Được viết bởi: IOSG Ventures
Cảm ơn phản hồi từ Zhenyang@Upshot, Fran@Giza, Ashely@Neuronets, Matt@Valence, Dylan@Pond.
Nghiên cứu này nhằm mục đích khám phá lĩnh vực trí tuệ nhân tạo nào là quan trọng nhất đối với các nhà phát triển và lĩnh vực nào có thể là cơ hội bùng nổ tiếp theo trong lĩnh vực Web3 và trí tuệ nhân tạo.
Trước khi chia sẻ quan điểm nghiên cứu mới, trước hết, chúng tôi rất vui mừng được tham gia vào vòng tài trợ đầu tiên của RedPill với tổng trị giá 5 triệu USD. Chúng tôi cũng rất vui mừng và mong muốn được cùng phát triển với RedPill trong tương lai!
TL;DR
Khi sự kết hợp giữa Web3 và AI đã trở thành một chủ đề nóng trong thế giới crypto, việc xây dựng cơ sở hạ tầng AI trong thế giới crypto đang bùng nổ. Tuy nhiên, không có nhiều ứng dụng thực sự sử dụng AI hoặc xây dựng cho vấn đề đồng nhất hóa AI. Cơ sở hạ tầng AI đang dần nổi lên. Sự tham gia gần đây của chúng tôi vào vòng tài trợ đầu tiên của RedPill đã mang lại một số hiểu biết sâu sắc hơn.
Các công cụ chính để xây dựng AI Dapp bao gồm truy cập OpenAI phi tập trung , mạng GPU, mạng suy luận và mạng đại lý.
Sở dĩ mạng GPU phổ biến hơn trong “thời kỳ khai thác Bitcoin ” là vì: thị trường AI lớn hơn, tăng trưởng nhanh chóng và ổn định; AI hỗ trợ hàng triệu ứng dụng mỗi ngày; AI yêu cầu các mô hình GPU và vị trí máy chủ đa dạng; công nghệ đã trưởng thành hơn so với trước đây và nhắm đến đối tượng khách hàng rộng hơn.
Mạng suy luận và mạng đại lý có cơ sở hạ tầng tương tự nhưng trọng tâm khác nhau. Mạng suy luận chủ yếu dành cho các nhà phát triển có kinh nghiệm triển khai các mô hình của riêng họ và việc chạy các mô hình không phải LLM không nhất thiết phải có GPU. Mạng lưới đại lý tập trung hơn vào LLM. Các nhà phát triển không cần mang theo mô hình của riêng mình mà tập trung nhiều hơn vào kỹ thuật nhanh chóng và cách kết nối các đại lý khác nhau. Mạng proxy luôn yêu cầu GPU hiệu suất cao.
Lời hứa của dự án cơ sở hạ tầng AI là rất lớn và các tính năng mới vẫn đang được triển khai.
Hầu hết các dự án crypto gốc vẫn đang trong giai đoạn mạng thử nghiệm , với độ ổn định kém, cấu hình phức tạp và chức năng hạn chế. Vẫn cần thời gian để chứng minh tính bảo mật và quyền riêng tư của chúng.
Giả sử AI Dapp trở thành một xu hướng lớn, vẫn còn nhiều lĩnh vực chưa được khai thác, chẳng hạn như giám sát, cơ sở hạ tầng liên quan đến RAG, mô hình gốc Web3, các tác nhân phi tập trung với dữ liệu và API gốc crypto , mạng đánh giá, v.v.
Tích hợp theo chiều dọc là một xu hướng quan trọng. Dự án cơ sở hạ tầng cố gắng cung cấp dịch vụ một cửa để đơn giản hóa công việc của các nhà phát triển AI Dapp.
Tương lai sẽ là hybrid. Một phần suy luận được thực hiện ở mặt trước và một phần được tính toán trên Chuỗi, điều này cho phép cân nhắc về chi phí và khả năng xác minh.
