Được viết bởi: LINDABELL
Trong vòng bùng nổ AI phi tập trung cuối cùng, các dự án ngôi sao như Bittensor, io.net và Olas đã nhanh chóng trở thành người dẫn đầu ngành với các công nghệ tiên tiến và cách bố trí hướng tới tương lai. Tuy nhiên, khi giá trị của các dự án đã thành lập này tiếp tục tăng, ngưỡng tham gia của các nhà đầu tư thông thường cũng ngày càng cao hơn. Vậy đối diện vòng quay ngành hiện nay, liệu có cơ hội mới nào để tham gia?
Flock: Mạng xác minh và đào tạo AI phi tập trung
Flock là một nền tảng ứng dụng và đào tạo mô hình AI phi tập trung, kết hợp công nghệ chuỗi khối và học tập blockchain để cung cấp cho người dùng hoàn cảnh quản lý và đào tạo mô hình an toàn đồng thời bảo vệ quyền riêng tư dữ liệu và sự tham gia công bằng của cộng đồng. Từ Flock lần đầu tiên được đưa ra công chúng vào năm 2022. Đội ngũ sáng lập của nó đã cùng xuất bản một bài báo học thuật có tiêu đề " FLock: Bảo vệ các hành vi độc hại trong học tập liên kết bằng blockchain ", đề xuất đưa blockchain vào học tập liên kết để ngăn chặn khái niệm hành vi độc hại. Bài viết này giải thích cách tăng cường bảo mật dữ liệu và bảo vệ quyền riêng tư trong quá trình đào tạo mô hình thông qua cơ chế phi tập trung , đồng thời tiết lộ tiềm năng ứng dụng của kiến trúc mới này trong điện toán phân tán.
Sau bằng chứng khái niệm ban đầu, Flock đã triển khai Flock Research mạng lưới AI đa tác nhân phi tập trung vào năm 2023. Trong Flock Research, mỗi Tác nhân là một mô hình ngôn ngữ lớn (LLM) được điều chỉnh cho một miền cụ thể và có thể cung cấp cho người dùng nhận xét về các miền khác nhau thông qua cộng tác. Sau đó vào giữa tháng 5 năm 2024, Flock chính thức mở mạng thử nghiệm của nền tảng đào tạo AI phi tập trung . Người dùng có thể tham gia đào tạo và tinh chỉnh mô hình bằng cách sử dụng token thử nghiệm FML và nhận phần thưởng. Tính đến ngày 30 tháng 9 năm 2024, số lượng kỹ sư AI hoạt động hàng ngày trên nền tảng Flock đã vượt quá 300 và số lượng mô hình được gửi tích lũy đã lên tới hơn 15.000.
Khi dự án tiếp tục phát triển, Flock cũng đã thu hút được sự chú ý của thị trường vốn. Vào tháng 3 năm nay, Flock đã hoàn thành khoản tài trợ trị giá 6 triệu USD do Lightspeed Faction và Tagus Capital dẫn đầu, với sự tham gia của DCG, OKX Ventures, Inception Capital và Volt Capital. Điều đáng chú ý là Flock cũng là dự án cơ sở hạ tầng AI duy nhất nhận được tài trợ trong vòng tài trợ học thuật của Ethereum Foundation năm 2024.
Định hình lại nền tảng của mối quan hệ sản xuất AI: giới thiệu các hợp đồng thông minh cho hoạt động học tập liên kết
Học liên kết là một phương pháp học máy cho phép nhiều thực thể (thường được gọi là máy trạm) cùng đào tạo một mô hình trong khi vẫn đảm bảo rằng dữ liệu được lưu trữ cục bộ. Không giống như học máy truyền thống, học liên kết tránh tải tất cả dữ liệu lên máy chủ trung tâm và thay vào đó bảo vệ quyền riêng tư của người dùng thông qua các phép tính cục bộ. Hiện tại, học liên kết đã thực sự được áp dụng trong nhiều tình huống thực tế. Ví dụ: Google đã đưa học liên kết vào phương thức nhập Gboard của mình từ năm 2017 để tối ưu hóa các đề xuất nhập và dự đoán văn bản trong khi vẫn đảm bảo rằng dữ liệu đầu vào của người dùng không được tải lên. Tesla cũng đã áp dụng công nghệ tương tự trong hệ thống lái tự động của mình để nâng cao nhận thức hoàn cảnh của phương tiện theo cách địa phương và giảm nhu cầu truyền dữ liệu video dung lượng lớn.
