Dưới dạng mô hình mới của Internet phi tập trung, mở và minh bạch, Web3 có sự tương hợp tự nhiên với trí tuệ nhân tạo. Dưới kiến trúc truyền thống tập trung, việc tính toán AI và tài nguyên dữ liệu được kiểm soát chặt chẽ, đối mặt với nhiều thách thức như chướng ngại về tính toán, rò rỉ thông tin cá nhân và hộp đen thuật toán. Web3, ngược lại, dựa trên công nghệ phân tán và tiêm sức sống mới vào việc phát triển AI thông qua mạng lưới tính toán chia sẻ, thị trường dữ liệu mở và tính toán bảo vệ quyền riêng tư. Đồng thời, AI có thể trang bị khả năng tối ưu hóa xây dựng hệ sinh thái Web3 thông qua các khả năng như hợp đồng thông minh và thuật toán chống gian lận. Do đó, việc khám phá sự hội tụ của Web3 và AI là rất quan trọng để xây dựng thế hệ tiếp theo của cơ sở hạ tầng internet và mở khóa giá trị của dữ liệu và sức mạnh tính toán.

Dựa trên dữ liệu: Nền tảng vững chắc cho AI và Web3

Dữ liệu là lực đẩy cốt lõi cho sự phát triển của trí tuệ nhân tạo, giống như nhiên liệu của động cơ. Các mô hình trí tuệ nhân tạo cần tiếp nhận lượng lớn dữ liệu chất lượng cao để có thể hiểu sâu và có khả năng suy luận mạnh mẽ. Dữ liệu không chỉ cung cấp cơ sở cho việc huấn luyện các mô hình học máy, mà còn quyết định độ chính xác và đáng tin cậy của chúng.

Trong mô hình thu thập và sử dụng dữ liệu trí tuệ nhân tạo trung ương truyền thống, đã xuất hiện một số vấn đề then chốt:

1. Thu thập dữ liệu tốn kém, làm cho việc tham gia của các doanh nghiệp vừa và nhỏ trở nên khó khăn.
2. Các tài nguyên dữ liệu bị các công ty công nghệ lớn độc quyền, tạo thành các silo dữ liệu.
3. Quyền riêng tư dữ liệu cá nhân đang đối mặt nguy cơ rò rỉ và lạm dụng.

Web3 cung cấp một mô hình dữ liệu phi tập trung mới để giải quyết những vấn đề đau đầu của các mô hình truyền thống:

1. Thông qua các dự án như Grass, người dùng có thể bán khả năng mạng không hoạt động cho các công ty trí tuệ nhân tạo, cho phép lấy dữ liệu web phân tán, làm sạch và chuyển đổi, cung cấp dữ liệu thực, chất lượng cao cho việc huấn luyện mô hình trí tuệ nhân tạo.
2. Public AI sử dụng mô hình “đánh giá để kiếm” để thúc đẩy các công nhân toàn cầu tham gia vào chú thích dữ liệu, tổng hợp trí tuệ toàn cầu và nâng cao khả năng phân tích dữ liệu.
3. Các nền tảng giao dịch dữ liệu chuỗi khối như Ocean Protocol và Streamr cung cấp môi trường giao dịch mở và minh bạch cho cả cung cấp và cầu dữ liệu, thúc đẩy sự đổi mới và chia sẻ dữ liệu.

Theo cách này, Web3 không chỉ giảm chi phí thu thập dữ liệu, mà còn tăng cường tính minh bạch và minh bạch của dữ liệu, cung cấp nguồn dữ liệu đa dạng và chất lượng cao hơn cho việc huấn luyện mô hình AI. Đồng thời, thông qua tính toán bảo mật dữ liệu phi tập trung, Web3 cũng có thể bảo vệ tốt hơn quyền riêng tư của dữ liệu cá nhân và cải thiện tính bảo mật và đáng tin cậy của việc sử dụng dữ liệu.

Tiếp tục khám phá và thực hành tích hợp AI và Web3 sẽ cung cấp một nền tảng vững chắc để xây dựng một thế hệ mới của cơ sở hạ tầng Internet và mở khóa giá trị mới trong dữ liệu và sức mạnh tính toán.

