Giới thiệu hợp đồng thông minh cho học liên kết: Flock đang định hình lại quan hệ sản xuất AI như thế nào?
Tuyển chọn TechFlowTuyển chọn TechFlow
Giới thiệu hợp đồng thông minh cho học liên kết: Flock đang định hình lại quan hệ sản xuất AI như thế nào?
Trong tương lai, FLock còn có kế hoạch ra mắt cơ chế khởi tạo nhiệm vụ thân thiện hơn để hiện thực hóa tầm nhìn "ai cũng có thể tham gia vào AI".
Chuyên sâu báo cáo Web3Tác giả: LINDABELL
Trong làn sóng AI phi tập trung trước đó, các dự án nổi bật như Bittensor, io.net và Olas đã nhanh chóng trở thành những người dẫn đầu ngành nhờ công nghệ đổi mới và định hướng chiến lược tiên phong. Tuy nhiên, khi giá trị của những dự án lâu đời này liên tục tăng cao, ngưỡng tham gia dành cho các nhà đầu tư thông thường cũng ngày càng lớn. Vậy trong đợt luân chuyển lĩnh vực hiện tại, liệu còn cơ hội tham gia nào mới?
Flock: Mạng huấn luyện và xác thực AI phi tập trung
Flock là một nền tảng huấn luyện và ứng dụng mô hình AI phi tập trung, kết hợp học liên bang (federated learning) với công nghệ blockchain nhằm cung cấp môi trường an toàn để người dùng huấn luyện và quản lý mô hình, đồng thời bảo vệ quyền riêng tư dữ liệu và đảm bảo sự tham gia công bằng của cộng đồng. Thuật ngữ "Flock" lần đầu xuất hiện vào năm 2022, khi nhóm sáng lập ra mắt một bài báo khoa học có tiêu đề "FLock: Defending malicious behaviors in federated learning with blockchain", đề xuất ý tưởng sử dụng blockchain trong học liên bang để ngăn chặn hành vi độc hại. Bài báo này trình bày cách thức sử dụng cơ chế phi tập trung nhằm tăng cường an toàn dữ liệu và bảo vệ quyền riêng tư trong quá trình huấn luyện mô hình, đồng thời tiết lộ tiềm năng ứng dụng kiến trúc mới này trong điện toán phân tán.
Sau giai đoạn chứng minh khái niệm ban đầu, Flock đã ra mắt mạng lưới đa tác nhân AI phi tập trung mang tên Flock Research vào năm 2023. Trong Flock Research, mỗi tác nhân (Agent) đều là một mô hình ngôn ngữ lớn (LLM) được tối ưu hóa cho một lĩnh vực cụ thể, có khả năng phối hợp để cung cấp cái nhìn sâu sắc ở nhiều lĩnh vực khác nhau cho người dùng. Sau đó vào giữa tháng 5 năm 2024, Flock chính thức mở cửa bản thử nghiệm (testnet) của nền tảng huấn luyện AI phi tập trung, cho phép người dùng tham gia huấn luyện và tinh chỉnh mô hình bằng cách sử dụng token thử nghiệm FML để nhận phần thưởng. Tính đến ngày 30 tháng 9 năm 2024, số lượng kỹ sư AI hoạt động hàng ngày trên nền tảng Flock đã vượt quá 300 người, với hơn 15.000 mô hình được gửi lên.
Cùng với sự phát triển liên tục của dự án, Flock cũng thu hút được sự chú ý từ thị trường vốn. Vào tháng 3 năm nay, Flock đã huy động thành công 6 triệu USD trong vòng tài trợ do Lightspeed Faction và Tagus Capital dẫn dắt, với sự tham gia đầu tư từ DCG, OKX Ventures, Inception Capital và Volt Capital. Đáng chú ý, Flock còn là dự án cơ sở hạ tầng AI duy nhất nhận được tài trợ trong đợt cấp ngân sách học thuật năm 2024 từ Quỹ Ethereum.
Tái thiết lập mối quan hệ sản xuất AI: Đưa hợp đồng thông minh vào học liên bang
Học liên bang (Federated Learning) là một phương pháp học máy cho phép nhiều thực thể (thường gọi là khách hàng) cùng huấn luyện mô hình mà không cần chia sẻ dữ liệu gốc — dữ liệu luôn được lưu trữ tại chỗ. Khác với học máy truyền thống, học liên bang tránh việc tải tất cả dữ liệu lên máy chủ trung tâm, thay vào đó bảo vệ quyền riêng tư người dùng thông qua tính toán cục bộ. Hiện nay, học liên bang đã được áp dụng trong nhiều tình huống thực tế, ví dụ như Google từ năm 2017 đã tích hợp học liên bang vào bàn phím Gboard để cải thiện gợi ý nhập liệu và dự đoán văn bản, đồng thời đảm bảo dữ liệu nhập của người dùng không bị tải lên. Tesla cũng sử dụng công nghệ tương tự trong hệ thống lái tự động, nâng cao khả năng cảm nhận môi trường của xe theo cách cục bộ, giảm nhu cầu truyền tải lượng lớn dữ liệu video.