Nhưng vẫn còn một số vấn đề với các ứng dụng này, đặc biệt là về quyền riêng tư và bảo mật. Trước hết, người dùng cần tin tưởng vào một bên thứ ba tập trung. Thứ hai, trong quá trình truyền và tổng hợp tham số mô hình, họ cũng cần ngăn chặn nút độc hại tải lên dữ liệu sai hoặc tham số độc hại, khiến mô hình bị sai lệch về hiệu suất tổng thể hoặc. thậm chí đưa ra kết quả dự đoán sai. Theo nghiên cứu được đội ngũ FLock công bố trên tạp chí IEEE, khi tỷ lệ nút độc hại tồn tại, độ chính xác của mô hình học liên kết truyền thống sẽ giảm xuống 96,3%. Khi tỷ lệ nút độc hại tăng lên 30% và 40%, độ chính xác sẽ giảm xuống. sẽ giảm xuống còn 96,3% giảm xuống lần lượt là 80,1% và 70,9%.
Để giải quyết những vấn đề này, Flock đã giới thiệu các hợp đồng thông minh trên blockchain như một “công cụ tin cậy” trong kiến trúc học tập liên kết của nó. Là một công cụ tin cậy, các hợp đồng thông minh có thể thực hiện việc thu thập và xác minh tham số tự động trong hoàn cảnh phi tập trung và công bố kết quả mô hình mà không sai lệch, từ đó ngăn chặn hiệu quả nút độc hại giả mạo dữ liệu. So với các giải pháp học liên kết truyền thống, độ chính xác của mô hình FLock vẫn có thể duy trì trên 95,5% ngay cả khi 40% nút là nút độc hại.
Định vị lớp thực thi AI và phân tích kiến trúc ba lớp FLock
Một điểm khó khăn lớn trong lĩnh vực AI hiện nay là các nguồn lực đào tạo mô hình AI và sử dụng dữ liệu vẫn tập trung nhiều vào tay một số công ty lớn, khiến các nhà phát triển và người dùng thông thường khó sử dụng các tài nguyên này một cách hiệu quả. Do đó, người dùng bị giới hạn ở các mô hình tiêu chuẩn hóa được xây dựng sẵn và không thể tùy chỉnh chúng cho phù hợp với nhu cầu của mình. Sự không phù hợp giữa cung và cầu này cũng dẫn đến thực tế là ngay cả khi thị trường có sức mạnh tính toán và trữ lượng dữ liệu dồi dào, nó cũng không thể chuyển đổi thành các mô hình và ứng dụng thực sự có thể sử dụng được.
Để giải quyết vấn đề này, Flock hy vọng sẽ trở thành một hệ thống lập kế hoạch điều phối hiệu quả nhu cầu, tài nguyên, sức mạnh tính toán và dữ liệu . Flock dựa trên nền tảng công nghệ Web3 để tự định vị mình là "lớp thực thi" vì với chức năng cốt lõi, nó chịu trách nhiệm chính trong việc phân bổ nhu cầu AI tùy chỉnh của người dùng cho nút phi tập trung khác nhau để đào tạo và lên lịch nhiệm vụ này thông qua các hợp đồng thông minh trên toàn thế giới . chạy trên nút.
Đồng thời, để đảm bảo tính công bằng và hiệu quả của toàn bộ hệ sinh thái, hệ thống FLock còn chịu trách nhiệm “quyết toán” và “đồng thuận”. Quyết toán đề cập đến khích lệ và quản lý sự đóng góp của người tham gia, đồng thời khen thưởng và trừng phạt họ dựa trên việc hoàn thành nhiệm vụ. Sự đồng thuận có trách nhiệm đánh giá và tối ưu hóa chất lượng kết quả đào tạo để đảm bảo rằng mô hình được tạo cuối cùng có thể đại diện cho giải pháp tối ưu toàn cầu.
Kiến trúc sản phẩm tổng thể của FLock bao gồm ba mô-đun chính: AI Arena, FL Alliance và AI Marketplace. Trong đó, AI Arena chịu trách nhiệm đào tạo cơ bản về mô hình phi tập trung, FL Alliance chịu trách nhiệm tinh chỉnh mô hình theo cơ chế hợp đồng thông minh và AI Marketplace là thị trường ứng dụng mô hình cuối cùng.