Nguồn: IOSG
giới thiệu
Sự kết hợp giữa Web3 và AI là một trong những chủ đề được quan tâm nhiều nhất trong lĩnh vực crypto hiện nay. Các nhà phát triển tài năng đang xây dựng cơ sở hạ tầng AI cho thế giới crypto, nỗ lực đưa trí tuệ vào các hợp đồng thông minh. Xây dựng một dApp AI là một nhiệm vụ cực kỳ phức tạp và các nhà phát triển cần xử lý dữ liệu, mô hình, sức mạnh tính toán, hoạt động, triển khai và tích hợp với blockchain. Để đáp ứng những nhu cầu này, những người sáng lập Web3 đã phát triển nhiều giải pháp sơ bộ, chẳng hạn như mạng GPU, chú thích dữ liệu cộng đồng, mô hình do cộng đồng đào tạo, suy luận và đào tạo AI có thể kiểm chứng cũng như các cửa hàng đại lý.
Trong bối cảnh cơ sở hạ tầng đang bùng nổ này, không có nhiều ứng dụng thực sự tận dụng AI hoặc được xây dựng cho AI. Khi các nhà phát triển tìm kiếm các hướng dẫn phát triển AI dApp, họ nhận thấy rằng không có nhiều hướng dẫn liên quan đến cơ sở hạ tầng AI crypto gốc. Hầu hết các hướng dẫn chỉ liên quan đến việc gọi API OpenAI ở giao diện người dùng.
Nguồn: IOSG Ventures
Các ứng dụng hiện tại không tận dụng được hết khả năng phi tập trung và có thể kiểm chứng của blockchain , nhưng điều này sẽ sớm thay đổi. Hiện nay, hầu hết hạ tầng trí tuệ nhân tạo tập trung vào lĩnh vực crypto đã đưa ra các mạng thử nghiệm và có kế hoạch vận hành chính thức trong 6 tháng tới.
Nghiên cứu này sẽ trình bày chi tiết các công cụ chính có sẵn trong cơ sở hạ tầng trí tuệ nhân tạo trong không gian crypto. Hãy chuẩn bị cho khoảnh khắc GPT-3.5 của thế giới crypto!
1. RedPill: Cung cấp ủy quyền phi tập trung cho OpenAI
RedPill mà chúng tôi đã tham gia như đã đề cập trước đó là một điểm giới thiệu hay.
OpenAI có một số mô hình mạnh mẽ đẳng cấp thế giới, chẳng hạn như GPT-4-vision, GPT-4-turbo và GPT-4o, là lựa chọn hàng đầu để xây dựng Dapp trí tuệ nhân tạo tiên tiến.
Các nhà phát triển có thể gọi API OpenAI thông qua oracle hoặc giao diện front-end để tích hợp nó vào dApps.
RedPill tích hợp API OpenAI từ các nhà phát triển khác nhau trong một giao diện để cung cấp các dịch vụ trí tuệ nhân tạo nhanh chóng, giá cả phải chăng và có thể kiểm chứng cho người dùng trên toàn thế giới, từ đó dân chủ hóa quyền truy cập vào các tài nguyên mô hình trí tuệ nhân tạo hàng đầu. Thuật toán định tuyến của RedPill hướng các yêu cầu của nhà phát triển đến một người đóng góp duy nhất. Các yêu cầu API sẽ được thực thi thông qua mạng phân phối của nó, do đó bỏ qua mọi hạn chế có thể có từ OpenAI, giải quyết một số vấn đề phổ biến mà các nhà phát triển crypto gặp phải, chẳng hạn như:
Giới hạn TPM (Token mỗi phút) : Các tài khoản mới bị hạn chế sử dụng token và không thể đáp ứng nhu cầu của các dApp phổ biến và phụ thuộc vào AI.
Hạn chế truy cập : Một số mô hình đặt hạn chế đối với tài khoản mới hoặc quyền truy cập vào một số quốc gia nhất định.