Tuy nhiên, những ứng dụng này vẫn tồn tại một số vấn đề, đặc biệt về quyền riêng tư và bảo mật. Trước hết, người dùng phải tin tưởng vào bên thứ ba tập trung. Thứ hai, trong quá trình truyền và tổng hợp các tham số mô hình, cần ngăn chặn các nút độc hại tải lên dữ liệu giả hoặc tham số ác ý, gây sai lệch hiệu suất mô hình hoặc đưa ra dự đoán sai. Theo nghiên cứu của nhóm FLock đăng trên tạp chí IEEE, mô hình học liên bang truyền thống khi có 10% nút độc hại thì độ chính xác giảm xuống 96,3%; khi tỷ lệ nút độc hại tăng lên 30% và 40%, độ chính xác lần lượt giảm xuống còn 80,1% và 70,9%.
Để giải quyết vấn đề này, Flock đã đưa hợp đồng thông minh trên blockchain vào kiến trúc học liên bang như một "động cơ tin cậy". Với vai trò là động cơ tin cậy, hợp đồng thông minh có thể tự động thu thập và xác thực tham số trong môi trường phi tập trung, đồng thời công bố kết quả mô hình một cách vô tư, từ đó ngăn hiệu quả việc các nút độc hại xuyên tạc dữ liệu. So với giải pháp học liên bang truyền thống, kể cả khi 40% nút là nút độc hại, độ chính xác mô hình của FLock vẫn duy trì trên 95,5%.
Định vị lớp thực thi AI, phân tích kiến trúc ba lớp của FLock
Một điểm nghẽn chính trong lĩnh vực AI hiện nay là tài nguyên dùng để huấn luyện mô hình và dữ liệu vẫn tập trung cao độ vào tay một vài công ty lớn, khiến nhà phát triển và người dùng bình thường khó tiếp cận hiệu quả. Do đó, người dùng chỉ có thể sử dụng các mô hình chuẩn hóa sẵn, chứ không thể tùy chỉnh theo nhu cầu cá nhân. Sự mất cân đối cung - cầu này khiến dù thị trường có nguồn lực tính toán và dữ liệu dồi dào, nhưng lại không thể chuyển hóa thành các mô hình và ứng dụng thực tế.
Để giải quyết vấn đề này, Flock muốn trở thành một hệ thống điều phối hiệu quả giữa nhu cầu, tài nguyên, năng lực tính toán và dữ liệu. Flock định vị mình ở lớp "thực thi" theo mô hình Web3, vì chức năng cốt lõi của nó là phân bổ nhu cầu AI tùy chỉnh của người dùng tới các nút phi tập trung để huấn luyện, đồng thời dùng hợp đồng thông minh để điều phối các nhiệm vụ này chạy trên các nút toàn cầu.
Đồng thời, để đảm bảo hệ sinh thái công bằng và hiệu quả, hệ thống FLock còn chịu trách nhiệm về "thanh toán" và "đạt đồng thuận". Thanh toán nghĩa là khuyến khích và quản lý đóng góp của người tham gia, thưởng phạt dựa trên tiến độ hoàn thành nhiệm vụ. Đạt đồng thuận nghĩa là đánh giá và tối ưu chất lượng kết quả huấn luyện, đảm bảo mô hình cuối cùng đại diện cho giải pháp tối ưu toàn cục.
Kiến trúc sản phẩm của FLock gồm ba mô-đun chính: AI Arena, FL Alliance và AI Marketplace. Trong đó, AI Arena phụ trách huấn luyện cơ bản mô hình phi tập trung, FL Alliance phụ trách tinh chỉnh mô hình dưới cơ chế hợp đồng thông minh, còn AI Marketplace là thị trường ứng dụng mô hình cuối cùng.