Tuy nhiên, việc thu thập dữ liệu thế giới thực cũng đối mặt với những thách thức như chất lượng dữ liệu không đồng đều, độ phức tạp cao trong xử lý và sự đa dạng cũng như sự đại diện của dữ liệu không đủ. Trong không gian dữ liệu Web3, dữ liệu tổng hợp có thể trở thành ngôi sao đang mọc. Dựa trên công nghệ trí tuệ nhân tạo tạo ra và mô phỏng, dữ liệu tổng hợp có thể mô phỏng các đặc điểm của dữ liệu thực, bổ sung một cách hiệu quả và cải thiện hiệu suất sử dụng dữ liệu. Trong các lĩnh vực như lái xe tự động, giao dịch thị trường tài chính và phát triển trò chơi, dữ liệu tổng hợp đã thể hiện tiềm năng của mình để ứng dụng một cách thành công.

Bảo vệ Quyền riêng tư: Vai trò của FHE trong Web3

Trong thời đại dữ liệu, bảo vệ quyền riêng tư đã trở thành một tâm điểm toàn cầu, và việc ban hành Nghị định Bảo vệ Dữ liệu Chung của Liên minh Châu Âu (GDPR) phản ánh sự bảo vệ nghiêm ngặt của quyền riêng tư cá nhân. Tuy nhiên, điều này cũng đặt ra thách thức: một số dữ liệu nhạy cảm không thể được sử dụng đầy đủ do rủi ro về quyền riêng tư, điều này không nghi ngờ giới hạn tiềm năng và khả năng suy luận của các mô hình AI.

Fully Homomorphic Encryption (FHE) cho phép dữ liệu được mã hóa được tính toán trực tiếp mà không cần giải mã dữ liệu, và kết quả của phép tính là nhất quán với kết quả của cùng một phép tính trên dữ liệu văn bản. FHE cung cấp bảo vệ mạnh mẽ cho tính riêng tư tính toán trí tuệ nhân tạo, cho phép sức mạnh tính toán GPU thực hiện việc huấn luyện mô hình và các nhiệm vụ suy luận mà không cần truy cập dữ liệu gốc. Điều này mang lại lợi thế đáng kể cho các công ty trí tuệ nhân tạo, vì họ có thể mở các dịch vụ API một cách an toàn trong khi bảo vệ bí mật thương mại.

Fully Homomorphic Encryption Machine Learning (FHEML) hỗ trợ việc mã hóa dữ liệu và mô hình suốt quá trình vòng đời học máy, đảm bảo an toàn thông tin nhạy cảm và ngăn chặn rò rỉ dữ liệu. Điều này giúp FHEML củng cố quyền riêng tư dữ liệu và cung cấp một khung công nghệ tính toán an toàn cho các ứng dụng trí tuệ nhân tạo.

FHEML bổ sung ZKML (Zero-Knowledge Machine Learning), nơi mà ZKML chứng minh việc thực hiện chính xác của việc học máy, trong khi FHEML nhấn mạnh vào việc tính toán trên dữ liệu được mã hóa để duy trì quyền riêng tư của dữ liệu.

Cuộc Cách Mạng Tính Toán: Tính Toán Trí Tuệ Nhân Tạo trong Mạng Phân Quyền

Độ phức tạp tính toán của các hệ thống AI hiện tại đang tăng gấp đôi mỗi ba tháng, dẫn đến sự tăng mạnh trong nhu cầu về sức mạnh tính toán vượt xa nguồn cung của các tài nguyên tính toán hiện có. Ví dụ, việc huấn luyện mô hình GPT-3 của OpenAI đòi hỏi sức mạnh tính toán khổng lồ, tương đương với 355 năm huấn luyện trên một thiết bị duy nhất. Sự thiếu hụt về sức mạnh tính toán này không chỉ hạn chế sự tiến bộ của công nghệ AI, mà còn khiến cho các mô hình AI tiên tiến trở nên không thể tiếp cận đối với hầu hết các nhà nghiên cứu và nhà phát triển.

Ngoài ra, việc sử dụng GPU toàn cầu dưới 40%, cùng với hiệu suất bộ vi xử lý chậm lại, các vấn đề về chuỗi cung ứng và tình trạng thiếu chip do các yếu tố địa chính trị, càng làm trầm trọng thêm vấn đề cung cấp năng lượng tính toán. Những người thực hành AI đang phải đối mặt với một vấn đề nan giải: mua phần cứng hoặc thuê tài nguyên đám mây và rất cần một mô hình dịch vụ điện toán theo yêu cầu và hiệu quả về chi phí.

