Tác giả: Coinspire
►TL;DR
1. Dự án Web3 khái niệm AI đã trở thành nam châm vàng trên thị trường thứ cấp.
2. Cơ hội của Web3 trong ngành AI được phản ánh ở chỗ: sử dụng khích lệ phân tán để điều phối nguồn cung tiềm năng về lâu dài - trên dữ liệu, lưu trữ và điện toán, đồng thời thiết lập mô hình mã nguồn mở và thị trường phi tập trung cho Đại lý AI.
3. AI chủ yếu được sử dụng trong ngành Web3 cho tài chính Chuỗi(thanh toán crypto, giao dịch, phân tích dữ liệu) và phát triển phụ trợ.
4. Hiệu quả của AI+Web3 được thể hiện ở tính bổ sung của cả hai: Web3 được kỳ vọng sẽ chống lại sự tập trung hóa của AI và AI được kỳ vọng sẽ giúp Web3 thoát ra khỏi vòng tròn.
giới thiệu
Trong hai năm qua, sự phát triển của AI đã được đẩy nhanh. Đôi cánh bướm do Chatgpt khởi xướng không chỉ mở ra một thế giới mới về trí tuệ nhân tạo sáng tạo mà còn tạo ra dòng hải lưu ở Web3 ở phía bên kia.
Với sự hỗ trợ của khái niệm AI, nguồn tài chính cho thị trường crypto đã được thúc đẩy đáng kể so với thời kỳ suy thoái. Theo thống kê của giới truyền thông, chỉ trong nửa đầu năm 2024, tổng cộng 64 dự án Web3+AI đã hoàn thành cấp vốn cho hệ điều hành dựa trên trí tuệ nhân tạo Zyber365 đã đạt được số tiền tài trợ cao nhất là 100 triệu USD trong vòng A.
Thị trường thứ cấp thịnh vượng hơn Theo dữ liệu từ trang web tổng hợp crypto Coingecko, chỉ trong hơn một năm, tổng giá trị vốn hóa thị trường đường đua AI đã đạt 48,5 tỷ đô la Mỹ và khối lượng giao dịch trong 24 giờ là cao. gần 8,6 tỷ đô la Mỹ; những lợi ích do sự tiến bộ của công nghệ AI chính thống mang lại Rõ ràng, sau khi ra mắt mô hình chuyển văn bản thành video Sora của OpenAI, giá trung bình của lĩnh vực AI tăng 151%; hiệu ứng cũng lan tỏa đến một trong những lĩnh vực thu hút vàng crypto, Meme: Tác nhân AI đầu tiên Khái niệm MemeCoin-GOAT nhanh chóng trở nên phổ biến và đạt được mức định giá 1,4 tỷ USD, tạo nên thành công cơn sốt AI Meme .
Các nghiên cứu và chủ đề về AI+Web3 đều nóng bỏng không kém. Từ AI+Depin đến AI Memecoin cho đến AI Agent và AI DAO hiện tại, tâm lý FOMO không còn theo kịp tốc độ quay câu chuyện mới.
AI+Web3, sự kết hợp thuật ngữ đầy rẫy tiền nóng, xu hướng và ảo tưởng về tương lai, chắc chắn sẽ bị coi là một cuộc hôn nhân sắp đặt vốn có, có vẻ như chúng ta khó phân biệt được bên dưới chiếc áo choàng lộng lẫy này là gì. bình minh đã ló dạng?
Để trả lời câu hỏi này, một câu hỏi quan trọng đối với cả hai bên là liệu có tốt hơn nếu không có bên kia? Bạn có thể hưởng lợi từ mô hình của người khác không? Trong bài viết này, chúng tôi cũng cố gắng đứng trên vai những người đi trước và xem xét mô hình này: Web3 có thể đóng vai trò như thế nào trong tất cả các khía cạnh của nền tảng công nghệ AI và AI có thể mang lại sức sống mới nào cho Web3?
Phần.1 Cơ hội cho Web3 trong nền tảng AI là gì?