AI Arena: Huấn luyện mô hình tại chỗ và cơ chế khuyến khích xác thực
AI Arena là nền tảng huấn luyện AI phi tập trung của Flock, người dùng có thể tham gia bằng cách thế chấp token thử nghiệm FML của Flock để nhận phần thưởng tương ứng. Sau khi người dùng định rõ mô hình cần và gửi nhiệm vụ, các nút huấn luyện trong AI Arena sẽ sử dụng kiến trúc mô hình ban đầu đã cho để huấn luyện tại chỗ, không cần tải dữ liệu trực tiếp lên máy chủ tập trung. Khi mỗi nút hoàn thành huấn luyện, các bên xác thực sẽ đánh giá công việc của nút huấn luyện, kiểm tra chất lượng mô hình và chấm điểm. Nếu không muốn tham gia xác thực, người dùng có thể chọn ủy thác token cho bên xác thực để nhận thưởng.
Trong AI Arena, cơ chế thưởng cho mọi vai trò đều phụ thuộc vào hai yếu tố cốt lõi: số lượng token thế chấp và chất lượng nhiệm vụ. Số lượng thế chấp đại diện cho "sự cam kết" của người tham gia, còn chất lượng nhiệm vụ đo lường giá trị đóng góp. Ví dụ, phần thưởng cho nút huấn luyện phụ thuộc vào số lượng token thế chấp và xếp hạng chất lượng mô hình nộp lên; phần thưởng cho bên xác thực phụ thuộc vào mức độ nhất quán giữa kết quả bỏ phiếu và đồng thuận, số lượng token thế chấp, số lần và số lần thành công tham gia xác thực. Lợi nhuận của người ủy thác phụ thuộc vào bên xác thực họ chọn và số lượng token thế chấp.
AI Arena hỗ trợ mô hình huấn luyện học máy truyền thống, người dùng có thể chọn dùng dữ liệu cục bộ hoặc dữ liệu công khai trên thiết bị của mình để huấn luyện, nhằm tối đa hóa hiệu suất mô hình cuối cùng. Hiện tại, trên bản thử nghiệm công khai của AI Arena có 496 nút huấn luyện hoạt động, 871 nút xác thực và 72 người dùng ủy thác. Tỷ lệ thế chấp hiện tại trên nền tảng là 97,74%, lợi nhuận trung bình hàng tháng của nút huấn luyện là 40,57%, của nút xác thực là 24,70%.
FL Alliance: Nền tảng tinh chỉnh được quản lý tự động bởi hợp đồng thông minh
Các mô hình đạt điểm cao nhất trên AI Arena sẽ được chọn làm "mô hình đồng thuận", sau đó được phân bổ sang FL Alliance để tinh chỉnh thêm. Việc tinh chỉnh diễn ra qua nhiều vòng. Mỗi khi bắt đầu một vòng mới, hệ thống tự động tạo một hợp đồng thông minh FL liên quan đến nhiệm vụ đó, hợp đồng này sẽ tự động quản lý việc thực hiện nhiệm vụ và phần thưởng. Tương tự, mỗi người tham gia đều phải thế chấp một lượng nhất định token FML. Người tham gia được phân ngẫu nhiên thành người đề xuất hoặc người bỏ phiếu. Người đề xuất dùng tập dữ liệu cục bộ của mình để huấn luyện mô hình, sau đó tải tham số hoặc trọng số mô hình đã huấn luyện lên cho các bên khác. Người bỏ phiếu sẽ tổng hợp kết quả cập nhật mô hình từ người đề xuất và bỏ phiếu đánh giá. Sau đó, tất cả kết quả được gửi đến hợp đồng thông minh, hợp đồng sẽ so sánh điểm số mỗi vòng với điểm số vòng trước để đánh giá mức độ cải thiện hoặc suy giảm hiệu suất mô hình. Nếu điểm số hiệu suất tăng, hệ thống sẽ bước sang giai đoạn huấn luyện tiếp theo; nếu điểm số giảm, hệ thống sẽ dùng mô hình đã được xác thực ở vòng trước để bắt đầu một vòng huấn luyện, tổng hợp và đánh giá mới.
FL Alliance kết hợp học liên bang và cơ chế hợp đồng thông minh, đạt được mục tiêu nhiều bên cùng huấn luyện một mô hình toàn cục trong khi vẫn đảm bảo chủ quyền dữ liệu. Hơn nữa, bằng cách tích hợp dữ liệu khác nhau và tổng hợp trọng số, có thể xây dựng một mô hình toàn cục tốt hơn và mạnh mẽ hơn. Ngoài ra, người tham gia thế chấp token để thể hiện cam kết, đồng thời nhận thưởng dựa trên chất lượng mô hình và kết quả đồng thuận, từ đó hình thành một cơ chế sinh thái công bằng và minh bạch.
AI Marketplace: Cung cấp dịch vụ AI cá nhân hóa như thế nào?