Bằng cách sử dụng cùng một mã yêu cầu nhưng thay đổi tên máy chủ, các nhà phát triển có thể truy cập vào các mô hình OpenAI với chi phí thấp, mở rộng cao và không bị hạn chế.
2. Mạng GPU
Ngoài việc sử dụng API của OpenAI, nhiều nhà phát triển chọn lưu trữ mô hình của riêng họ tại nhà. Họ có thể dựa phi tập trung, chẳng hạn như io.net, Aethir, Akash và các mạng phổ biến khác, để xây dựng các cụm GPU cũng như triển khai và chạy nhiều mô hình mã nguồn mở hoặc nội bộ mạnh mẽ khác nhau.
Mạng GPU phi tập trung như vậy có thể sử dụng sức mạnh tính toán của các cá nhân hoặc trung tâm dữ liệu nhỏ để cung cấp cấu hình linh hoạt, nhiều tùy chọn vị trí máy chủ hơn và giảm chi phí, cho phép các nhà phát triển dễ dàng thực hiện các nhiệm vụ liên quan đến AI trong phạm vi thử nghiệm ngân sách hạn chế. Tuy nhiên, do tính chất phi tập trung nên các mạng GPU như vậy vẫn còn những hạn chế nhất định về chức năng, khả năng sử dụng cũng như quyền riêng tư dữ liệu .
Nhu cầu về GPU đã bùng nổ trong vài tháng qua, vượt qua thời kỳ bùng nổ khai thác Bitcoin trước đó. Lý do cho hành vi này bao gồm:
Số lượng khách hàng mục tiêu đã tăng lên và mạng GPU hiện phục vụ các nhà phát triển AI, những người không chỉ đông về số lượng mà còn trung thành hơn và không bị ảnh hưởng bởi biến động giá crypto.
So với thiết bị dành riêng cho khai thác, GPU phi tập trung cung cấp nhiều mẫu mã và thông số kỹ thuật hơn, có thể đáp ứng yêu cầu tốt hơn. Đặc biệt, xử lý mô hình lớn đòi hỏi VRAM cao hơn, trong khi nhiệm vụ nhỏ hơn có tùy chọn GPU phù hợp hơn. Đồng thời, GPU phi tập trung có thể phục vụ người dùng cuối ở cự ly gần và giảm độ trễ.
Công nghệ ngày càng hoàn thiện và mạng GPU dựa vào blockchain tốc độ cao như quyết toán Solana , công nghệ ảo hóa Docker và cụm điện toán Ray.
Về lợi tức đầu tư, thị trường AI đang mở rộng, có nhiều cơ hội phát triển các ứng dụng và mô hình mới. Lợi nhuận kỳ vọng trên mô hình H100 là 60-70%, trong khi khai thác Bitcoin phức tạp hơn, người thắng sẽ nhận được lợi nhuận. -tất cả, và sản xuất có hạn.
Các công ty khai thác Bitcoin như Iris Energy, Core Scientific và Bitdeer cũng đã bắt đầu hỗ trợ mạng GPU, cung cấp dịch vụ AI và tích cực mua GPU được thiết kế cho AI, chẳng hạn như H100.
Khuyến nghị: Đối với các nhà phát triển Web2 không quan tâm nhiều đến SLA, io.net cung cấp trải nghiệm đơn giản, dễ sử dụng và là một lựa chọn tiết kiệm chi phí.
3. Mạng suy luận
Đây là cốt lõi của cơ sở hạ tầng AI gốc crypto. Nó sẽ hỗ trợ hàng lần hoạt động suy luận AI trong tương lai. Nhiều AI layer1 hoặc Layer2 cung cấp cho các nhà phát triển khả năng gọi suy luận AI ngay trên Chuỗi. Dẫn đầu thị trường bao gồm Ritual, Valence và Fetch.ai.