Đấu trường AI: Khích lệ xác minh và đào tạo mô hình được bản địa hóa
AI Arena là nền tảng đào tạo AI phi tập trung của Flock. Người dùng có thể tham gia bằng cách đặt cược FML token mạng thử nghiệm Flock và nhận gửi tiền đảm bảo tương ứng. Sau khi người dùng xác định mô hình được yêu cầu và gửi nhiệm vụ, nút đào tạo trong AI Arena sẽ sử dụng kiến trúc mô hình ban đầu nhất định để đào tạo mô hình cục bộ mà không cần tải trực tiếp dữ liệu lên máy chủ tập trung. Sau khi mỗi nút hoàn thành quá trình đào tạo, sẽ có một người xác minh chịu trách nhiệm đánh giá công việc của nút đào tạo, kiểm tra chất lượng của mô hình và chấm điểm. Nếu bạn không muốn tham gia vào quá trình xác minh, bạn cũng có thể chọn ủy quyền token cho người xác thực để nhận phần thưởng.
Trong Đấu trường AI, cơ chế thưởng cho tất cả nhân vật phụ thuộc vào hai yếu tố cốt lõi: số lượng cam kết và chất lượng nhiệm vụ. Số lượng cam kết thể hiện “sự cam kết” của người tham gia, trong khi chất lượng nhiệm vụ đo lường sự đóng góp của họ. Ví dụ: phần thưởng của nút đào tạo phụ thuộc vào số lượng cam kết và xếp hạng chất lượng của mô hình được gửi, trong khi phần thưởng của người xác minh phụ thuộc vào tính nhất quán của kết quả bỏ phiếu với sự đồng thuận, số lượng token báo được cam kết và số lần tham gia xác minh và số lần thành công. Lợi nhuận của người ủy quyền phụ thuộc vào người xác nhận mà anh ta chọn và số tiền cam kết.
AI Arena hỗ trợ các chế độ đào tạo mô hình học máy truyền thống và người dùng có thể chọn đào tạo trên thiết bị của riêng mình bằng cách sử dụng dữ liệu cục bộ hoặc dữ liệu công khai để tối đa hóa hiệu suất của mô hình cuối cùng. Hiện tại, có 496 nút đào tạo đang hoạt động, 871 nút xác minh và 72 người dùng được ủy quyền trên mạng thử nghiệm công khai AI Arena. Tỷ lệ cam kết nền tảng hiện tại là 97,74%, lợi nhuận trung bình hàng tháng của nút đào tạo là 40,57% và lợi nhuận trung bình hàng tháng của nút xác minh là 24,70%.
FL Alliance: Nền tảng được tinh chỉnh để quản lý hợp đồng thông minh tự động
Mô hình có số điểm cao nhất trên Đấu trường AI sẽ được chọn làm “mô hình đồng thuận” và giao cho FL Alliance để tinh chỉnh thêm. Tinh chỉnh trải qua nhiều vòng. Vào đầu mỗi vòng, hệ thống sẽ tự động tạo hợp đồng thông minh FL liên quan đến nhiệm vụ và hợp đồng này sẽ tự động quản lý việc thực hiện nhiệm vụ và phần thưởng. Tương tự như vậy, mỗi người tham gia được yêu cầu đặt cọc một số lượng token FML nhất định. Những người tham gia được chỉ định ngẫu nhiên làm người đề xuất hoặc người bỏ phiếu, trong đó những người đề xuất sử dụng dữ liệu cục bộ của riêng họ để huấn luyện mô hình và tải các tham số hoặc tỷ trọng của mô hình đã huấn luyện cho những người tham gia khác. Cử tri sẽ tổng hợp kết quả cập nhật mô hình của người đề xuất và bỏ phiếu đánh giá. Sau đó, tất cả các kết quả sẽ được gửi tới một hợp đồng thông minh, so sánh điểm của mỗi vòng với điểm của vòng trước để đánh giá sự cải thiện hay giảm hiệu suất của mô hình. Nếu điểm hiệu suất được cải thiện, hệ thống sẽ bước vào giai đoạn đào tạo tiếp theo; nếu điểm hiệu suất giảm, một vòng đào tạo, tổng hợp và đánh giá khác sẽ bắt đầu sử dụng mô hình đã được xác thực ở vòng trước.
Bằng cách kết hợp cơ chế học tập liên kết và hợp đồng thông minh, FL Ailliance đạt được mục tiêu có nhiều người tham gia cùng đào tạo một mô hình toàn cầu trong khi vẫn đảm bảo chủ quyền dữ liệu. Và bằng cách tích hợp dữ liệu khác nhau và tổng hợp tỷ trọng, một mô hình toàn cầu với hiệu suất tốt hơn và khả năng mạnh mẽ hơn có thể được xây dựng. Ngoài ra, những người tham gia thể hiện cam kết tham gia bằng cách cam kết token và nhận phần thưởng dựa trên chất lượng mô hình và kết quả đồng thuận, hình thành một cơ chế sinh thái công bằng và minh bạch.
Thị trường AI: Làm cách nào để cung cấp dịch vụ AI được cá nhân hóa?
