Lại tạo khái niệm mới? Tìm hiểu DeSPIN và 8 dự án đáng chú ý
Tuyển chọn TechFlowTuyển chọn TechFlow
Lại tạo khái niệm mới? Tìm hiểu DeSPIN và 8 dự án đáng chú ý
Hạt nhân của DeSPIN nằm ở việc kết hợp thông tin địa lý với bối cảnh môi trường, từ đó hỗ trợ ra quyết định cho con người.
Chuyên sâu báo cáo Web3Tác giả: cookies
Biên dịch: TechFlow
Khi công nghệ Web3 không ngừng phát triển, mạng lưới trí tuệ không gian phi tập trung (Decentralized Spatial Intelligence Network - DeSPIN) đang trở thành một lĩnh vực thu hút sự quan tâm lớn. Bằng cách phân tích và khai thác dữ liệu hình ảnh từ thế giới thực, DeSPIN không chỉ cung cấp các giải pháp sáng tạo cho việc xây dựng bản đồ, quy hoạch đô thị và công nghệ robot mà còn mở ra một mô hình kinh tế hoàn toàn mới là "góp sức để kiếm tiền" (Contribute-to-Earn). Bài viết này sẽ đi sâu vào các khái niệm cốt lõi, các giao thức chính và định hướng phát triển tương lai của DeSPIN.
DeSPIN là gì?
Trí tuệ không gian (Spatial Intelligence) là một công nghệ sử dụng dữ liệu hình ảnh từ thế giới thực để rút ra các thông tin hữu ích. Cốt lõi của nó nằm ở việc kết hợp thông tin địa lý với bối cảnh môi trường nhằm hỗ trợ con người trong quá trình ra quyết định. Mạng lưới trí tuệ không gian phi tập trung (DeSPIN) là sự kết hợp giữa công nghệ này với triết lý phi tập trung của blockchain và Web3, tạo nên một hệ sinh thái mở và chia sẻ. Hãy tưởng tượng rằng bạn có thể kiếm tiền bằng cách chia sẻ những bức ảnh đường phố chụp trong đời sống hằng ngày, hoặc ghi lại dữ liệu môi trường tại các trung tâm thương mại, con phố. Mô hình này không chỉ giảm rào cản thu thập dữ liệu mà còn khuyến khích người dùng thông thường đóng góp vào sự phát triển của trí tuệ không gian.
Trước khi tìm hiểu ứng dụng cụ thể của DeSPIN, chúng ta cần nắm được khung cơ bản của trí tuệ không gian. Trí tuệ không gian gồm bốn phần cốt lõi sau:
-
Thu thập dữ liệu: Sử dụng mạng cảm biến (như camera, GPS) và thiết bị Internet vạn vật (IoT) như điện thoại, máy tính xách tay để thu thập dữ liệu.
-
Xử lý và phân tích dữ liệu: Áp dụng công nghệ học máy để xử lý siêu dữ liệu địa lý, nhận diện các mẫu trong dữ liệu và xây dựng cơ sở dữ liệu truy vấn không gian.
-
Biểu diễn tri thức: Kết nối dữ liệu với ngữ cảnh môi trường thông qua ánh xạ ngữ nghĩa, cung cấp thông tin địa lý trực quan cho người dùng.
-
Hệ thống hỗ trợ ra quyết định: Xây dựng các mô hình dự đoán không gian, cung cấp dịch vụ ứng dụng cho người dùng như tối ưu hóa lộ trình, tránh vật cản, v.v.
Các giao thức chính trong lĩnh vực DeSPIN
Hiện nay, đã xuất hiện nhiều giao thức đổi mới trong lĩnh vực DeSPIN, mỗi giao thức tập trung vào các kịch bản ứng dụng khác nhau. Dưới đây là tám dự án đáng chú ý:
1. Hivemapper
Hivemapper là một giao thức xây dựng bản đồ phi tập trung, áp dụng mô hình "lái xe để kiếm tiền" (Drive-2-Earn). Người dùng báo cáo các vấn đề trên đường thông qua ứng dụng di động, tài xế thu thập dữ liệu bằng camera hành trình gắn trên xe. Dữ liệu này được xử lý bởi thuật toán AI để tạo bản đồ, độ chính xác được kiểm chứng thông qua học tăng cường có phản hồi của con người (RLHF). Hivemapper cung cấp bản đồ phủ sóng, người dùng có thể xem khu vực nào đã được lập bản đồ và truy cập dữ liệu qua API. Người đóng góp dữ liệu nhận phần thưởng bằng token $HONEY, có thể dùng để mua dữ liệu bản đồ hoặc các dịch vụ khác.