Các mô hình sau khi được huấn luyện trên AI Arena và tinh chỉnh trên FL Alliance sẽ được triển khai cuối cùng lên AI Marketplace để các ứng dụng khác gọi và sử dụng. Khác với các "thị trường mô hình" truyền thống, AI Marketplace không chỉ cung cấp các mô hình sẵn có, mà còn cho phép người dùng tiếp tục chỉnh sửa mô hình và tích hợp nguồn dữ liệu mới để đáp ứng các tình huống ứng dụng khác nhau. Ngoài ra, AI Marketplace còn tích hợp công nghệ RAG (Retrieval-Augmented Generation – Tăng cường tạo nội dung bằng truy xuất), giúp nâng cao độ chính xác của mô hình trong các lĩnh vực chuyên biệt. RAG là một phương pháp tăng cường mô hình ngôn ngữ lớn, bằng cách truy xuất thông tin liên quan từ cơ sở tri thức bên ngoài khi tạo câu trả lời, đảm bảo phản hồi của mô hình chính xác và cá nhân hóa hơn.
Hiện tại, AI Marketplace đã ra mắt nhiều mô hình GPT tùy chỉnh dựa trên các tình huống ứng dụng khác nhau, bao gồm BTC GPT, Farcaster GPT, Scroll GPT, Ethereum GPT, v.v. Chúng ta có thể dùng BTC GPT làm ví dụ để hiểu sự khác biệt giữa mô hình tùy chỉnh và mô hình phổ thông.
Tháng 12 năm 2023, khi đặt cùng lúc câu hỏi "ARC20 là gì?" cho BTC GPT và ChatGPT:
-
Phản hồi của BTC GPT: "Giao thức ARC20 là giao thức xây dựng trên mạng Bitcoin, cho phép người dùng tạo, chuyển và nâng cấp các vật phẩm kỹ thuật số như NFT và token có thể thay thế. Thông qua giao thức ARC20, có thể tạo các NFT không thể thay thế và các token có thể thay thế trên mạng Bitcoin. Token chính của giao thức ARC20 là ATOM, dùng cho nhiều mục đích trong giao thức."
-
Phản hồi của ChatGPT: "Tính đến lần cập nhật kiến thức cuối cùng của tôi vào tháng 1 năm 2022, không có tiêu chuẩn hay công nghệ nào mang tên ARC20 được công nhận rộng rãi trong lĩnh vực công nghệ, tài chính hay các lĩnh vực phổ biến khác. Có thể sau đó đã xuất hiện công nghệ hay tiêu chuẩn mới mang tên ARC20, nhưng tôi không có thông tin về điều đó."
Từ hai câu trả lời trên, chúng ta có thể thấy được tầm quan trọng và lợi thế của mô hình GPT tùy chỉnh. Khác với mô hình ngôn ngữ phổ thông, mô hình GPT tùy chỉnh có thể được huấn luyện trên dữ liệu chuyên biệt để cung cấp câu trả lời chính xác hơn.
Cùng được DCG hỗ trợ, Flock và Bittensor có gì giống và khác nhau?
Cùng với sự phục hồi của lĩnh vực AI, token của Bittensor – một trong những đại diện tiêu biểu của các dự án AI phi tập trung – đã tăng hơn 93,7% trong 30 ngày qua, giá chạm gần mức cao kỷ lục, vốn hóa thị trường một lần nữa vượt ngưỡng 4 tỷ USD. Đáng chú ý, tổ chức đầu tư Flock là DCG cũng là một trong những trình xác thực và thợ đào lớn nhất trong hệ sinh thái Bittensor. Trước đó, theo nguồn tin thân cận, DCG nắm giữ khoảng 100 triệu USD TAO, và trong một bài viết năm 2021 của Business Insider, nhà đầu tư của DCG là Matthew Beck từng giới thiệu Bittensor là một trong 53 startup tiền mã hóa tiềm năng nhất.
Dù cùng được DCG hỗ trợ, FLock và Bittensor lại có trọng tâm khác nhau. Về định vị cụ thể, mục tiêu của Bittensor là xây dựng một "internet AI phi tập trung", sử dụng "mạng con (Subnet)" làm đơn vị cơ bản, mỗi mạng con tương đương một thị trường phi tập trung, người tham gia có thể tham gia với vai trò "thợ đào" hoặc "trình xác thực". Hiện tại, hệ sinh thái Bittensor có 49 mạng con, bao phủ nhiều lĩnh vực như chuyển văn bản thành giọng nói, tạo nội dung và tinh chỉnh mô hình ngôn ngữ lớn.