Mô hình đã được AI Arena đào tạo và FL Alliance tinh chỉnh cuối cùng sẽ được triển khai trên AI Marketplace để các ứng dụng khác sử dụng. Không giống như "thị trường mô hình" truyền thống, AI Marketplace không chỉ cung cấp các mô hình làm sẵn mà còn cho phép người dùng sửa đổi thêm các mô hình và tích hợp các nguồn dữ liệu mới để đối phó với các tình huống ứng dụng khác nhau. Ngoài ra, AI Marketplace còn tích hợp công nghệ RAG (Retrieval-Augmented Generation) để cải thiện độ chính xác của mô hình trong các lĩnh vực cụ thể. RAG là phương pháp nâng cao các mô hình ngôn ngữ lớn bằng cách truy xuất thông tin liên quan từ cơ sở kiến thức bên ngoài khi tạo câu trả lời, đảm bảo rằng các câu trả lời của mô hình chính xác và được cá nhân hóa hơn.
Hiện tại, nhiều mô hình GPT tùy chỉnh dựa trên các kịch bản ứng dụng khác nhau đã được ra mắt trên AI Marketplace, bao gồm BTC GPT, Farcaster GPT, Scroll GPT, Ethereum GPT, v.v. Chúng ta có thể lấy BTC GPT làm ví dụ để hiểu sự khác biệt giữa mô hình tùy chỉnh và mô hình chung.
Vào tháng 12 năm 2023, khi cả BTC GPT và ChatGPT hỏi "ARC20 là gì?"
Câu trả lời của BTC GPT: “Giao thức ARC20 là giao thức được xây dựng trên mạng Bitcoin cho phép người dùng tạo, chuyển và nâng cấp các mặt hàng kỹ thuật số, chẳng hạn như NFT và token có thể thay thế được. Thông qua giao thức ARC20, các mã thông báo không tương tác có thể được tạo trên Bitcoin. network. Token token giao thức ARC20 là ATOM và được sử dụng cho nhiều mục đích khác nhau trong giao thức.
Câu trả lời của ChatGPT: “ Tính đến đến lần cập nhật kiến thức cuối cùng của tôi vào tháng 1 năm 2022, không có tiêu chuẩn hoặc công nghệ nào được công nhận rộng rãi có tên ARC20 trong công nghệ, tài chính hoặc các lĩnh vực chung khác. Có thể một tiêu chuẩn có tên ARC20 đã xuất hiện kể từ đó Công nghệ hoặc tiêu chuẩn mới. , nhưng tôi không có thông tin.”
Từ câu trả lời của cả hai, chúng ta có thể thấy tầm quan trọng và lợi thế của việc tùy chỉnh mô hình GPT. Không giống như các mô hình ngôn ngữ có mục đích chung, các mô hình GPT tùy chỉnh có thể được đào tạo dựa trên dữ liệu trong các trường cụ thể để đưa ra câu trả lời chính xác hơn.
Cả hai đều hỗ trợ DCG, Flock và Bittensor có điểm gì giống và khác nhau?
Khi lĩnh vực AI phát triển, token của Bittensor, một trong những đại diện của các dự án AI phi tập trung , đã tăng hơn 93,7% trong 30 ngày qua. Giá đã từng gần đạt mức cao nhất lịch sử. tổng giá trị vốn hóa thị trường một lần nữa vượt quá 4 tỷ USD. Điều đáng chú ý là tổ chức đầu tư DCG của Flock cũng là một trong những tổ chức xác nhận và thợ đào lớn nhất trong hệ sinh thái Bittensor. Trước đây, theo những người quen thuộc với vấn đề này, DCG nắm giữ khoảng 100 triệu USD TAO và trong một bài báo “Business Insider” năm 2021, nhà đầu tư DCG Matthew Beck đã đề xuất Bittensor là một trong 53 công ty khởi nghiệp crypto hứa hẹn nhất.
Mặc dù cả hai đều là dự án được DCG hỗ trợ nhưng FLock và Bittensor có những trọng tâm khác nhau. Về mặt định vị cụ thể, mục tiêu của Bittensor là xây dựng Internet AI phi tập trung, sử dụng "Mạng con" làm đơn vị cơ bản. Mỗi mạng con tương đương với một thị trường phi tập trung và người tham gia có thể sử dụng "thợ đào" để "hoặc" người xác minh" và nhân vật khác. để tham gia. Hiện tại, có 49 mạng con trong hệ sinh thái Bittensor, bao gồm nhiều lĩnh vực như chuyển văn bản thành giọng nói, tạo nội dung và tinh chỉnh mô hình ngôn ngữ lớn.