2. NATIX Network
NATIX Network là một giao thức kinh tế bản đồ phi tập trung, chuyên thu thập dữ liệu đường xá thông qua thiết bị di động và camera hành trình, cũng áp dụng mô hình "lái xe để kiếm tiền". Công nghệ cốt lõi VX360 của NATIX hỗ trợ thu thập dữ liệu toàn cảnh 360 độ, dữ liệu này có thể được dùng để phát triển các chức năng hỗ trợ lái xe như tối ưu hóa xe tự hành. Hiện tại, NATIX Network đã phủ sóng 171 quốc gia, hơn 223.000 tài xế đã đăng ký và tổng cộng đã lập bản đồ hơn 131 triệu km. Người đóng góp dữ liệu và các nút mạng đều nhận phần thưởng bằng token $NATIX, thúc đẩy mạnh mẽ sự phát triển của hệ sinh thái.
Hivemapper và NATIX đều hướng tới mục tiêu xây dựng bản đồ chất lượng cao hơn thông qua dữ liệu do cộng đồng đóng góp. Các ứng dụng tiềm năng của dữ liệu này rất đa dạng, bao gồm:
-
Tối ưu hóa giao thông đô thị: Phân tích dữ liệu đường xá thu thập theo thời gian thực để cải thiện quản lý lưu lượng, giảm ùn tắc và nâng cao hiệu quả di chuyển.
-
Giám sát tình trạng đường xá: Phát hiện và báo cáo kịp thời hư hỏng mặt đường, vật cản hoặc các nguy cơ tiềm ẩn, giúp duy trì an toàn và độ tin cậy của hạ tầng.
-
Phát hiện tội phạm và hành vi bạo lực: Kết hợp dữ liệu bản đồ với thuật toán AI để nhận diện và định vị hành vi bất thường, hỗ trợ an ninh công cộng.
Những ứng dụng này không chỉ nâng cao chức năng của bản đồ mà còn mang lại giá trị thực tiễn cho quản lý đô thị và an toàn xã hội.
3. FrodoBots
FrodoBots là một giao thức thu thập dữ liệu theo kiểu game hóa thông qua robot. Người dùng điều khiển từ xa robot mặt đất để thu thập dữ liệu địa lý, hỗ trợ nhiều phương thức vận hành như tay cầm, bàn phím hoặc vô-lăng chơi game. Ngoài ra, các nhà nghiên cứu cũng có thể triển khai các mô hình điều hướng AI để thử nghiệm trên nền tảng. Người dùng kiếm điểm FrodoBot Points (FBPs) bằng cách hoàn thành nhiệm vụ lái xe; số điểm phụ thuộc vào khoảng cách và độ khó của nhiệm vụ – càng dài và càng khó thì điểm càng cao. FrodoBots đã thử nghiệm tại nhiều thành phố và tổ chức cuộc thi định vị giữa AI và con người tại đây. Bên cạnh đó, FrodoBots còn xây dựng hệ thống giống "liên minh" mang tên Earth Rovers School, cho phép người dùng mới tham gia thu thập dữ liệu bằng cách thuê Earth Rovers.
4. JoJoWorld
JoJoWorld là một giao thức chuyên về thu thập dữ liệu không gian 3D, người dùng đóng góp dữ liệu để huấn luyện mô hình ba chiều. Nền tảng cung cấp dữ liệu 3D chất lượng cao, dùng để tạo ra các cảnh số hóa phục vụ thực tế ảo, quy hoạch đô thị và nhiều lĩnh vực khác. Người dùng cũng có thể mua trực tiếp dữ liệu 3D này để phát triển các mô hình số cá nhân hóa.
Bốn giao thức tiếp theo cũng tập trung vào việc thu thập dữ liệu không gian thực tế, nhưng lĩnh vực ứng dụng cụ thể hơn, bao gồm cả việc huấn luyện mô hình robot. Bằng cách tập trung vào dữ liệu đuôi dài và nhu cầu đặc thù, các giao thức này mang đến nhiều khả năng mới cho hệ sinh thái mạng lưới trí tuệ không gian phi tập trung (DeSPIN).
5. PrismaXAI
PrismaXAI là một giao thức thu thập dữ liệu cảnh cụ thể từ góc nhìn người thứ nhất, phù hợp với các tình huống phức tạp như tương tác tay-vật thể, chuyển động động và tụ họp xã hội. Công nghệ cốt lõi Proof-of-View đảm bảo tính xác thực của dữ liệu, đồng thời tăng độ chính xác của chú thích dữ liệu nhờ cơ chế xác minh phi tập trung. Giao thức này có tiềm năng lớn trong việc thu thập dữ liệu đuôi dài, mang lại lợi thế độc đáo cho việc huấn luyện mô hình.
