Tổng quan nhanh về nền tảng danh tính AI cá nhân hóa Honcho: Làm thế nào để các ứng dụng LLM mở khóa trải nghiệm siêu cá nhân hóa?
Tuyển chọn TechFlowTuyển chọn TechFlow
Tổng quan nhanh về nền tảng danh tính AI cá nhân hóa Honcho: Làm thế nào để các ứng dụng LLM mở khóa trải nghiệm siêu cá nhân hóa?
Nền tảng Honcho do Plastic Labs ra mắt với mục tiêu "cắm là chạy", giúp các nhà phát triển có được hồ sơ người dùng sâu sắc mà không cần phải lặp lại việc tạo lại "bánh xe".
Chuyên sâu báo cáo Web3Tác giả: Daniel Barabander, Cố vấn trưởng & Đối tác đầu tư tại Variant
Biên dịch: Zen, PANews
Vào ngày 11 tháng 4 theo giờ Bắc Kinh, công ty khởi nghiệp AI Plastic Labs thông báo đã huy động thành công 5,35 triệu USD trong vòng gọi vốn Pre-Seed, do Variant, White Star Capital và Betaworks dẫn dắt, với sự tham gia từ Mozilla Ventures, Seed Club Ventures, Greycroft và Differential Ventures. Các nhà đầu tư thiên thần bao gồm Scott Moore, NiMA Asghari và Thomas Howell. Đồng thời, nền tảng danh tính AI cá nhân hóa “Honcho” của công ty cũng đã chính thức mở đăng ký truy cập sớm.
Vì dự án vẫn còn ở giai đoạn rất sơ khai nên toàn bộ cộng đồng tiền mã hóa gần như chưa biết gì về Plastic Labs. Trong khi Plastic công bố thông tin gọi vốn và sản phẩm trên X, Daniel Barabander – Cố vấn trưởng kiêm Đối tác đầu tư tại quỹ đầu tư chính Variant – cũng đã chia sẻ phân tích sâu sắc về dự án và nền tảng Honcho. Dưới đây là nội dung bài viết gốc:
Cùng với sự bùng nổ của các ứng dụng mô hình ngôn ngữ lớn (LLM), nhu cầu cá nhân hóa trong phần mềm chưa từng cao đến thế. Những ứng dụng này sử dụng ngôn ngữ tự nhiên, mà ngôn ngữ tự nhiên lại thay đổi tùy theo đối tượng giao tiếp – giống như cách bạn giải thích một khái niệm toán học cho ông bà sẽ hoàn toàn khác so với cách bạn nói với cha mẹ hay trẻ nhỏ. Bạn vô thức điều chỉnh lời nói theo người nghe, và các ứng dụng LLM cũng cần phải "hiểu" rõ họ đang trò chuyện cùng ai để mang lại trải nghiệm hiệu quả và phù hợp hơn. Dù là trợ lý trị liệu, trợ lý pháp lý hay trợ lý mua sắm, các ứng dụng này đều phải thực sự hiểu người dùng mới có thể phát huy giá trị.
Tuy nhiên, mặc dù cá nhân hóa cực kỳ quan trọng, hiện tại thị trường vẫn chưa có giải pháp sẵn sàng nào để các ứng dụng LLM có thể trực tiếp tận dụng. Các nhà phát triển thường buộc phải tự xây dựng những hệ thống rời rạc, lưu trữ dữ liệu người dùng (thường dưới dạng nhật ký hội thoại) và truy xuất khi cần thiết. Kết quả là mỗi nhóm phát triển đều phải tự làm lại từ đầu, xây dựng cơ sở hạ tầng quản lý trạng thái người dùng. Tệ hơn nữa, các phương pháp như lưu tương tác người dùng vào cơ sở dữ liệu vector rồi sử dụng truy xuất tăng cường (RAG) chỉ có thể nhớ lại các cuộc hội thoại trước đó, chứ không thể nắm bắt được các đặc điểm sâu xa như sở thích, thói quen giao tiếp hay mức độ nhạy cảm về giọng điệu của người dùng.
Plastic Labs ra mắt Honcho – một nền tảng plug-and-play giúp các nhà phát triển dễ dàng tích hợp tính năng cá nhân hóa vào mọi ứng dụng LLM. Thay vì phải tự xây dựng mô hình người dùng từ đầu, chỉ cần tích hợp Honcho, các nhà phát triển sẽ ngay lập tức có được hồ sơ người dùng phong phú và bền vững. Những hồ sơ này chi tiết hơn nhiều so với các phương pháp truyền thống nhờ đội ngũ áp dụng các công nghệ tiên tiến từ khoa học nhận thức; đồng thời, chúng hỗ trợ truy vấn bằng ngôn ngữ tự nhiên, cho phép LLM linh hoạt điều chỉnh hành vi theo đặc điểm người dùng.
