YesNoError với hai thuộc tính DeSci và AI: Có thực lực gì khi dùng AI để kiểm duyệt bài báo khoa học?
Tuyển chọn TechFlowTuyển chọn TechFlow
YesNoError với hai thuộc tính DeSci và AI: Có thực lực gì khi dùng AI để kiểm duyệt bài báo khoa học?
Andrew Kang cuồng sữa, dự án kết hợp hai thuộc tính DeSci+AI có tương lai không?
Chuyên sâu báo cáo Web3Bài viết: TechFlow
Ngày mai, $BIO – đồng tiền được thị trường mong đợi từ lâu – sẽ chính thức lên sàn. Với sự hậu thuẫn trực tiếp từ Binance trong lĩnh vực DeSci, nhiều người đang đồn đoán xem việc ra mắt $BIO có thúc đẩy một làn sóng tăng giá mạnh mẽ trên chuỗi cho toàn bộ phân khúc DeSci hay không, thậm chí còn có thể hút bớt thanh khoản từ mảng AI.
Tuy nhiên, liệu AI và DeSci nhất thiết phải là hai đối thủ cạnh tranh? Không hẳn. Gần đây, dự án nổi bật trên mạng Solana là YesNoError đã mở ra một hướng đi mới khi kết hợp giữa DeSci và AI – sử dụng công nghệ AI để kiểm tra và phát hiện lỗi trong các bài báo khoa học.
Đồng tiền $YNE của dự án này đã đạt mức vốn hóa 60 triệu USD chỉ trong ngày đầu niêm yết vào ngày 20 tháng 12, sau đó tiếp tục được "lăng xê" mạnh bởi KOL nổi tiếng Twitter Andrew Kang (gọi tắt là AK), hiện tại vốn hóa dao động quanh mức 50 triệu USD.
Việc dùng AI để rà soát bài báo khoa học, thực sự cần thiết?
Nếu bạn vẫn chưa hình dung được tính ứng dụng cụ thể của YesNoError, thì một tweet giải thích từ thành viên đội ngũ Ben Parr sẽ minh họa rõ tầm quan trọng của việc kiểm chứng thông tin sai lệch trong nghiên cứu khoa học:
Tháng 10 năm 2024, một bài nghiên cứu tuyên bố đồ dùng nhà bếp bằng nhựa đen chứa độc tố, thông tin này nhanh chóng lan truyền trên các phương tiện truyền thông. Tạp chí The Atlantic thậm chí đăng bài với tiêu đề "Hãy vứt bỏ đồ dùng nhà bếp nhựa đen của bạn", gây hoang mang dư luận. Ngay cả Ben Parr cũng bắt đầu dọn dẹp đồ dùng bếp nhà mình. Tuy nhiên, Joe Schwartz – Giám đốc Văn phòng Khoa học và Xã hội thuộc Đại học McGill – đã phát hiện ra một sai sót toán học nghiêm trọng trong nghiên cứu: một lỗi nhân đơn giản khiến mức độ độc tính được báo cáo cao hơn thực tế đến 10 lần. Vụ việc này cho thấy rằng dù là những nghiên cứu tưởng chừng uy tín cũng có thể mắc lỗi nghiêm trọng, và những sai lầm này hoàn toàn có thể ảnh hưởng thiết thực đến đời sống người dân bình thường.
Nếu sử dụng AI để rà soát các bài nghiên cứu, ta có thể giảm thiểu tối đa những lỗi cơ bản như sai số học. Chính từ nhu cầu đó, YesNoError ra đời.
YesNoError do Matt Schlicht sáng lập, sử dụng mô hình o1 của OpenAI làm nền tảng công nghệ. Cách vận hành rất đơn giản: đội ngũ dùng AI để kiểm tra các bài báo khoa học, sau đó công khai những vấn đề phát hiện được trên trang web yesnoerror.com và Twitter chính thức.
Hình thức hoạt động minh bạch này giúp giới khoa học và công chúng kịp thời nắm được các sai sót tiềm tàng trong những nghiên cứu quan trọng. Dù dự án mới khởi động không lâu, nhưng đã đạt được một số thành quả đáng chú ý khi phát hiện lỗi trong nhiều nghiên cứu.
Đồng $YNE cũng được tích hợp các tiện ích thực tế: người nắm giữ có thể chi tiêu $YNE để yêu cầu kiểm tra ưu tiên bài báo của mình bằng AI YesNoError.
Tính đến nay, AI của YesNoError đã rà soát tổng cộng 2.219 bài báo và thực sự phát hiện ra không ít lỗi.
Thừa nhận hay nghi ngờ – những luồng ý kiến khác nhau trên thị trường
AK đánh giá cao, liên tục "lên kèo"
Ngay trong ngày ra mắt $YNE, AK – người ủng hộ mạnh mẽ DeSci – đã bày tỏ sự ngưỡng mộ dành cho YesNoError.
AK nhận định: « Giá trị cốt lõi của YesNoError nằm ở việc hiện thực hóa sự kết hợp giữa tiền mã hóa x AI x DeSci ».
YesNoError tận dụng đặc điểm của hệ sinh thái tiền mã hóa, nơi mà nguồn vốn không nhất thiết phải theo đuổi lợi nhuận như cách truyền thống. Miễn là bạn thu hút đủ sự chú ý, bạn sẽ nhận được nguồn tài trợ dồi dào (tức kinh tế chú ý – attention economy: càng nhiều người quan tâm, càng nhiều người mua token).