Các mạng này khác nhau ở những điểm sau:
Hiệu suất (độ trễ, thời gian tính toán)
Các mô hình được hỗ trợ
Khả năng kiểm chứng
Giá (chi phí tiêu thụ trên Chuỗi, chi phí lý luận)
Trải nghiệm phát triển
3.1 Mục tiêu
Tình huống lý tưởng là các nhà phát triển có thể dễ dàng truy cập các dịch vụ suy luận AI tùy chỉnh ở mọi nơi, thông qua bất kỳ hình thức chứng minh nào mà hầu như không gặp trở ngại nào trong quá trình tích hợp.
Mạng suy luận cung cấp tất cả các hỗ trợ cơ bản mà nhà phát triển yêu cầu, bao gồm tạo và xác minh bằng chứng theo yêu cầu, thực hiện tính toán suy luận, chuyển tiếp và xác minh dữ liệu suy luận, cung cấp giao diện Web2 và Web3, triển khai mô hình bằng một cú nhấp chuột, giám sát hệ thống, vận hành Chuỗi, tích hợp đồng bộ hóa và các chức năng thực hiện theo lịch trình.
Nguồn: IOSG Ventures
Với những tính năng này, các nhà phát triển có thể tích hợp liền mạch các dịch vụ suy luận vào các hợp đồng thông minh hiện có của họ. Ví dụ: khi xây dựng robot giao dịch DeFi, những robot này sẽ sử dụng mô hình học máy để tìm cơ hội mua và bán cặp giao dịch và thực hiện các chiến lược giao dịch tương ứng trên nền tảng giao dịch cơ bản.
Trong một thế giới hoàn toàn lý tưởng, tất cả cơ sở hạ tầng sẽ được lưu trữ trên nền tảng đám mây. Các nhà phát triển chỉ cần tải lên các mô hình chiến lược giao dịch của họ ở định dạng phổ biến như đèn pin, sau đó mạng suy luận sẽ lưu trữ và phục vụ các mô hình cho các truy vấn Web2 và Web3.
Sau khi hoàn thành tất cả các bước triển khai mô hình, nhà phát triển có thể gọi trực tiếp suy luận mô hình thông qua API Web3 hoặc hợp đồng thông minh. Mạng suy luận sẽ liên tục thực hiện các chiến lược giao dịch này và đưa kết quả trở lại hợp đồng thông minh cơ bản. Nếu nhà phát triển quản lý một lượng tiền thì cũng cần phải cung cấp xác minh kết quả suy luận. Sau khi nhận được kết quả suy luận, hợp đồng thông minh sẽ tiến hành giao dịch dựa trên các kết quả này.
Nguồn: IOSG Ventures
3.1.1 Không đồng bộ và đồng bộ
Về lý thuyết, việc thực hiện không đồng bộ các hoạt động suy luận có thể dẫn đến hiệu suất tốt hơn; tuy nhiên, cách tiếp cận này có thể gây bất tiện về mặt trải nghiệm phát triển.
Khi sử dụng phương pháp không đồng bộ, trước tiên các nhà phát triển cần gửi nhiệm vụ tới hợp đồng thông minh của mạng suy luận. Khi nhiệm vụ suy luận hoàn thành, hợp đồng thông minh của mạng suy luận sẽ trả về kết quả. Trong mô hình lập trình này, logic được chia thành hai phần: gọi suy luận và xử lý kết quả suy luận.
Nguồn: IOSG Ventures
Tình hình trở nên tồi tệ hơn nếu nhà phát triển có các lệnh gọi suy luận lồng nhau và lượng lớn logic điều khiển.
Nguồn: IOSG Ventures
Mô hình lập trình không đồng bộ gây khó khăn cho tích hợp với các hợp đồng thông minh hiện có. Điều này đòi hỏi các nhà phát triển phải viết lượng lớn mã bổ sung, xử lý lỗi và quản lý các phần phụ thuộc.