Bằng cách trừu tượng hóa độ phức tạp trong việc quản lý trạng thái người dùng, Honcho mở ra kỷ nguyên trải nghiệm siêu cá nhân hóa cho các ứng dụng LLM. Nhưng ý nghĩa của nó còn vượt xa hơn thế: các hồ sơ người dùng trừu tượng phong phú do Honcho tạo ra cũng mở đường cho một “lớp dữ liệu người dùng chung” – thứ mà từ lâu đã khó thực hiện.
Trong lịch sử, các lớp dữ liệu người dùng chung thất bại chủ yếu vì hai lý do:
-
Thiếu khả năng tương tác: Dữ liệu người dùng truyền thống thường gắn chặt với ngữ cảnh ứng dụng cụ thể, rất khó di chuyển giữa các ứng dụng. Ví dụ, nền tảng mạng xã hội X có thể mô hình hóa bạn dựa trên những người bạn theo dõi, nhưng dữ liệu đó chẳng giúp ích gì cho mạng lưới nghề nghiệp của bạn trên LinkedIn. Trong khi đó, Honcho ghi nhận những đặc điểm người dùng bậc cao và phổ quát hơn, có thể phục vụ bất kỳ ứng dụng LLM nào một cách liền mạch. Chẳng hạn, nếu một ứng dụng học tập phát hiện bạn học tốt nhất qua phép loại suy, thì trợ lý trị liệu của bạn cũng có thể tận dụng thông tin này để giao tiếp hiệu quả hơn – dù ngữ cảnh hoàn toàn khác biệt.
-
Thiếu giá trị tức thì: Các lớp dữ liệu chung trước đây khó thu hút ứng dụng tham gia từ sớm vì chúng không mang lại lợi ích thiết thực cho những người đi đầu – mà chính những người tiên phong này lại là nguồn tạo ra dữ liệu người dùng có giá trị. Honcho thì khác: nó trước tiên giải quyết “vấn đề cấp thiết bậc nhất” là quản lý trạng thái người dùng trong từng ứng dụng riêng lẻ. Khi đủ nhiều ứng dụng tham gia, hiệu ứng mạng sẽ tự nhiên giải quyết “vấn đề cấp hai” – các ứng dụng mới không chỉ tham gia để cá nhân hóa, mà ngay từ đầu đã có thể tận dụng các hồ sơ người dùng chung sẵn có, từ đó hoàn toàn loại bỏ điểm nghẽn khởi động lạnh (cold start).
Hiện tại, Honcho đã có hàng trăm ứng dụng nằm trong danh sách chờ thử nghiệm kín, trải dài từ huấn luyện viên cai nghiện, bạn đồng hành giáo dục, trợ lý đọc sách đến công cụ thương mại điện tử. Chiến lược của đội ngũ là: trước hết tập trung giải quyết bài toán then chốt về quản lý trạng thái người dùng cho từng ứng dụng, sau đó từng bước triển khai lớp dữ liệu chia sẻ cho các ứng dụng sẵn sàng tham gia. Lớp dữ liệu này sẽ được khuyến khích bằng cơ chế mã hóa: các ứng dụng tham gia sớm sẽ nhận được cổ phần sở hữu, từ đó chia sẻ lợi nhuận tăng trưởng; đồng thời, cơ chế blockchain cũng đảm bảo hệ thống phi tập trung và đáng tin cậy, loại bỏ lo ngại về một tổ chức trung tâm chiếm đoạt giá trị hoặc phát triển sản phẩm cạnh tranh.
Variant tin rằng đội ngũ Plastic Labs có đủ năng lực để giải quyết thách thức về mô hình hóa người dùng trong phần mềm điều khiển bởi LLM. Chính trong quá trình phát triển ứng dụng chat dạy học cá nhân hóa Bloom, họ đã trực tiếp trải nghiệm tình trạng ứng dụng không thể thực sự hiểu học sinh và cách học của họ. Honcho ra đời từ chính những trải nghiệm ấy, nhằm giải quyết đúng nỗi đau mà mọi nhà phát triển ứng dụng LLM chắc chắn sẽ gặp phải.
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
Variant