IO.net là mạng lưới phi tập trung của sức mạnh tính toán AI dựa trên Solana, tổng hợp tài nguyên GPU không hoạt động trên khắp thế giới và cung cấp một thị trường sức mạnh tính toán giá cả phải chăng cho các công ty AI. Các thực thể cần sức mạnh tính toán có thể đăng tải các nhiệm vụ tính toán trên mạng lưới, và hợp đồng thông minh giao nhiệm vụ cho các nút đào tạo đóng góp. Các nút đào tạo thực hiện nhiệm vụ, gửi kết quả và nhận phần thưởng sau khi xác minh thành công. Phương pháp của IO.net cải thiện hiệu quả tài nguyên và giúp giảm nhẹ các chướng ngại về sức mạnh tính toán trong không gian AI.

Ngoài các mạng công suất tính toán phân cấp tổng quát, còn có các nền tảng tập trung vào việc đào tạo trí tuệ nhân tạo như Gensyn và Flock.io, cũng như các mạng công suất tính toán chuyên biệt tập trung vào suy luận trí tuệ nhân tạo như Ritual và Fetch.ai.

Mạng lưới tính toán phi tập trung cung cấp một thị trường tính toán công bằng và minh bạch, phá vỡ độc quyền, giảm ngưỡng ứng dụng và cải thiện hiệu quả sử dụng. Trong hệ sinh thái Web3, mạng lưới tính toán phi tập trung sẽ đóng vai trò then chốt trong việc thu hút thêm nhiều ứng dụng dApps sáng tạo để cùng thúc đẩy sự phát triển và ứng dụng của công nghệ AI.

DePIN: Web3 trao quyền cho trí tuệ nhân tạo tại điểm cạnh

Hãy tưởng tượng điện thoại thông minh, đồng hồ thông minh, hoặc thậm chí thiết bị nhà thông minh có khả năng chạy trí tuệ nhân tạo - đó chính là vẻ đẹp của trí tuệ nhân tạo tại điểm cuối. Trí tuệ nhân tạo tại điểm cuối cho phép tính toán xảy ra tại nguồn dữ liệu, giúp xử lý ở thời gian thực và thấp trễ trong khi bảo vệ quyền riêng tư của người dùng. Công nghệ trí tuệ nhân tạo tại điểm cuối đã được áp dụng trong các lĩnh vực chính như lái tự động.

Trong không gian Web3, chúng ta có một cái tên quen thuộc hơn - DePIN. Web3 nhấn mạnh tính phân quyền và chủ quyền dữ liệu người dùng, trong khi DePIN tăng cường bảo vệ quyền riêng tư của người dùng bằng cách xử lý dữ liệu cục bộ, giảm thiểu nguy cơ sự cố dữ liệu. Nền kinh tế mã thông tin của Web3 có thể khuyến khích các nút DePIN cung cấp tài nguyên máy tính và xây dựng một hệ sinh thái bền vững.

Hiện tại, DePIN đang phát triển nhanh chóng trong hệ sinh thái Solana và đã trở thành một trong những nền tảng chuỗi công cộng được ưa chuộng cho việc triển khai dự án. Khả năng xử lý cao, phí giao dịch thấp và sự đổi mới công nghệ của Solana cung cấp hỗ trợ mạnh mẽ cho dự án DePIN. Hiện nay, vốn hóa thị trường của các dự án DePIN trên Solana đã vượt quá 10 tỷ đô la, và các dự án đáng chú ý như Mạng Render và Mạng Helium đã đạt được tiến bộ đáng kể.

IMO: Một Mô Hình Mới Cho Việc Xuất Bản Mô Hình AI

Khái niệm về IMO (Initial Model Offering) được đề xuất lần đầu bởi giao thức Ora để quy mô hóa các mô hình AI.

Trong mô hình truyền thống, do thiếu cơ chế chia sẻ doanh thu, thường khó cho nhà phát triển có được lợi ích liên tục từ việc sử dụng tiếp theo của mô hình AI sau khi nó được phát triển và đưa ra thị trường. Đặc biệt khi mô hình được tích hợp vào các sản phẩm và dịch vụ khác, việc theo dõi việc sử dụng và tạo ra doanh thu cho nhà phát triển ban đầu là khó khăn. Ngoài ra, thường thiếu sự minh bạch về hiệu suất và hiệu quả của mô hình AI, làm cho nhà đầu tư tiềm năng và người dùng khó đánh giá giá trị thực sự của chúng, hạn chế sự chấp nhận của thị trường và tiềm năng kinh doanh.

