Báo cáo Grayscale: AI và tiền mã hóa là "hai mặt của một vấn đề", việc phi tập trung hóa trong lĩnh vực mã hóa sẽ nâng cao tính minh bạch của AI
Tuyển chọn TechFlowTuyển chọn TechFlow
Báo cáo Grayscale: AI và tiền mã hóa là "hai mặt của một vấn đề", việc phi tập trung hóa trong lĩnh vực mã hóa sẽ nâng cao tính minh bạch của AI
AI và tiền mã hóa là "hai mặt của cùng một đồng xu", "Web3 sẽ giúp chúng ta tin tưởng vào AI".
Chuyên sâu báo cáo Web3Tác giả: Will Ogden Moore
Biên dịch: TechFlow
Trí tuệ nhân tạo (AI) là một trong những công nghệ nổi bật nhất của thế kỷ này, mang tiềm năng nâng cao đáng kể năng suất lao động và thúc đẩy các đột phá trong y học. Mặc dù AI đã rất quan trọng ngày nay, nhưng ảnh hưởng của nó vẫn đang tiếp tục gia tăng. Theo ước tính của PwC, đến năm 2030, AI sẽ trở thành một ngành trị giá 15 nghìn tỷ USD.
Tuy nhiên, công nghệ đầy hứa hẹn này cũng đối mặt với nhiều thách thức. Khi công nghệ AI phát triển mạnh mẽ, ngành AI đang ngày càng tập trung hóa, quyền lực nằm trong tay một vài công ty lớn, điều này có thể gây ra những tác động tiêu cực đến xã hội. Nó cũng làm dấy lên mối lo ngại nghiêm trọng về deepfake, định kiến tích hợp và rủi ro liên quan đến quyền riêng tư dữ liệu. May mắn thay, đặc điểm phi tập trung và minh bạch của tiền mã hóa cung cấp giải pháp tiềm năng.
Dưới đây, chúng tôi sẽ tìm hiểu các vấn đề do sự tập trung hóa gây ra và cách AI phi tập trung có thể giúp giải quyết chúng, đồng thời thảo luận về điểm giao thoa giữa tiền mã hóa và AI, nhấn mạnh một số ứng dụng tiền mã hóa đã cho thấy dấu hiệu áp dụng sớm.
Vấn đề của AI tập trung hóa
Hiện tại, việc phát triển AI đang đối mặt với một số thách thức và rủi ro. Hiệu ứng mạng và nhu cầu vốn cao trong lĩnh vực AI khiến các nhà phát triển bên ngoài các công ty công nghệ lớn (như các công ty nhỏ hoặc nhà nghiên cứu học thuật) khó tiếp cận tài nguyên cần thiết hoặc thương mại hóa sản phẩm của họ. Điều này hạn chế cạnh tranh và đổi mới chung trong toàn ngành AI.
Do đó, ảnh hưởng đến công nghệ then chốt này chủ yếu nằm trong tay một vài công ty như OpenAI và Google, dẫn đến những nghi vấn nghiêm trọng về quản trị AI. Ví dụ, vào tháng 2 năm nay, trình tạo hình ảnh AI Gemini của Google đã bộc lộ thiên vị chủng tộc và sai lệch lịch sử, chứng tỏ rằng các công ty có thể thao túng mô hình của mình. Ngoài ra, vào tháng 11 năm ngoái, một hội đồng gồm sáu người đã quyết định sa thải CEO Sam Altman của OpenAI, phơi bày quyền kiểm soát của một nhóm nhỏ đối với các công ty phát triển mô hình này.
Khi ảnh hưởng và tầm quan trọng của AI ngày càng tăng, nhiều người lo ngại rằng một công ty có thể nắm quyền quyết định đối với các mô hình AI có khả năng tác động sâu rộng đến xã hội, có thể âm thầm vận hành, thiết lập các biện pháp bảo vệ hoặc thao túng mô hình để phục vụ lợi ích riêng — nhưng lại lấy phần còn lại của xã hội làm vật hy sinh.
AI phi tập trung có thể giúp gì?
AI phi tập trung đề cập đến việc sử dụng công nghệ blockchain để phân bổ quyền sở hữu và quản trị AI, từ đó nâng cao tính minh bạch và khả năng tiếp cận. Grayscale Research cho rằng AI phi tập trung có tiềm năng đưa những quyết định quan trọng này ra khỏi các khu vườn khép kín và trao vào tay công chúng.
