những công ty này quyết định nhịp độ và xu hướng ngành, trong khi rào cản gia nhập chủ yếu phụ thuộc vào mức độ đầu tư tài nguyên chứ không phải độ phức tạp kỹ thuật.
Hai công nghệ này cũng mang bản chất hoàn toàn khác nhau. Về bản chất, Token là hệ thống xác định, tạo ra kết quả không thể thay đổi, giống như tính dự đoán của hàm băm hay bằng chứng không kiến thức. Điều này trái ngược rõ rệt với bản chất xác suất và thường không thể đoán trước của AI.
Tương tự, công nghệ mã hóa đặc biệt mạnh trong việc xác minh, đảm bảo tính xác thực và an toàn của giao dịch, xây dựng các quy trình và hệ thống không cần tin cậy; trong khi AI tập trung vào việc tạo sinh, sản xuất nội dung số phong phú. Tuy nhiên, trong quá trình tạo nội dung số phong phú, việc đảm bảo nguồn gốc nội dung và ngăn chặn đánh cắp danh tính trở thành thách thức.
May mắn thay, Token cung cấp một khái niệm đối lập với sự phong phú kỹ thuật số —— thiếu hụt kỹ thuật số. Nó cung cấp các công cụ tương đối trưởng thành có thể mở rộng sang công nghệ AI nhằm đảm bảo độ tin cậy về nguồn gốc nội dung và tránh vấn đề đánh cắp danh tính.
Một lợi thế nổi bật của Token là khả năng thu hút lượng lớn phần cứng và vốn tham gia vào mạng lưới phối hợp nhằm phục vụ mục tiêu nhất định. Khả năng này đặc biệt có lợi cho AI, lĩnh vực tiêu tốn rất nhiều năng lực tính toán. Việc huy động các nguồn lực chưa được sử dụng hiệu quả để cung cấp năng lực tính toán rẻ hơn có thể cải thiện đáng kể hiệu suất của AI.
Bằng cách so sánh hai công nghệ lớn này, chúng ta không chỉ trân trọng đóng góp riêng biệt của từng bên mà còn nhìn thấy cách chúng cùng nhau mở ra con đường mới về công nghệ và kinh tế. Mỗi công nghệ đều có thể bù đắp điểm yếu của công nghệ kia, tạo nên một tương lai tích hợp và sáng tạo hơn. Trong bài viết blog này, chúng tôi nhằm mục đích khám phá bản đồ ngành mới nổi AI x Web3, tập trung vào một số lĩnh vực dọc mới nổi tại điểm giao thoa của hai công nghệ này.
Nguồn: IOSG Ventures
Phần Hai
2.1 Mạng tính toán
Bản đồ ngành trước tiên giới thiệu các mạng tính toán, nơi cố gắng giải quyết vấn đề nguồn cung GPU hạn chế và tìm cách giảm chi phí tính toán theo nhiều phương thức khác nhau. Các điểm đáng chú ý bao gồm:
- Tương tác GPU không đồng nhất: Đây là một nỗ lực đầy tham vọng, đi kèm rủi ro kỹ thuật và sự bất định cao. Tuy nhiên, nếu thành công, nó có tiềm năng tạo ra kết quả quy mô lớn và ảnh hưởng sâu rộng, khiến mọi tài nguyên tính toán đều có thể hoán đổi được. Về bản chất, ý tưởng này là xây dựng trình biên dịch và các điều kiện tiên quyết khác để ở phía cung, bất kỳ tài nguyên phần cứng nào cũng có thể được kết nối; còn ở phía cầu, sự khác biệt về phần cứng sẽ được trừu tượng hóa hoàn toàn, giúp yêu cầu tính toán của bạn có thể được định tuyến đến bất kỳ tài nguyên nào trong mạng. Nếu tầm nhìn này thành hiện thực, nó sẽ làm giảm sự phụ thuộc hiện tại của các nhà phát triển AI vào phần mềm CUDA đang thống trị hoàn toàn. Dù vậy, rủi ro kỹ thuật rất cao, và nhiều chuyên gia tỏ ra nghi ngờ sâu sắc về tính khả thi của phương pháp này.
- Tổng hợp GPU hiệu suất cao: Tập hợp các GPU phổ biến nhất toàn cầu vào một mạng phân tán, không cần quyền kiểm soát, mà không cần lo lắng về vấn đề tương tác giữa các tài nguyên GPU không đồng nhất.
