Tác giả: Brody
Biên soạn bởi: TechFlow TechFlow
Nhìn lên bề ngoài, “crypto và trí tuệ nhân tạo” có vẻ giống như một cuộc hôn nhân gượng ép.
Tuy nhiên, có những cơ hội tiềm ẩn trong sự bất đối xứng này và tỷ lệ rủi ro trên lợi nhuận dường như bị lệch nhiều về phía tăng giá. Đây là lý do tại sao bạn nên dành thời gian để suy nghĩ sâu sắc.
Tôi thường được hỏi về suy nghĩ của mình về sự hội tụ của crypto và trí tuệ nhân tạo, điều này thúc đẩy tôi phát triển khuôn khổ đơn giản này:
Blockchain giới thiệu những lợi thế mới cho các ứng dụng trí tuệ nhân tạo theo cách nào?
Những thành phần nào trong nhóm công nghệ AI được tối ưu hóa thông qua các giao thức phi tập trung ?
Các ứng dụng AI phi tập trung mã nguồn mở mở đạt được hiệu suất tương đương với các đối thủ cạnh tranh nguồn đóng ở những lĩnh vực nào?
Nhìn vào bức tranh toàn cảnh, đây là một số lĩnh vực chính mà tôi tập trung vào để trả lời những câu hỏi sau:
Blockchain mở ra những lợi thế mới cho phát triển trí tuệ nhân tạo theo cách nào?
Lớp điều phối: Các giao thức này được thiết kế để điều phối các nhà phát triển AI/ML nhằm cùng nhau tạo ra "trí thông minh" bằng cách cung cấp mô hình và tài nguyên của họ để đổi lấy phần thưởng, thường dựa trên giá trị của trí thông minh được tạo ra.
Đó là lý do tại sao tôi rất đam mê Bittensor. Nó đang thực hiện điều này trên quy mô lớn (hiện có 48 mạng con và mở rộng), với hệ thống bảo vệ tài năng và cộng đồng người nắm giữ token đầy nhiệt huyết mà ít hệ sinh thái có thể cạnh tranh được.
Mặt khác, đội ngũ như Sentient, Allora và Nous Research đang thực hiện các sáng kiến tương tự, mặc dù có thiết kế và hướng dẫn giao thức khác nhau.
Sự liên kết khích lệ là một trong những lý do cốt lõi tại sao blockchain có thể hoạt động hiệu quả trong giai đoạn cuối và việc hỗ trợ phát triển AI mã nguồn mở trong ứng dụng này là cơ bản.
Mọi người đang dần nhận ra điều này.
Những thành phần nào trong nhóm công nghệ AI được tối ưu hóa thông qua các giao thức phi tập trung?
Dữ liệu: Việc truy cập vào dữ liệu mạnh mẽ, được xác thực và chất lượng cao là rất quan trọng đối với AI, nhưng hiện tại vẫn là một nút thắt lớn. Việc tối ưu hóa quy trình thu thập dữ liệu sẽ thúc đẩy chúng tôi vượt qua “rào cản dữ liệu”.
Một số đội ngũ mà chúng tôi đang theo dõi chặt chẽ là Grass và Vana, cả hai đều đang tạo ra các cơ chế thu thập dữ liệu tối ưu và hiệu quả mới thông qua khích lệ và quyền sở hữu.
Nói tóm lại, Vana kích hoạt DAO dữ liệu(Tổ chức tự trị phi tập trung), cho phép người dùng đóng góp vào các bộ dữ liệu duy nhất và nhận phần thưởng tương ứng dựa trên nhu cầu của nhà phát triển AI đối với dữ liệu cụ thể.
Trong lĩnh vực này, một số phương pháp đang được thử nghiệm, tất cả đều vượt trội về mặt khách quan so với các phương pháp tương tự Web 2.
Ví dụ về dữ liệu DAO
Các ứng dụng AI phi tập trung mã nguồn mở mở cân bằng hiệu suất của các ứng dụng nguồn đóng của chúng bằng cách nào?
Đào tạo mô hình phân tán : Đào tạo mô hình AI là một quá trình sử dụng nhiều tài nguyên, bao gồm việc nhập các tập dữ liệu lớn thông qua mạng thần kinh để đào tạo mô hình để hoàn thành nhiệm vụ cụ thể. Cho đến một tháng trước, việc thực hiện điều này theo kiểu phân tán được cho rằng rất khó xảy ra.
Nhờ những người tiên phong như Nous Research (DisTrO) và Prime Intellect (DiLoCo), những đột phá về mã nguồn mở và AI phi tập trung đang tăng tốc khi đào tạo mô hình phân tán, đạt được sự cân bằng hiệu suất với các lựa chọn thay thế nguồn đóng.
Thật thú vị khi thấy những đột phá cơ bản này trong AI phi tập trung mã nguồn mở , bởi vì nó thể hiện đầy đủ sai lầm khi coi lĩnh vực này như một “cuộc hôn nhân sắp đặt” chỉ dựa trên sự cường điệu.
DisTrO đã được triển khai trên mạng con Bittensor trong sự kiện Tìm kiếm mới lạ vào tuần trước.
Có một câu nói như sau: “Nếu họ không phải là FUD (sợ hãi, không chắc chắn và nghi ngờ) về bạn, thì bạn sẽ không xây dựng bất cứ thứ gì có giá trị FUD.” Chúng tôi cho rằng điều đó áp dụng cho không gian này.
Suy cho cùng, chúng tôi chấp nhận rằng FUD (sợ hãi, không chắc chắn và nghi ngờ) tồn tại. Điều này cho phép chúng tôi lùi lại một bước và xây dựng các khuôn khổ cũng như đánh giá mạnh mẽ hơn để giải quyết những lĩnh vực có vẻ phức tạp và khó giải thích này.
Cảm ơn tất cả những người xây dựng đã làm việc chăm chỉ trả giá những công việc này! Đóng góp của bạn đã được mọi người ghi nhận.