IMO cung cấp một cách tiếp cận mới cho việc tài chính và chia sẻ giá trị cho các mô hình AI mã nguồn mở. Nhà đầu tư có thể mua token IMO và nhận được một phần của doanh thu được tạo ra bởi mô hình. Giao thức Oracle tận dụng các tiêu chuẩn ERC-7641 và ERC-7007, kết hợp với công nghệ Onchain AI Oracle và OPML, để đảm bảo tính xác thực của các mô hình AI và cho phép người giữ token chia sẻ lợi nhuận.

Mô hình IMO tăng cường tính minh bạch và niềm tin, động viên sự hợp tác mã nguồn mở, đi theo xu hướng thị trường tiền điện tử, và tạo đà cho sự phát triển bền vững của công nghệ AI. Mặc dù IMO vẫn đang ở giai đoạn thử nghiệm sớm, sự đổi mới và giá trị tiềm năng của nó đáng đợi chờ khi sự chấp nhận và tham gia của thị trường mở rộng.

AI Agent: Một Kỷ Nguyên Mới Của Những Trải Nghiệm Tương Tác

Các đại lý trí tuệ nhân tạo có thể nhận thức môi trường, suy nghĩ độc lập và thực hiện các hành động phù hợp để đạt được mục tiêu đã định. Được trang bị bởi các mô hình ngôn ngữ lớn, các đại lý trí tuệ nhân tạo không chỉ có thể hiểu ngôn ngữ tự nhiên mà còn có thể lập kế hoạch, quyết định và thực thi các nhiệm vụ phức tạp. Chúng có thể hoạt động như trợ lý ảo học hỏi về sở thích người dùng và cung cấp các giải pháp cá nhân hóa thông qua tương tác. Ngay cả khi không có hướng dẫn rõ ràng, các đại lý trí tuệ nhân tạo có thể tự động giải quyết vấn đề, nâng cao hiệu quả và tạo ra giá trị mới.

Myshell là một nền tảng ứng dụng AI mở hỗ trợ đầy đủ và dễ sử dụng cho việc cấu hình chức năng bot, giao diện, âm thanh và kết nối với các cơ sở kiến thức bên ngoài. Nó cam kết tạo ra một hệ sinh thái nội dung AI công bằng và mở, sử dụng công nghệ AI sáng tạo để trao quyền cho cá nhân trở thành siêu sáng tạo gia. Myshell đã huấn luyện các mô hình ngôn ngữ lớn chuyên biệt để làm cho vai trò trở nên nhân văn hơn. Công nghệ sao chép giọng nói của nó có thể tăng tốc quá trình tương tác của các sản phẩm AI cá nhân hóa, giảm chi phí tổng cộng của tổng hợp giọng nói lên đến 99%, và sao chép giọng nói chỉ mất 1 phút. Các tác nhân AI tùy chỉnh được tạo ra bằng Myshell hiện có thể được áp dụng trong nhiều lĩnh vực khác nhau, bao gồm trò chuyện video, học ngôn ngữ và tạo hình ảnh.

Trong sự hội tụ của Web3 và AI, trọng tâm hiện tại chủ yếu là khám phá lớp cơ sở hạ tầng để giải quyết các vấn đề chính như việc thu thập dữ liệu chất lượng cao, bảo vệ sự riêng tư dữ liệu, đưa các mô hình lên chuỗi, cải thiện việc sử dụng hiệu quả của sức mạnh tính toán phi tập trung, và xác minh các mô hình ngôn ngữ lớn. Khi các thành phần cơ sở hạ tầng này trở nên chín chắn, có lý do để tin rằng sự hội tụ của Web3 và AI sẽ tạo ra một loạt các mô hình kinh doanh và dịch vụ sáng tạo.

Tuyên bố:

1. Bài viết này được sao chép từ [Gategương]. Tất cả bản quyền thuộc về tác giả gốc [BadBot]. Nếu bạn có bất kỳ ý kiến nào về việc sao chép, vui lòng liên hệ với Gate Họcđội và họ sẽ xử lý nhanh chóng.
2. Bản quyền: Các quan điểm và ý kiến được thể hiện trong bài viết này chỉ là của tác giả và không hợp thành bất kỳ lời khuyên đầu tư nào.
3. Bản dịch của bài viết này được thực hiện bởi nhóm Gate Learn. Trừ khi có quy định khác, việc sao chép, phân phối hoặc đạo văn bản dịch là không được phép.