Ngược lại, lập trình đồng bộ mang lại trực quan hơn cho các nhà phát triển, nhưng nó gây ra các vấn đề về thời gian phản hồi và thiết kế blockchain . Ví dụ: nếu dữ liệu dữ liệu đầu vào đang thay đổi nhanh chóng như thời gian khối hoặc giá, thì dữ liệu không còn mới sau khi quá trình suy luận hoàn tất, điều này có thể khiến việc thực thi hợp đồng thông minh bị khôi phục trong một số trường hợp nhất định. Hãy tưởng tượng bạn đang giao dịch ở mức giá đã lỗi thời.
Nguồn: IOSG Ventures
Hầu hết cơ sở hạ tầng AI sử dụng quy trình xử lý không đồng bộ, nhưng Valence đang cố gắng giải quyết những vấn đề này.
3.2 Thực tế
Trên thực tế, nhiều mạng suy luận mới vẫn đang trong giai đoạn thử nghiệm, chẳng hạn như mạng Ritual. Theo các tài liệu công khai của họ, các mạng này hiện có chức năng hạn chế (các chức năng như xác minh và chứng thực chưa ra mắt). Hiện tại, họ không cung cấp cơ sở hạ tầng đám mây để hỗ trợ tính toán AI trên Chuỗi mà thay vào đó cung cấp một khuôn khổ để tính toán AI tự lưu ký và chuyển kết quả trên Chuỗi.
Đây là kiến trúc chạy AIGC NFT. Mô hình phổ biến tạo ra NFT và tải nó lên Arweave. Mạng suy luận sẽ sử dụng địa chỉ Arweave này đúc NFT trên Chuỗi .
Nguồn: IOSG Ventures
Quá trình này rất phức tạp và các nhà phát triển cần tự mình triển khai và bảo trì hầu hết cơ sở hạ tầng, chẳng hạn như nút Ritual, nút Khuếch tán ổn định và hợp đồng thông minh NFT được trang bị logic dịch vụ tùy chỉnh.
Khuyến nghị: Mạng suy luận hiện tại khá phức tạp trong việc tích hợp và triển khai các mô hình tùy chỉnh và ở giai đoạn này hầu hết các mạng chưa hỗ trợ khả năng xác minh. Việc áp dụng công nghệ AI vào front end sẽ mang đến cho các nhà phát triển sự lựa chọn tương đối đơn giản. Nếu bạn thực sự cần khả năng xác thực, nhà cung cấp ZKML Giza là một lựa chọn tốt.
4. Mạng proxy
Mạng proxy cho phép người dùng dễ dàng tùy chỉnh proxy của họ. Mạng như vậy bao gồm các thực thể hoặc hợp đồng thông minh có thể tự động thực hiện nhiệm vụ, liên lạc với nhau và tương tác với mạng blockchain mà không cần sự can thiệp trực tiếp của con người. Nó chủ yếu nhắm vào công nghệ LLM. Ví dụ: nó có thể cung cấp cho chatbot GPT kiến thức chuyên sâu về Ethereum. Các công cụ hiện tại dành cho loại chatbot này tương đối hạn chế và các nhà phát triển vẫn chưa thể phát triển các ứng dụng phức tạp trên cơ sở này.
Nguồn: IOSG Ventures
Nhưng trong tương lai, mạng đại lý sẽ cung cấp thêm nhiều công cụ để các đại lý sử dụng, không chỉ là kiến thức mà còn có khả năng gọi các API bên ngoài, thực hiện nhiệm vụ cụ thể, v.v. Các nhà phát triển sẽ có thể kết nối nhiều tác nhân với nhau để xây dựng quy trình công việc. Ví dụ: việc viết hợp đồng thông minh Solidity liên quan đến nhiều tác nhân chuyên biệt, bao gồm tác nhân thiết kế giao thức, tác nhân phát triển Solidity, tác nhân đánh giá bảo mật mã và tác nhân triển khai Solidity.