Trước khi bắt đầu chủ đề này, chúng ta cần hiểu về công nghệ của mô hình AI lớn:
Nguồn hình ảnh: Delphi Digital
Để diễn đạt toàn bộ quá trình bằng ngôn ngữ phổ biến hơn: “Mô hình lớn” giống như bộ não con người. Trong giai đoạn đầu, bộ não này thuộc về một em bé mới chào đời, nó cần phải quan sát và tiếp thu lượng thông tin khổng lồ từ thế giới. thế giới bên ngoài xung quanh để hiểu thế giới. Đây là giai đoạn "thu thập"dữ liệu; vì máy tính không có nhiều giác quan như thị giác và thính giác của con người nên trước khi đào tạo, những thông tin chưa được gắn nhãn trên quy mô lớn từ thế giới bên ngoài cần được chuyển đổi thành. một định dạng thông tin mà máy tính có thể hiểu và sử dụng thông qua "tiền xử lý".
Sau khi nhập dữ liệu, AI xây dựng một mô hình có khả năng hiểu và dự đoán thông qua quá trình "huấn luyện", có thể coi đây là quá trình bé dần hiểu và học hỏi thế giới bên ngoài. Các thông số của mô hình giống như khả năng ngôn ngữ. của bé được điều chỉnh liên tục trong quá trình học tập. Khi nội dung học bắt đầu được chia thành các chủ đề hoặc khi bạn giao tiếp với người khác để nhận phản hồi và sửa chữa, bạn bước vào giai đoạn “tinh chỉnh” của mô hình lớn.
Khi trẻ lớn lên và học nói, chúng có thể hiểu ý nghĩa và bày tỏ cảm xúc, suy nghĩ của mình trong các cuộc trò chuyện mới. Giai đoạn này tương tự như quá trình "suy luận" của một mô hình AI lớn. Mô hình có thể dự đoán và phân tích ngôn ngữ và văn bản mới nhập vào. . Bé thể hiện cảm xúc, mô tả đồ vật và giải quyết các vấn đề khác nhau thông qua khả năng ngôn ngữ. Điều này cũng tương tự như cách các mô hình AI lớn được sử dụng trong nhiệm vụ cụ thể khác nhau ở giai đoạn lý luận sau khi hoàn thành quá trình huấn luyện và đưa vào sử dụng, như phân loại hình ảnh, nhận dạng giọng nói, v.v. vân vân.
Tác nhân AI tiến gần hơn đến dạng tiếp theo của mô hình lớn - có thể thực hiện nhiệm vụ một cách độc lập và theo đuổi các mục tiêu phức tạp. Nó không chỉ có khả năng suy nghĩ mà còn có thể ghi nhớ, lập kế hoạch và sử dụng các công cụ để tương tác với thế giới. .
Hiện tại, để giải quyết những điểm yếu của AI trong từng ngăn xếp, Web3 bước đầu đã hình thành một hệ sinh thái nhiều lớp, liên kết với nhau, bao gồm tất cả các giai đoạn của quy trình mô hình AI.
1. Lớp cơ bản: Airbnb với tỷ lệ băm và dữ liệu
Tỷ lệ băm
Hiện tại, một trong những chi phí cao nhất của AI là tỷ lệ băm và năng lượng cần thiết để đào tạo và suy luận các mô hình.
Lấy một ví dụ, LLAMA3 của Meta yêu cầu 16.000 GPU H100 do NVIDIA (đơn vị xử lý đồ họa hàng đầu được thiết kế cho trí tuệ nhân tạo và khối lượng công việc điện toán hiệu năng cao) sản xuất trong 30 ngày để hoàn thành khóa đào tạo. Đơn giá của phiên bản 80GB sau là từ 30.000 USD đến 40.000 USD, đòi hỏi đầu tư 400-700 triệu USD vào phần cứng máy tính (GPU + chip mạng). Đồng thời, đào tạo hàng tháng cần 1,6 tỷ kilowatt giờ. chi phí năng lượng gần 2.000 USD mỗi tháng.
Việc giải nén tỷ lệ băm AI cũng là lĩnh vực sớm nhất mà Web3 giao thoa với AI - DePin (mạng hạ tầng vật lý phi tập trung). Hiện tại, trang web dữ liệu DePin Ninja đã hiển thị hơn 1.400 dự án, trong đó dự án đại diện chia sẻ tỷ lệ băm GPU bao gồm io. .net, Aethir, Akash, Mạng kết xuất, v.v.