Công nghệ blockchain có thể giúp mở rộng khả năng tiếp cận AI cho các nhà phát triển, giảm rào cản để các nhà phát triển độc lập xây dựng và thương mại hóa công việc của họ. Chúng tôi tin rằng điều này có thể cải thiện đổi mới và cạnh tranh tổng thể trong ngành AI, đồng thời tạo ra sự cân bằng với các mô hình được phát triển bởi các gã khổng lồ công nghệ.
Hơn nữa, AI phi tập trung có thể giúp dân chủ hóa quyền tiếp cận đầu tư vào AI. Hiện tại, ngoài việc mua cổ phiếu của một vài công ty công nghệ, gần như không có cách nào khác để thu được lợi nhuận tài chính từ việc phát triển AI. Trong khi đó, lượng lớn vốn tư nhân đã được phân bổ cho các startup và công ty tư nhân trong lĩnh vực AI (47 tỷ USD vào năm 2022 và 42 tỷ USD vào năm 2023). Kết quả là, lợi nhuận tài chính từ các công ty này chỉ dành cho một số ít nhà đầu tư mạo hiểm và nhà đầu tư đủ điều kiện. Ngược lại, các tài sản mã hóa AI phi tập trung mở cửa cho tất cả mọi người, cho phép ai cũng có thể sở hữu một phần tương lai của AI.
Tình hình hiện tại tại điểm giao thoa này
Hiện tại, điểm giao thoa giữa tiền mã hóa và AI vẫn còn ở giai đoạn sơ khai về mức độ trưởng thành, nhưng phản ứng thị trường khá khả quan. Tính đến tháng 5 năm 2024, các tài sản mã hóa AI đạt lợi suất 20% (theo định nghĩa của Grayscale Research về "AI Universe", với giá trị vốn hóa tối thiểu của tài sản là 500 triệu USD, tái cân bằng hàng quý vào ngày 1 tháng 4 năm 2024. Các tài sản trong Universe bao gồm NEAR, FET, RNDR, FIL, TAO, THETA, AKT, AGIX, WLD, AIOZ, TFUEL, GLM, PRIME, OCEAN, ARKM và LTP), vượt trội so với tất cả các lĩnh vực mã hóa khác ngoại trừ lĩnh vực tiền tệ (xem Hình 1). Ngoài ra, theo dữ liệu từ nhà cung cấp Kaito, chủ đề AI hiện đang chiếm lĩnh "phần lớn nhận thức câu chuyện" trên các nền tảng mạng xã hội, vượt qua các chủ đề khác như tài chính phi tập trung, Layer 2, meme và tài sản thực tế.
Gần đây, một số nhân vật nổi tiếng đã hướng tới điểm giao thoa mới nổi này, tập trung vào việc khắc phục những điểm yếu của AI tập trung. Vào tháng 3 năm nay, người sáng lập Stability AI – một công ty AI nổi tiếng – Emad Mostaque rời công ty để theo đuổi AI phi tập trung, lý giải rằng “đã đến lúc đảm bảo AI duy trì tính mở và phi tập trung”. Ngoài ra, doanh nhân mã hóa Erik Vorhees gần đây đã ra mắt Venice.ai, một dịch vụ AI tập trung vào quyền riêng tư với mã hóa end-to-end.
Hình 1: Các tài sản mã hóa AI hầu như vượt trội hơn tất cả các lĩnh vực mã hóa khác từ đầu năm đến nay
Ngày nay, chúng ta có thể chia điểm giao thoa giữa tiền mã hóa và AI thành ba nhóm con chính (các tài sản là ví dụ minh họa, được liệt kê theo thứ tự vốn hóa từ lớn đến nhỏ):
-
Lớp cơ sở hạ tầng: Các mạng lưới cung cấp nền tảng phát triển AI (ví dụ: NEAR, TAO, FET)
-
Tài nguyên AI: Các tài sản cung cấp tài nguyên thiết yếu cần thiết cho phát triển AI (tính toán, lưu trữ, dữ liệu) (ví dụ: RNDR, AKT, LPT, FIL, AR, MASA)
-
Giải quyết các vấn đề của AI: Các tài sản cố gắng giải quyết các vấn đề liên quan đến AI (như bot, deepfake và xác minh mô hình) (ví dụ: WLD, TRAC, NUM)
Hình 2: Bản đồ thị trường AI và tiền mã hóa
Nguồn: Grayscale Investments. Các giao thức được liệt kê là ví dụ minh họa.