Bittensor đã được chú ý kể từ năm ngoái. Một mặt, đó là do giá token tăng nhanh chóng, đã tăng từ 80 đô la Mỹ vào tháng 10 năm 2023 lên mức cao nhất là 730 đô la Mỹ trong năm nay. Mặt khác, có nhiều nghi ngờ khác nhau, bao gồm cả việc liệu mô hình dựa vào khích lệ token để thu hút các nhà phát triển có thể bền vững hay không. Ngoài ra, trong hệ sinh thái Bittensor, tổng thị phần TAO được cam kết bởi ba nhà xác thực hàng đầu (Opentensor Foundation, Taostats & Corcel và Foundry) là gần 40%, điều này cũng khiến người dùng lo lắng về mức độ phi tập trung của nó.
Không giống như Bittensor, FLock cam kết cung cấp cho người dùng các dịch vụ AI được cá nhân hóa bằng cách đưa blockchain vào hoạt động học tập liên kết. Flock tự định vị mình là "Uber của AI". Trong mô hình này, Flock hoạt động như một "hệ thống lập kế hoạch phi tập trung " phù hợp với nhu cầu và nhà phát triển AI, tự động quản lý phân bổ nhiệm vụ , xác minh kết quả và khen thưởng thông qua các hợp đồng thông minh trên Chuỗi . mỗi người tham gia có thể tham gia một cách công bằng vào việc phân phối dựa trên sự đóng góp của họ. Nhưng tương tự như Bittensor, ngoài việc trở thành nút đào tạo và người xác minh, Flock còn cung cấp cho người dùng tùy chọn tham gia được ủy quyền.
Cụ thể:
Nút đào tạo: Tham gia cuộc thi đào tạo nhiệm vụ AI bằng cách đặt token , phù hợp với người dùng có năng lực tính toán và kinh nghiệm phát triển AI.
Người xác minh: Cũng được yêu cầu cam kết token tham gia vào mạng, chịu trách nhiệm xác minh chất lượng mô hình của thợ đào và ảnh hưởng đến việc phân phối phần thưởng bằng cách gửi điểm xác minh.
Người ủy quyền: Token cho nút thợ đào và xác minh để tăng tỷ trọng của nút trong phân bổ nhiệm vụ và chia sẻ lợi nhuận của nút được ủy quyền. Bằng cách này, ngay cả những người dùng không có khả năng kỹ thuật để đào tạo hoặc xác thực nhiệm vụ cũng có thể tham gia vào mạng và kiếm lợi nhuận .
FLock.io hiện đã chính thức mở chức năng tham gia của khách hàng. Bất kỳ người dùng nào cũng có thể nhận lợi nhuận bằng cách đặt token FML và có thể chọn nút tối ưu dựa trên tỷ suất lợi nhuận dự kiến hàng năm để tối đa hóa lợi nhuận đặt cược của mình. Flock cũng cho biết rằng việc đặt cược và các hoạt động liên quan trong giai đoạn mạng thử nghiệm sẽ ảnh hưởng đến phần thưởng airdrop tiềm năng sau khi mạng chính trực tuyến trong tương lai.
Trong tương lai, FLock cũng có kế hoạch ra mắt cơ chế bắt đầu nhiệm vụ thân thiện hơn để người dùng cá nhân không có chuyên môn về AI có thể dễ dàng tham gia vào việc tạo và đào tạo các mô hình AI, hiện thực hóa viễn cảnh mong đợi“mọi người đều có thể tham gia vào AI”. Đồng thời, Flock cũng đang tích cực thực hiện hợp tác trên nhiều khía cạnh, chẳng hạn như hợp tác với Ask Finance để phát triển các mô hình chấm điểm tín dụng trên Chuỗi, hợp tác với Morpheus và Ritual để xây dựng các mô hình robot giao dịch và cung cấp nút đào tạo triển khai chỉ bằng một cú nhấp chuột. các mẫu để các nhà phát triển có thể dễ dàng bắt đầu và chạy đào tạo mô hình. Ngoài ra, Flock còn đào tạo trợ lý lập trình ngôn ngữ Move của Aptos để phục vụ các nhà phát triển.
Nhìn chung, bất chấp sự khác biệt về định vị thị trường giữa Bittensor và Flock, cả hai đều đang cố gắng xác định lại mối quan hệ sản xuất trong hệ sinh thái AI thông qua các kiến trúc công nghệ phi tập trung khác nhau. Mục tiêu chung của họ là phá vỡ sự độc quyền của những gã khổng lồ tập trung. một hệ sinh thái AI cởi mở và công bằng hơn, đó là điều mà thị trường hiện tại đang rất cần.