Logic chính của nó là: nền tảng cho phép các cá nhân hoặc tổ chức có tài nguyên GPU nhàn rỗi đóng góp sức mạnh tính toán của họ theo cách không cần cấp phép , phi tập trung , tăng tài nguyên GPU chưa được sử dụng đúng mức thông qua thị trường trực tuyến dành cho người mua và người bán tương tự như Uber hoặc Airbnb. người dùng cũng có được tài nguyên tính toán với chi phí thấp hơn và hiệu quả hơn, đồng thời cơ chế cầm cố cũng đảm bảo nếu có hành vi vi phạm cơ chế kiểm soát chất lượng hoặc gián đoạn mạng thì nhà cung cấp tài nguyên sẽ có hình phạt tương ứng.
Đặc điểm của nó là:
Thu thập tài nguyên GPU nhàn rỗi: Các nhà cung cấp chủ yếu là tài nguyên tỷ lệ băm dư thừa của các trung tâm dữ liệu vừa và nhỏ độc lập của bên thứ ba, các mỏ crypto và các nhà khai thác khác cũng như phần cứng khai thác với cơ chế đồng thuận PoS, chẳng hạn như máy khai thác Filecoin và ETH. Hiện tại, cũng có những dự án dành riêng cho việc khởi chạy các thiết bị có ngưỡng thấp hơn. Ví dụ: exolab sử dụng các thiết bị cục bộ như MacBook, iPhone và iPad để thiết lập mạng tỷ lệ băm chạy suy luận mô hình lớn.
Đối diện thị trường dài hạn của tỷ lệ băm AI:
a. “Từ góc độ kỹ thuật” thị trường tỷ lệ băm phi tập trung phù hợp hơn cho bước lý luận. Việc đào tạo phụ thuộc nhiều hơn vào khả năng xử lý dữ liệu do GPU quy mô cụm cực lớn mang lại, trong khi khả năng suy luận có hiệu suất tính toán GPU tương đối thấp. Ví dụ: Aethir tập trung vào công việc kết xuất có độ trễ thấp và các ứng dụng suy luận AI.
b. Những người yêu cầu tỷ lệ băm vừa và nhỏ “Về phía nhu cầu” sẽ không đào tạo các mô hình lớn của riêng họ một cách riêng biệt mà chỉ chọn tối ưu hóa và tinh chỉnh xung quanh một số mô hình lớn. Các kịch bản này đương nhiên phù hợp với các tài nguyên tỷ lệ băm nhàn rỗi được phân phối. .
Quyền sở hữu phi tập trung: Ý nghĩa kỹ thuật của blockchain là chủ sở hữu tài nguyên luôn giữ quyền kiểm soát tài nguyên, có thể điều chỉnh linh hoạt theo nhu cầu và đồng thời thu được lợi nhuận.
Dữ liệu
Dữ liệu là nền tảng của AI. Không có dữ liệu thì việc tính toán trở dữ liệu vô ích và mối quan hệ giữa dữ liệu và mô hình giống như câu tục ngữ “Rác vào, rác ra”. Đối với việc đào tạo các mô hình AI hiện tại, dữ liệu sẽ xác định khả năng ngôn ngữ, khả năng hiểu và thậm chí cả các giá trị và hiệu suất nhân bản của mô hình. Hiện tại, vấn đề nan giải về nhu cầu dữ liệu của AI chủ yếu tập trung vào bốn khía cạnh sau:
Đói dữ liệu: Việc đào tạo mô hình AI phụ thuộc vào lượng lớn dữ liệu đầu vào. Thông tin công khai cho thấy số lượng tham số được OpenAI sử dụng để huấn luyện GPT-4 đã đạt đến mức nghìn tỷ.
Chất lượng dữ liệu: Với sự tích hợp của AI và các ngành khác nhau, tính kịp thời dữ liệu, tính đa dạng của dữ liệu, tính chuyên nghiệp của dữ liệu dọc và việc tiếp nhận các nguồn dữ liệu mới nổi như tâm lý trên mạng xã hội cũng đã đặt ra những yêu cầu mới về chất lượng của nó.