Nguồn: IOSG Ventures
Chúng tôi điều phối sự hợp tác của các tác nhân này thông qua việc sử dụng các lời nhắc và kịch bản.
Một số ví dụ về mạng proxy bao gồm Flock.ai, Myshell, Theoriq.
Khuyến nghị: Hầu hết các proxy ngày nay đều có chức năng tương đối hạn chế. Đối với các trường hợp sử dụng cụ thể, proxy Web2 có thể phục vụ tốt hơn và có các công cụ điều phối hoàn thiện như Langchain và Llamaindex.
5. Sự khác biệt giữa mạng tác nhân và mạng suy luận
Mạng đại lý tập trung nhiều hơn vào LLM, cung cấp các công cụ như Langchain để tích hợp nhiều đại lý. Thông thường, các nhà phát triển không cần phải tự phát triển các mô hình học máy và mạng đại lý đã đơn giản hóa quá trình phát triển và triển khai mô hình. Họ chỉ cần liên kết các tác nhân và công cụ cần thiết. Trong hầu hết các trường hợp, người dùng cuối sẽ sử dụng trực tiếp các proxy này.
Mạng suy luận là cơ sở hạ tầng hỗ trợ cho mạng đại lý. Nó cung cấp cho các nhà phát triển quyền truy cập cấp thấp hơn. Trong trường hợp bình thường, người dùng cuối không trực tiếp sử dụng mạng suy luận. Các nhà phát triển cần triển khai các mô hình của riêng họ, không giới hạn ở LLM và họ có thể sử dụng chúng thông qua các điểm truy cập ngoài Chuỗi hoặc trên Chuỗi.
Mạng tác nhân và mạng suy luận không phải là những sản phẩm hoàn toàn độc lập. Chúng tôi đã bắt đầu thấy một số sản phẩm tích hợp theo chiều dọc. Chúng cung cấp cả khả năng tác nhân và suy luận vì cả hai chức năng đều dựa trên cơ sở hạ tầng tương tự.
6. Những vùng đất mới đầy cơ hội
Ngoài mạng lưới đại lý, đào tạo và suy luận mô hình, còn có nhiều lĩnh vực mới đáng để khám phá trong lĩnh vực web3:
Dữ liệu : Làm cách nào để biến dữ liệu blockchain thành dữ liệu có thể sử dụng được cho máy học? Những gì các nhà phát triển máy học cần là dữ liệu cụ thể và mang tính thời sự hơn. Ví dụ: Giza cung cấp một số bộ dữ liệu DeFi chất lượng cao dành riêng cho đào tạo máy học. Dữ liệu lý tưởng phải vượt xa dữ liệu dạng bảng đơn giản và bao gồm dữ liệu đồ họa có thể mô tả các tương tác blockchain . Hiện tại, chúng ta vẫn chưa đủ về mặt này. Một số dự án hiện đang giải quyết vấn đề này bằng cách khen thưởng các cá nhân tạo ra các bộ dữ liệu mới, chẳng hạn như Bagel và Sahara, hứa hẹn bảo vệ quyền riêng tư của dữ liệu cá nhân.
Lưu trữ mô hình : Một số mô hình có kích thước lớn. Cách lưu trữ, phân phối và kiểm soát phiên bản các mô hình này là chìa khóa. Điều này liên quan đến hiệu suất và chi phí của máy học trên Chuỗi. Trong lĩnh vực này, các dự án tiên phong như Filecoin , AR và 0g đã có những tiến bộ.
Đào tạo mô hình : Đào tạo mô hình phân tán và có thể kiểm tra được là một vấn đề khó khăn. Gensyn, Bittensor, Flock và Allora đã đạt được những tiến bộ đáng kể.