Đồng thời, YesNoError cũng mở ra một hướng ứng dụng tốt cho tiền mã hóa. Trong bối cảnh phù hợp, token không còn là "không khí", mà thực sự hỗ trợ các sản phẩm công cộng mà mô hình kinh doanh truyền thống khó duy trì.
Có lẽ vì quá kỳ vọng (hoặc nắm giữ lượng lớn?), ngày 31 tháng 12, AK lại tiếp tục đăng bài phân tích và ca ngợi tính cần thiết cùng hiệu quả thực tiễn của YesNoError dưới góc nhìn dữ liệu.
AK cho biết: YesNoError có khả năng kiểm tra lỗi trong hơn 90 triệu bài báo khoa học trên toàn thế giới, chỉ mất vài tuần đến vài tháng. Nếu thay bằng con người, việc này sẽ tốn hàng vạn năm; ngay cả khi thành lập đội ngũ 5.000 tiến sĩ, cũng phải mất gần một thập kỷ (trong khi tốc độ xuất bản bài mới vượt xa tốc độ rà soát), và ước tính tốn ít nhất 5,4 tỷ USD.
Trong khi đó, chỉ cần khoảng 30 triệu USD (0,3 USD/bài) nhờ mô hình AI được tối ưu hóa, có thể hoàn thành công việc với độ chính xác và chuẩn hóa cao hơn – chi phí chưa đến 1% so với phương pháp thủ công.
Trong lĩnh vực khoa học truyền thống, huy động 30 triệu USD là một nhiệm vụ lớn, nhưng trong môi trường tiền mã hóa, điều này dễ dàng hơn nhiều (mặc dù có yếu tố đầu cơ, nhưng chỉ trong 10 ngày, vốn hóa $YNE đã đạt 50 triệu USD).
Hiện tại, đại lý AI này đã rà soát hơn 1.700 bài báo, tỷ lệ phát hiện lỗi khoảng 3-4%. Về sau, qua liên tục cải tiến, tốc độ xử lý sẽ còn tăng mạnh. Trong số 90 triệu bài báo, rất có thể tồn tại nhiều nghiên cứu quan trọng mắc lỗi nghiêm trọng, và việc sửa chữa những sai sót này sẽ tạo ra tác động tích cực thực sự đến toàn xã hội.
Tài khoản chính thức của BIO Protocol cũng bày tỏ sự đồng tình với quan điểm của AK:
Phải chăng đây là nhu cầu giả tạo? Hãy lắng nghe ý kiến trái chiều
Bên cạnh những lời khen ngợi, cũng có người đặt câu hỏi về tính nhu cầu thực sự của YesNoError.
Kyle Samani, đồng sáng lập Multicoin Capital, đã phản bác dưới bài viết của AK:
Kyle cho rằng theo nguyên tắc 80/20, chỉ một số ít bài báo thật sự quan trọng, và những bài báo này do được chú ý kỹ lưỡng nên khó có thể còn tồn tại lỗi chưa được phát hiện.
Tuy nhiên, Andrew Kang đã phản hồi bằng dữ liệu: Dù theo logic của Kyle, trong 90 triệu bài báo, nếu chỉ 5% là quan trọng, thì vẫn có tới 4,5 triệu bài quan trọng. Giả sử trong số này chỉ có 0,1% mắc lỗi, thì vẫn tồn tại 4.500 bài báo quan trọng cần được sửa chữa. Và ví dụ "nghiên cứu cái xẻng đen" đã nêu ở trên chính là minh chứng rõ ràng: ngay cả những bài báo có sức ảnh hưởng lớn vẫn có thể mắc lỗi, gây tác động xã hội đáng kể.
Tổng kết
Ý tưởng dùng AI để rà soát bài báo khoa học không hoàn toàn mới, từ khi ChatGPT ra đời đã có nhiều ví dụ tương tự. Nhưng xét trong bối cảnh tiền mã hóa, sự xuất hiện của YesNoError có thể vừa giải quyết vấn đề sai sót trong nghiên cứu khoa học, vừa mở ra một ứng dụng thực tiễn cho crypto ngoài vòng xoáy đầu cơ (dù hiện tại dự án vẫn ở giai đoạn sơ khai, phần nào giá trị vẫn phụ thuộc vào nhiệt huyết đầu cơ của thị trường).
Xét về hành vi thị trường, tuy nhiều sự ủng hộ có thể bị quy kết là "ngồi chỗ nào, nghĩ chỗ đó", nhưng nếu một dự án thực sự khả thi và mang lại giá trị thiết thực ngoài đầu cơ, thì kiểu "vừa đứng vững vừa kiếm tiền" như vậy chắc chắn sẽ được thị trường ghi nhận.
Diễn biến tiếp theo của YesNoError sẽ phụ thuộc vào quyết tâm của đội ngũ phát triển sau khi cơn sốt đầu cơ qua đi. Chúng tôi sẽ tiếp tục theo dõi.
Hy vọng sẽ có ngày càng nhiều dự án hướng tới mục tiêu làm lợi cho thế giới.
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
深潮TechFlow