- Tổng hợp GPU tiêu dùng giá rẻ: Hướng tới việc tập hợp các GPU hiệu suất thấp hơn nhưng có thể sẵn có trong các thiết bị tiêu dùng – đây là nguồn lực bị khai thác kém nhất ở phía cung. Giải pháp này phục vụ những người sẵn sàng đánh đổi hiệu suất và tốc độ để có được quá trình huấn luyện rẻ hơn và kéo dài hơn.
2.2 Huấn luyện và suy luận
Các mạng tính toán chủ yếu phục vụ hai chức năng chính: huấn luyện và suy luận. Nhu cầu đối với các mạng này đến từ cả các dự án Web 2.0 và Web 3.0. Trong lĩnh vực Web 3.0, các dự án như Bittensor tận dụng tài nguyên tính toán để tinh chỉnh mô hình. Về mặt suy luận, các dự án Web 3.0 nhấn mạnh tính xác minh được của quy trình. Trọng tâm này đã thúc đẩy "suy luận có thể xác minh" trở thành một lĩnh vực thị trường dọc, nơi các dự án đang khám phá cách tích hợp suy luận AI vào hợp đồng thông minh, đồng thời duy trì các nguyên tắc phi tập trung.
2.3 Nền tảng tác nhân thông minh
Tiếp theo là nền tảng tác nhân thông minh, bản đồ nêu rõ các vấn đề cốt lõi mà các startup trong nhóm này cần giải quyết:
- Tương tác, phát hiện và khả năng giao tiếp giữa các tác nhân: Các tác nhân có thể phát hiện và giao tiếp với nhau.
- Khả năng xây dựng và quản lý cụm tác nhân: Các tác nhân có thể hình thành cụm và quản lý các tác nhân khác.
- Sở hữu và thị trường cho tác nhân AI: Cung cấp sở hữu và thị trường cho các tác nhân AI.
Các đặc điểm này nhấn mạnh tầm quan trọng của các hệ thống linh hoạt và mô-đun, có thể tích hợp liền mạch vào nhiều ứng dụng blockchain và AI khác nhau. Các tác nhân AI có tiềm năng cách mạng hóa cách chúng ta tương tác với internet, và chúng tôi tin rằng các tác nhân sẽ tận dụng hạ tầng để hỗ trợ hoạt động của mình. Chúng tôi hình dung các tác nhân AI sẽ phụ thuộc vào hạ tầng ở các khía cạnh sau:
- Tận dụng mạng thu thập dữ liệu phân tán để truy cập dữ liệu web thời gian thực
- Sử dụng các kênh DeFi để thanh toán giữa các tác nhân
- Yêu cầu đặt cọc kinh tế không chỉ để xử phạt khi hành vi sai xảy ra, mà còn để tăng khả năng phát hiện của tác nhân (ví dụ: sử dụng khoản đặt cọc như tín hiệu kinh tế trong quá trình tìm kiếm)
- Tận dụng sự đồng thuận để quyết định sự kiện nào dẫn đến việc cắt giảm
- Các tiêu chuẩn tương tác mở và khung tác nhân nhằm hỗ trợ xây dựng các tập hợp có thể tổ hợp
- Đánh giá hiệu suất trong quá khứ dựa trên lịch sử dữ liệu bất biến và lựa chọn cụm tác nhân phù hợp theo thời gian thực
Nguồn: IOSG Ventures
2.4 Lớp dữ liệu
Trong sự kết hợp AI x Web3, dữ liệu là thành phần cốt lõi. Dữ liệu là tài sản chiến lược trong cuộc đua AI, cùng với tài nguyên tính toán tạo thành các nguồn lực then chốt. Tuy nhiên, lĩnh vực này thường bị bỏ qua vì phần lớn sự chú ý của ngành tập trung vào lớp tính toán. Thực tế, các nguyên thủy trong quá trình thu thập dữ liệu mở ra nhiều hướng giá trị thú vị, chủ yếu gồm hai định hướng lớn:
- Truy cập dữ liệu internet công khai
- Truy cập dữ liệu được bảo vệ
Truy cập dữ liệu internet công khai: Định hướng này nhằm xây dựng mạng crawler phân tán, có khả năng thu thập toàn bộ internet trong vài ngày để lấy bộ dữ liệu khổng lồ, hoặc truy cập dữ liệu internet rất cụ thể theo thời gian thực. Tuy nhiên, để thu thập khối lượng lớn dữ liệu trên internet, nhu cầu về mạng rất cao, ít nhất cần vài trăm nút mới có thể bắt đầu công việc có ý nghĩa. May mắn thay, Grass – một mạng nút crawler phân tán – đã có hơn 2 triệu nút đang tích cực chia sẻ băng thông internet với mạng, với mục tiêu thu thập toàn bộ internet. Điều này cho thấy tiềm năng to lớn của động lực kinh tế trong việc thu hút các nguồn lực quý giá.