Từ năm ngoái, Bittensor luôn là tâm điểm chú ý của thị trường. Một mặt là do giá token tăng mạnh, từ mức 80 USD vào tháng 10 năm 2023 tăng vọt lên mức cao nhất 730 USD trong năm nay. Mặt khác là do những lời chỉ trích liên tục, bao gồm nghi ngờ về tính bền vững của mô hình dựa vào phần thưởng token để thu hút nhà phát triển. Ngoài ra, trong hệ sinh thái Bittensor, ba trình xác thực hàng đầu (Opentensor Foundation, Taostats & Corcel, Foundry) nắm giữ gần 40% lượng TAO được thế chấp, điều này cũng khiến người dùng lo ngại về mức độ phi tập trung thực sự của dự án.
Khác với Bittensor, FLock tập trung vào việc đưa blockchain vào học liên bang, nỗ lực cung cấp dịch vụ AI cá nhân hóa cho người dùng. Flock định vị mình là "Uber trong lĩnh vực AI", trong mô hình này, Flock đóng vai trò là "hệ thống điều phối phi tập trung" kết nối nhu cầu AI với các nhà phát triển, tự động quản lý phân bổ nhiệm vụ, xác thực kết quả và thanh toán phần thưởng thông qua hợp đồng thông minh trên chuỗi, đảm bảo mọi người tham gia đều được phân bổ công bằng theo đóng góp. Tuy nhiên, giống như Bittensor, ngoài việc trở thành nút huấn luyện và trình xác thực, Flock cũng cung cấp lựa chọn ủy thác cho người dùng.
Cụ thể:
-
Nút huấn luyện: Tham gia cạnh tranh huấn luyện nhiệm vụ AI bằng cách thế chấp token, phù hợp với người dùng có năng lực tính toán và kinh nghiệm phát triển AI.
-
Trình xác thực: Cũng cần thế chấp token để tham gia mạng, chịu trách nhiệm xác minh chất lượng mô hình của thợ đào, ảnh hưởng đến phân bổ phần thưởng thông qua việc gửi điểm xác thực.
-
Người ủy thác: Ủy thác token cho các nút thợ đào và trình xác thực để tăng trọng số của nút đó trong phân bổ nhiệm vụ, đồng thời chia sẻ phần thưởng từ nút được ủy thác. Nhờ vậy, ngay cả người dùng không có kỹ năng kỹ thuật để huấn luyện hay xác thực nhiệm vụ cũng có thể tham gia mạng và kiếm lợi nhuận.
FLock.io hiện đã chính thức mở chức năng tham gia cho người ủy thác, bất kỳ người dùng nào cũng có thể thế chấp token FML để nhận lợi nhuận, và có thể lựa chọn nút tối ưu theo lợi suất hàng năm kỳ vọng để tối đa hóa lợi nhuận thế chấp. Flock cũng cho biết, việc thế chấp và các thao tác liên quan trong giai đoạn testnet sẽ ảnh hưởng đến phần thưởng airdrop tiềm năng sau khi mainnet ra mắt.
Trong tương lai, FLock còn có kế hoạch ra mắt cơ chế khởi tạo nhiệm vụ thân thiện hơn, cho phép người dùng cá nhân không có chuyên môn AI cũng dễ dàng tham gia vào việc tạo và huấn luyện mô hình AI, hiện thực hóa tầm nhìn "ai cũng có thể tham gia AI". Đồng thời, Flock đang tích cực mở rộng hợp tác, ví dụ như hợp tác với Request Finance để phát triển mô hình điểm tín dụng trên chuỗi, hợp tác với Morpheus và Ritual để xây dựng mô hình robot giao dịch, cung cấp mẫu nút huấn luyện triển khai một cú nhấp chuột giúp nhà phát triển dễ dàng khởi chạy và vận hành huấn luyện mô hình trên Akash. Ngoài ra, Flock còn huấn luyện trợ lý lập trình ngôn ngữ Move cho nhà phát triển dịch vụ Aptos.
Nhìn chung, mặc dù Bittensor và Flock có sự khác biệt về định vị thị trường, cả hai đều đang cố gắng tái định nghĩa mối quan hệ sản xuất trong hệ sinh thái AI bằng các kiến trúc công nghệ phi tập trung khác nhau. Mục tiêu chung của họ là phá vỡ sự độc quyền của các gã khổng lồ tập trung đối với tài nguyên AI, xây dựng một hệ sinh thái AI cởi mở và công bằng hơn — điều mà thị trường hiện nay đang rất cần.
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
@ChainFeedsxyz