Các mạng lưới cung cấp cơ sở hạ tầng phát triển AI
Nhóm này bao gồm các mạng lưới cung cấp kiến trúc mở, không cần giấy phép, được xây dựng riêng cho việc phát triển các ứng dụng AI nói chung. Những tài sản này không tập trung vào một sản phẩm hay dịch vụ AI cụ thể nào, mà nhằm mục đích tạo ra cơ sở hạ tầng và cơ chế khuyến khích cho nhiều ứng dụng AI khác nhau.
Near nổi bật trong nhóm này, được sáng lập bởi một trong những người đồng sáng tạo kiến trúc “Transformer” – nền tảng cho các hệ thống AI như ChatGPT. Gần đây, Near đã tận dụng chuyên môn AI của mình để thông qua bộ phận nghiên cứu và phát triển ra mắt kế hoạch phát triển “AI thuộc sở hữu người dùng”, do một cựu kỹ sư nghiên cứu của OpenAI làm cố vấn . Vào cuối tháng 6 năm 2024, Near đã khởi động chương trình ươm tạo AI của mình, nhằm phát triển các mô hình nền tảng gốc trên Near, nền tảng dữ liệu cho các ứng dụng AI, khuôn khổ cho các tác nhân AI và thị trường tính toán.
Bittensor là một ví dụ đáng chú ý khác. Bittensor là một nền tảng sử dụng token TAO để khuyến khích phát triển AI. Bittensor hoạt động như nền tảng cho 38 mạng con (subnets – các phần nhỏ trong mạng lớn hơn, được thiết kế để tăng hiệu quả và bảo mật bằng cách cô lập từng phần mạng cho mục đích hoặc nhóm người dùng cụ thể. Tính đến ngày 23 tháng 6 năm 2024), mỗi mạng con có các trường hợp sử dụng khác nhau như chatbot, tạo hình ảnh, dự báo tài chính, dịch ngôn ngữ, huấn luyện mô hình, lưu trữ và tính toán. Mạng Bittensor thưởng token TAO cho các thợ đào và xác thực viên xuất sắc nhất trong mỗi mạng con, đồng thời cung cấp API không cần giấy phép cho các nhà phát triển để xây dựng các ứng dụng AI cụ thể bằng cách truy vấn các thợ đào trong mạng con Bittensor.
Nhóm này cũng bao gồm các giao thức khác như Fetch.ai và mạng Allora. Fetch.ai là một nền tảng cho phép các nhà phát triển tạo ra các trợ lý AI phức tạp (tức là “tác nhân AI”), gần đây đã sáp nhập với AGIX và OCEAN, với giá trị kết hợp khoảng 7,5 tỷ USD. Một ví dụ khác là mạng Allora, một nền tảng tập trung vào việc áp dụng AI vào các ứng dụng tài chính, bao gồm chiến lược giao dịch tự động trên các sàn giao dịch phi tập trung và thị trường dự đoán. Allora chưa ra mắt token và đã hoàn tất vòng gọi vốn chiến lược vào tháng 6, huy động tổng cộng 35 triệu USD vốn tư nhân.
Các tài nguyên cần thiết cho phát triển AI
Nhóm này bao gồm các tài sản cung cấp tài nguyên cần thiết cho phát triển AI (tính toán, lưu trữ hoặc dữ liệu).
Sự bùng nổ của AI đã tạo ra nhu cầu chưa từng có về tài nguyên tính toán (như GPU). Các thị trường GPU phi tập trung như Render (RNDR), Akash (AKT) và Livepeer (LPT) cung cấp GPU nhàn rỗi cho các nhà phát triển cần tài nguyên để huấn luyện mô hình, suy luận mô hình hoặc tạo nội dung AI 3D. Hiện nay, Render cung cấp khoảng 10.000 GPU, chủ yếu phục vụ nghệ sĩ và AI tạo sinh, trong khi Akash cung cấp 400 GPU, chủ yếu hướng đến các nhà phát triển và nhà nghiên cứu AI. Đồng thời, Livepeer gần đây đã công bố kế hoạch ra mắt một mạng con AI mới vào tháng 8 năm 2024, nhằm xử lý các nhiệm vụ như văn bản-thành-hình ảnh, văn bản-thành-video và hình ảnh-thành-video.