Mặc dù Grass tạo ra sân chơi công bằng trong dữ liệu công cộng, vẫn còn tồn tại bài toán khai thác dữ liệu tiềm năng – tức là vấn đề truy cập vào các bộ dữ liệu sở hữu. Cụ thể, vẫn còn rất nhiều dữ liệu được lưu trữ theo cách bảo vệ quyền riêng tư do tính chất nhạy cảm của nó. Nhiều startup đang tận dụng các công cụ mật mã học để giúp các nhà phát triển AI xây dựng và tinh chỉnh mô hình ngôn ngữ lớn dựa trên cấu trúc dữ liệu nền tảng của bộ dữ liệu sở hữu, mà vẫn giữ bí mật thông tin nhạy cảm.
Các công nghệ như học liên kết, riêng tư vi phân, môi trường thực thi đáng tin cậy, mã hóa đồng dạng toàn phần và tính toán đa phương cung cấp các mức độ bảo vệ quyền riêng tư và sự đánh đổi khác nhau. Bài nghiên cứu của Bagel tổng hợp một cái nhìn tổng quan xuất sắc về các công nghệ này. Những công nghệ này không chỉ bảo vệ quyền riêng tư dữ liệu trong quá trình học máy mà còn có thể đạt được giải pháp AI toàn diện bảo vệ quyền riêng tư ở cấp độ tính toán.
2.5 Nguồn gốc dữ liệu và mô hình
Các công nghệ về nguồn gốc dữ liệu và mô hình nhằm thiết lập quy trình có thể đảm bảo với người dùng rằng họ đang tương tác với đúng mô hình và dữ liệu mong muốn. Ngoài ra, các công nghệ này cũng cung cấp đảm bảo về tính xác thực và nguồn gốc. Ví dụ điển hình là công nghệ thủy vân (watermarking), một trong các công nghệ về nguồn gốc mô hình, nhúng chữ ký trực tiếp vào thuật toán học máy, cụ thể hơn là vào trọng số mô hình, để khi truy xuất có thể xác minh suy luận có thực sự đến từ mô hình dự kiến hay không.
2.6 Ứng dụng
Về ứng dụng, khả năng thiết kế là vô hạn. Trong bản đồ ngành trên đây, chúng tôi liệt kê một số ví dụ phát triển đặc biệt đáng mong đợi khi công nghệ AI được áp dụng trong lĩnh vực Web 3.0. Vì các trường hợp sử dụng này phần lớn tự mô tả, chúng tôi sẽ không bình luận thêm. Tuy nhiên, cần lưu ý rằng sự giao thoa giữa AI và Web 3.0 có tiềm năng tái định hình nhiều lĩnh vực dọc, bởi các nguyên thủy mới này mang lại cho các nhà phát triển nhiều tự do hơn trong việc sáng tạo các trường hợp sử dụng đổi mới và tối ưu hóa các trường hợp hiện tại.
Phần Ba
Tổng kết
Sự kết hợp AI x Web3 mang lại viễn cảnh đầy đổi mới và tiềm năng. Bằng cách tận dụng những ưu thế độc đáo của mỗi công nghệ, chúng ta có thể giải quyết nhiều thách thức và mở ra các con đường công nghệ mới. Khi khám phá ngành mới nổi này, sự cộng hưởng giữa AI và Web3 có thể thúc đẩy tiến bộ, định hình lại trải nghiệm kỹ thuật số tương lai và cách chúng ta tương tác trên mạng.
Sự hòa quyện giữa thiếu hụt kỹ thuật số và phong phú kỹ thuật số, huy động các nguồn lực chưa được khai thác để đạt hiệu quả tính toán, cùng với việc thiết lập các thực hành dữ liệu an toàn và bảo vệ quyền riêng tư, sẽ định nghĩa thời đại tiến hóa công nghệ thế hệ tiếp theo.
Tuy nhiên, chúng ta phải thừa nhận rằng ngành này vẫn còn ở giai đoạn sơ khai, và bản đồ ngành hiện tại có thể nhanh chóng lỗi thời trong thời gian ngắn. Nhịp độ đổi mới nhanh chóng có nghĩa là các giải pháp tiên tiến ngày hôm nay có thể sớm bị thay thế bởi các đột phá mới. Dù vậy, các khái niệm nền tảng được thảo luận —— như mạng tính toán, nền tảng tác nhân và giao thức dữ liệu —— đã làm nổi bật tiềm năng to lớn khi AI và Web 3.0 kết hợp với nhau.
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