Các vấn đề về quyền riêng tư và tuân thủ: Hiện tại, nhiều quốc gia và công ty đang dần nhận thấy tầm quan trọng của các tập dữ liệu chất lượng cao và đang hạn chế việc thu thập dữ liệu các tập dữ liệu.
Xử lý dữ liệu tốn kém: lượng dữ liệu lớn và quá trình xử lý phức tạp. Thông tin công khai cho thấy hơn 30% chi phí R&D của các công ty AI được chi cho việc thu thập và xử lý dữ liệu cơ bản.
Hiện tại, các giải pháp web3 được phản ánh ở bốn khía cạnh sau:
1. Thu thập dữ liệu: Dữ liệu trong thế giới thực có thể được thu thập miễn phí đang nhanh chóng cạn kiệt và chi phí cho dữ liệu của các công ty AI đang tăng lên hàng năm. Nhưng đồng thời, khoản chi này không được trả lại cho những người đóng góp thực sự dữ liệu. Nền tảng này hoàn toàn được hưởng giá trị do dữ liệu mang lại. Ví dụ: Reddit đã đạt được tổng thu nhập là 203 triệu đô la Mỹ thông qua thỏa thuận cấp phép dữ liệu được ký kết. với một công ty AI.
Viễn cảnh mong đợi của Web3 là cho phép những người dùng thực sự đóng góp cũng tham gia vào việc tạo ra giá trị do dữ liệu mang lại và thu được dữ liệu riêng tư và có giá trị hơn của người dùng với chi phí thấp thông qua mạng phân tán và cơ chế khích lệ .
Ví dụ: Grass là lớp và mạng dữ liệu phi tập trung . Người dùng có thể chạy nút Grass, đóng góp băng thông nhàn rỗi và chuyển tiếp lưu lượng truy cập để thu thập dữ liệu thời gian thực trên toàn bộ Internet và nhận phần thưởng token ;
Vana giới thiệu khái niệm nhóm thanh khoản dữ liệu (DLP) duy nhất. Người dùng có thể tải dữ liệu riêng tư của họ (chẳng hạn như hồ sơ mua sắm, thói quen duyệt web, hoạt động trên mạng xã hội, v.v.) lên một DLP cụ thể và linh hoạt lựa chọn có cấp phép dữ liệu này cho một số thứ ba hay không. sử dụng của đảng;
Trong PublicAI, người dùng có thể sử dụng #AI hoặc #Web3 làm thẻ phân loại trên X và @PublicAI để thu thập dữ liệu.
2. Tiền xử lý dữ liệu: Trong quá trình xử lý dữ liệu của AI, do dữ liệu được thu thập thường bị nhiễu và có lỗi nên phải được làm sạch và chuyển đổi thành định dạng có thể sử dụng được trước khi huấn luyện mô hình, bao gồm việc chuẩn hóa, lọc và xử lý các bản sao bị thiếu. nhiệm vụ giá trị. Giai đoạn này là một trong số ít các bước thủ công trong ngành AI và ngành công nghiệp chú thích dữ liệu đã ra đời. Khi yêu cầu về chất lượng dữ liệu của các mô hình tăng lên, ngưỡng đối với người chú thích dữ liệu cũng tăng lên và nhiệm vụ này đương nhiên là phù hợp. cho cơ chế khích lệ phi tập trung Web3.
Hiện tại, cả Grass và OpenLayer đều đang xem xét thêm chú thích dữ liệu làm liên kết chính.
Synesis đề xuất khái niệm "Train2earn", nhấn mạnh vào chất lượng dữ liệu và người dùng có thể nhận được phần thưởng bằng cách cung cấp dữ liệu được gắn nhãn, chú thích hoặc các hình thức đầu vào khác.
Dự án ghi nhãn dữ liệu Sapien ứng dụng nhiệm vụ đánh dấu và cho phép người dùng đặt cược điểm để kiếm được nhiều điểm hơn.