Ngoài yêu cầu lớn về tài nguyên tính toán, các mô hình AI còn cần lượng dữ liệu khổng lồ. Do đó, nhu cầu về lưu trữ dữ liệu đã tăng mạnh. Các giải pháp lưu trữ dữ liệu như Filecoin (FIL) và Arweave (AR) có thể đóng vai trò là mạng lưới phi tập trung và an toàn thay thế cho các máy chủ AWS tập trung để lưu trữ dữ liệu AI. Những giải pháp này không chỉ cung cấp lưu trữ tiết kiệm chi phí và có thể mở rộng, mà còn tăng cường bảo mật và toàn vẹn dữ liệu bằng cách loại bỏ điểm lỗi đơn và giảm rủi ro rò rỉ dữ liệu.
Hơn nữa, các dịch vụ AI hiện tại như OpenAI và Gemini liên tục thu thập dữ liệu thời gian thực thông qua Bing và Google Search. Điều này khiến các nhà phát triển mô hình AI khác处于 bất lợi. Tuy nhiên, các dịch vụ thu thập dữ liệu như Grass và Masa (MASA) có thể giúp cân bằng sân chơi, vì chúng cho phép cá nhân kiếm tiền từ dữ liệu của mình bằng cách cung cấp dữ liệu ứng dụng để huấn luyện mô hình AI, đồng thời vẫn giữ quyền kiểm soát và quyền riêng tư đối với dữ liệu cá nhân.
Các tài sản giải quyết các vấn đề liên quan đến AI
Nhóm thứ ba bao gồm các tài sản cố gắng giải quyết các vấn đề liên quan đến AI, như bot, deepfake và nguồn gốc nội dung.
AI làm trầm trọng thêm nạn bot và thông tin sai lệch. Deepfake do AI tạo ra đã ảnh hưởng đến các cuộc bầu cử tổng thống ở Ấn Độ và châu Âu, các chuyên gia lo ngại chiến dịch tranh cử sắp tới sẽ bị tràn ngập thông tin sai lệch do deepfake thúc đẩy. Các tài sản cố gắng giải quyết vấn đề deepfake bằng cách thiết lập nguồn gốc nội dung có thể xác minh bao gồm Origin Trail (TRAC), Numbers Protocol (NUM) và Story Protocol. Ngoài ra, Worldcoin (WLD) giải quyết vấn đề bot bằng cách xác minh danh tính con người thông qua nhận dạng sinh trắc học độc đáo.
Một rủi ro khác của AI là đảm bảo niềm tin vào chính mô hình. Làm sao chúng ta có thể tin rằng kết quả AI nhận được không bị thao túng hay làm sai lệch? Hiện nay, có một vài giao thức đang cố gắng giải quyết vấn đề này thông qua công nghệ mã hóa, bằng chứng không kiến thức (zero-knowledge proof) và mã hóa đồng dạng toàn phần (FHE), bao gồm Modulus Labs và Zama.
Kết luận
Mặc dù các tài sản AI phi tập trung này đã đạt được những tiến triển ban đầu, chúng ta vẫn còn ở giai đoạn đầu của điểm giao thoa này. Vào đầu năm nay, nhà đầu tư mạo hiểm nổi tiếng Fred Wilson đã nói rằng AI và tiền mã hóa là “hai mặt của cùng một đồng xu”, và “web3 sẽ giúp chúng ta tin tưởng vào AI”. Khi ngành AI tiếp tục trưởng thành, Grayscale Research cho rằng các trường hợp sử dụng mã hóa liên quan đến AI này sẽ ngày càng trở nên quan trọng, và hai công nghệ phát triển nhanh này có tiềm năng hỗ trợ lẫn nhau trong tăng trưởng.
Từ nhiều dấu hiệu, AI đang đến rất gần và sẵn sàng tạo ra những tác động sâu rộng, cả tích cực lẫn tiêu cực. Bằng cách tận dụng các đặc tính của công nghệ blockchain, chúng tôi tin rằng tiền mã hóa cuối cùng có thể giúp giảm nhẹ một số rủi ro mà AI mang lại.
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
@Grayscale