Giám sát : Vì suy luận mô hình xảy ra cả trong và Chuỗi Chuỗi , nên chúng tôi cần cơ sở hạ tầng mới để giúp các nhà phát triển web3 theo dõi việc sử dụng mô hình và phát hiện kịp thời các vấn đề và sai lệch có thể xảy ra. Với các công cụ giám sát phù hợp, các nhà phát triển máy học web3 có thể điều chỉnh kịp thời và liên tục tối ưu hóa độ chính xác của mô hình.
Cơ sở hạ tầng RAG : RAG phân tán yêu cầu hoàn cảnh cơ sở hạ tầng mới, có yêu cầu cao hơn về lưu trữ, điện toán nhúng và cơ sở dữ liệu vectơ, đồng thời đảm bảo quyền riêng tư và bảo mật dữ liệu. Điều này rất khác so với cơ sở hạ tầng AI Web3 hiện tại, vốn chủ yếu dựa vào các bên thứ ba để hoàn thành RAG, chẳng hạn như Firstbatch và Bagel.
Các mô hình được thiết kế riêng cho Web3 : Không phải tất cả các mô hình đều phù hợp với các kịch bản Web3. Trong hầu hết các trường hợp, mô hình cần được đào tạo lại để thích ứng với các ứng dụng cụ thể như dự đoán và đề xuất giá. Khi cơ sở hạ tầng AI phát triển mạnh mẽ, chúng tôi mong đợi sẽ có thêm nhiều mô hình gốc web3 phục vụ các ứng dụng AI trong tương lai. Ví dụ: Pond đang blockchain GNN cho nhiều tình huống khác nhau như dự đoán giá, khuyến nghị, phát hiện gian lận và chống rửa tiền.
Đánh giá mạng lưới : Đánh giá các tác nhân trong trường hợp không có phản hồi của con người là điều không hề dễ dàng. Khi các công cụ tạo đại lý trở nên phổ biến hơn, vô số đại lý sẽ xuất hiện trên thị trường. Điều này đòi hỏi một hệ thống thể hiện khả năng của các tác nhân này và giúp người dùng xác định tác nhân nào hoạt động tốt nhất trong một tình huống cụ thể. Ví dụ: Neuronets là người chơi trong không gian này.
Cơ chế đồng thuận : Đối với nhiệm vụ AI, PoS chưa hẳn là lựa chọn tốt nhất. Độ phức tạp tính toán, khó khăn trong việc xác minh và thiếu sự chắc chắn là những thách thức chính mà PoS phải đối mặt. Bittensor tạo ra một cơ chế đồng thuận thông minh mới để thưởng cho nút trong mạng đóng góp cho các mô hình và đầu ra máy học.
7. Triển vọng tương lai
Chúng tôi hiện đang quan sát xu hướng ngày càng tăng theo hướng hội nhập theo chiều dọc. Bằng cách xây dựng lớp điện toán cơ bản, mạng có thể cung cấp hỗ trợ cho nhiều nhiệm vụ học máy khác nhau, bao gồm các dịch vụ đào tạo, suy luận và mạng tác nhân. Mô hình này nhằm cung cấp giải pháp toàn diện cho các nhà phát triển máy học Web3.
Hiện tại, suy luận trên Chuỗi tuy tốn kém và chậm nhưng mang lại khả năng xác minh tuyệt vời và tích hợp liền mạch với các hệ thống phụ trợ như hợp đồng thông minh. Tôi cho rằng tương lai sẽ là các ứng dụng lai. Một phần của quá trình xử lý lý luận sẽ được thực hiện trên giao diện người dùng hoặc Chuỗi, trong khi những lý do đưa ra quyết định quan trọng đó sẽ được hoàn thành trên Chuỗi. Mô hình này đã được sử dụng trên thiết bị di động. Bằng cách tận dụng bản chất của thiết bị di động, nó có thể nhanh chóng chạy cục bộ các mô hình nhỏ và chuyển nhiệm vụ phức tạp hơn lên đám mây để tận dụng khả năng xử lý LLM lớn hơn.