3. Quyền riêng tư và bảo mật dữ liệu: Cần làm rõ quyền riêng tư và bảo mật dữ liệu là hai khái niệm khác nhau. Quyền riêng tư dữ liệu liên quan đến việc xử lý dữ liệu nhạy cảm, trong khi bảo mật dữ liệu bảo vệ thông tin dữ liệu khỏi bị truy cập, phá hủy và đánh cắp trái phép. Do đó, những ưu điểm và kịch bản ứng dụng tiềm năng của công nghệ bảo mật Web3 được thể hiện ở hai khía cạnh: (1) đào tạo dữ liệu nhạy cảm; (2) cộng tác dữ liệu: nhiều chủ sở hữu dữ liệu có thể cùng tham gia đào tạo AI mà không cần chia sẻ dữ liệu gốc của họ.
Hiện tại, các công nghệ bảo mật phổ biến hơn trong Web3 bao gồm:
Hoàn cảnh thực thi đáng tin cậy (TEE), chẳng hạn như Siêu giao thức;
Crypto hoàn toàn đồng hình (FHE), chẳng hạn như BasedAI, Fhenix.io hoặc Inco Network;
Các công nghệ không có kiến thức (zk) như Reclaim Protocol sử dụng công nghệ zkTLS để tạo ra Bằng chứng không tri thức về lưu lượng HTTPS, cho phép người dùng nhập dữ liệu hoạt động, danh tiếng và danh tính từ các trang web bên ngoài một cách an toàn mà không để lộ thông tin nhạy cảm.
Tuy nhiên, lĩnh vực này vẫn đang ở giai đoạn đầu và hầu hết các dự án vẫn đang được khám phá. Một vấn đề nan giải hiện nay là chi phí tính toán quá cao.
Khung zkML EZKL mất khoảng 80 phút để tạo bằng chứng cho mô hình 1M-nanoGPT.
Theo Modulus Dữ liệu, chi phí hoạt động của zkML cao hơn 1.000 lần so với tính toán thuần túy.
4. Lưu trữ dữ liệu: Sau khi có dữ liệu , bạn vẫn cần một nơi để lưu trữ dữ liệu trên Chuỗi , cũng như LLM được tạo bằng dữ liệu. Với tính khả dụng dữ liệu (DA) là vấn đề cốt lõi, trước khi nâng cấp Ethereum Danksharding, thông lượng của nó là 0,08 MB. Đồng thời, việc đào tạo và suy luận theo thời gian thực của các mô hình AI thường yêu cầu thông lượng dữ liệu từ 50 đến 100GB mỗi giây. Thứ tự chênh lệch lớn này khiến các giải pháp trên Chuỗi hiện có không thể đối diện“các ứng dụng AI sử dụng nhiều tài nguyên”.
0g.AI là dự án tiêu biểu ở hạng mục này. Đây là một giải pháp lưu trữ tập trung được thiết kế cho các yêu cầu hiệu suất cao của AI. Các tính năng chính của nó bao gồm: hiệu suất cao và mở rộng. Nó hỗ trợ tải lên và tải xuống nhanh chóng các tệp lớn thông qua các bộ dữ liệu quy mô xóa và phân chia nâng cao, với khả năng truyền dữ liệu dữ liệu . tốc độ đạt tới 5GB mỗi giây.
2. Middleware: huấn luyện mô hình và suy luận
▎Thị trường phi tập trung theo mô hình mã nguồn mở mở
Cuộc tranh luận về việc liệu các mô hình AI nên là nguồn đóng hay mã nguồn mở chưa bao giờ chấm dứt. Sự đổi mới tập thể do mã nguồn mở mang lại là một lợi thế không thể so sánh được của mô hình nguồn đóng. Tuy nhiên, nếu không có mô hình lợi nhuận, làm sao mô hình mã nguồn mở có thể cải thiện động lực của nhà phát triển? Đó là một hướng đi đáng suy nghĩ. Robin Li, người sáng lập Baidu, đã khẳng định vào tháng 4 năm nay rằng “mô hình mã nguồn mở sẽ ngày càng trở nên lạc hậu”.
Về vấn đề này, Web3 đề xuất khả năng thị trường mô hình mã nguồn mở phi tập trung , nghĩa là token hóa chính mô hình, giữ lại một tỷ lệ token nhất định cho đội ngũ và chuyển một phần thu nhập trong tương lai của mô hình cho người nắm giữ token .