6. OpenMind AGI
OpenMind AGI tập trung vào việc hiểu thế giới thực thông qua mô hình thị giác-ngôn ngữ-hành động (VLAMs). Hệ thống cốt lõi OM1 là một hệ điều hành đa nền tảng, có khả năng tương tác với môi trường thực tế động, đặc biệt phù hợp với phát triển tùy chỉnh công nghệ robot. Nền tảng thu thập dữ liệu từ điện thoại và robot, sau đó chia sẻ với các nhà phát triển robot để cải tiến và đổi mới các ứng dụng.
7. MeckaAI
MeckaAI là một giao thức phi tập trung dành cho việc huấn luyện mô hình AI robot, người dùng đóng góp dữ liệu video để huấn luyện mô hình hành vi robot. Nền tảng cung cấp ứng dụng di động, người dùng kiếm OG Mecka Points bằng cách hoàn thành nhiệm vụ, tạo động lực mạnh mẽ cho việc đóng góp dữ liệu. MeckaAI hướng tới thúc đẩy sự phát triển công nghệ robot thông qua mô hình cộng tác, giảm rào cản tiếp cận dữ liệu huấn luyện.
8. Xmaquina DAO
Xmaquina DAO là một tổ chức tự trị phi tập trung (DAO) hỗ trợ các dự án robot mã nguồn mở. Khác với các giao thức trực tiếp tham gia huấn luyện mô hình, mục tiêu cốt lõi của Xmaquina DAO là hỗ trợ nghiên cứu và đổi mới trong lĩnh vực robot thông qua phân bổ tài nguyên. Trung tâm đổi mới nội bộ Deus Lab tập trung vào nghiên cứu và phát triển công nghệ robot, trong khi MachineDAO quyết định phân bổ tài nguyên cho các dự án thông qua bỏ phiếu bằng cách đặt cược token $DEUS. Mô hình này cung cấp hỗ trợ tài chính cho sự phát triển mã nguồn mở của công nghệ robot, đồng thời đảm bảo tính minh bạch và công bằng trong phân bổ tài nguyên.
Cơ cấu tổ chức của MachineDAO
Do giới hạn dung lượng bài viết, một số giao thức ứng dụng khác trong lĩnh vực tương tự chưa được trình bày chi tiết ở đây, ví dụ như Alaya_AI,Gata_xyz,KrangHQ, tuy nhiên cũng rất đáng để theo dõi.
Tương lai của DeSPIN: Từ đóng góp đến giá trị
Mặc dù DeSPIN vẫn đang ở giai đoạn khởi đầu, nhưng tiềm năng của nó là không thể xem nhẹ. Cùng với sự phát triển của AI vật lý và AI nhập thể (Embodied AI), cũng như sự xuất hiện của các khái niệm mới như đội dữ liệu con người (Human Data Fleet), DeSPIN có khả năng dẫn dắt một cuộc cách mạng công nghệ mới.
Một xu hướng có thể xảy ra là sự phổ biến của mô hình "huấn luyện để kiếm tiền" (Train-to-Earn - T2E), người dùng đóng góp giá trị thông qua dữ liệu không gian thu thập trong đời sống hằng ngày và nhận phần thưởng dựa trên chất lượng dữ liệu. Ví dụ, sự xuất hiện của thiết bị kính mắt phi tập trung có thể nâng cao đáng kể độ chính xác và tính đa dạng của việc thu thập dữ liệu. Dữ liệu do kính thông minh thu thập không chỉ phản ánh chân thực cách con người cảm nhận thế giới mà còn có thể ghi lại nhiều dữ liệu đuôi dài như nhiễu môi trường, đặc điểm khuôn mặt,... mở ra nhiều khả năng rộng lớn hơn cho lĩnh vực trí tuệ không gian.
Tuy nhiên, sự phát triển của DeSPIN cũng đối mặt với một số thách thức, ví dụ như:
-
Xác minh dữ liệu: Làm sao để đảm bảo tính xác thực và độ chính xác của dữ liệu do cộng đồng đóng góp?
-
Vấn đề đạo đức: Làm thế nào để quy chuẩn hóa việc sử dụng dữ liệu, tránh rò rỉ riêng tư và lạm dụng?
-
Độ chấp nhận từ phía bên sử dụng: Các tổ chức truyền thống có sẵn sàng sử dụng các bộ dữ liệu phi tập trung?
Việc giải quyết những vấn đề này sẽ quyết định định hướng tương lai của DeSPIN, đòi hỏi nghiên cứu và giải pháp sâu hơn trong thời gian tới.
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
cookies