Ví dụ: giao thức Bittensor thiết lập một thị trường P2P mô hình mã nguồn mở bao gồm hàng chục "mạng con"trong đó các nhà cung cấp tài nguyên (máy tính, thu thập/lưu trữ dữ liệu, tài năng học máy) cạnh tranh với nhau để đáp ứng mục tiêu của chủ sở hữu mạng con cụ thể, Cá nhân. các mạng con có thể tương tác và học hỏi lẫn nhau, mang lại trí thông minh cao hơn. Phần thưởng được phân phối bằng cách bỏ phiếu của cộng đồng và được phân phối thêm giữa các mạng con dựa trên hiệu suất cạnh tranh.
ORA giới thiệu khái niệm Cung cấp mô hình ban đầu (IMO) để token hóa các mô hình AI và các mô hình AI có thể được mua, bán và phát triển thông qua mạng phi tập trung.
Sentient, một nền tảng AGI phi tập trung, khích lệ những người đóng góp cộng tác, xây dựng, nhân rộng và mở rộng các mô hình AI, đồng thời khen thưởng những người đóng góp.
Spectral Nova tập trung vào việc tạo và ứng dụng các mô hình AI và ML.
▎Lý luận có thể kiểm chứng được
Đối với vấn đề "hộp đen" trong quá trình suy luận AI, giải pháp Web3 tiêu chuẩn là có nhiều trình xác minh lặp lại cùng một thao tác và so sánh kết quả. Tuy nhiên, do sự thiếu hụt hiện tại của "chip Nvidia" cao cấp nên điều này. Cách tiếp cận này phải đối mặt với những thách thức rõ ràng là suy luận AI rất tốn kém.
Một giải pháp hứa hẹn hơn là thực hiện bằng chứng ZK cho các tính toán suy luận AI ngoài Chuỗi"Bằng chứng không tri thức, một giao thức mật mã trong đó người chứng minh của một bên có thể chứng minh cho người xác minh của bên khác rằng một tuyên bố đã cho là đúng mà không tiết lộ bất cứ điều gì ngoại trừ "Bất kỳ bổ sung nào". thông tin khác ngoài tuyên bố là đúng", cho phép xác minh không cần xin phép các tính toán mô hình AI trên Chuỗi . Điều này đòi hỏi phải chứng minh crypto trên Chuỗi rằng các tính toán ngoài Chuỗi đã được hoàn thành chính xác (ví dụ: tập dữ liệu không bị giả mạo) trong khi đảm bảo tất cả dữ liệu được giữ bí mật.
Những lợi ích chính bao gồm:
Mở rộng: Bằng chứng không tri thức có thể nhanh chóng xác nhận lượng lớn các tính toán ngoài Chuỗi. Ngay cả khi số lượng giao dịch tăng lên, một Bằng chứng không tri thức duy nhất có thể xác minh tất cả các giao dịch.
Bảo vệ quyền riêng tư: Chi tiết về dữ liệu và mô hình AI vẫn ở chế độ riêng tư, trong khi tất cả các bên có thể xác minh rằng dữ liệu và mô hình không bị xâm phạm.
Không cần tin cậy: Việc tính toán có thể được xác nhận mà không cần dựa vào các bên tập trung.
Tích hợp Web2 : Theo định nghĩa, Web2 được tích hợp ngoài Chuỗi , có nghĩa là lý do có thể kiểm chứng có thể giúp đưa các tập dữ liệu và tính toán AI của nó lên Chuỗi. Điều này giúp tăng cường áp dụng Web3.
Hiện tại, các công nghệ có thể kiểm chứng của Web3 dành cho lý do có thể kiểm chứng như sau:
zkML: Kết hợp Bằng chứng không tri thức với học máy để đảm bảo quyền riêng tư và bảo mật của dữ liệu và mô hình, cho phép tính toán có thể kiểm chứng mà không tiết lộ một số thuộc tính cơ bản nhất định, vì Modulus Labs đã phát hành Prover ZK được xây dựng cho AI dựa trên ZKML, để kiểm tra hiệu quả xem AI Thuật toán thao tác của nhà cung cấp được thực thi chính xác trên Chuỗi, nhưng khách hàng hiện tại về cơ bản là DApp trên Chuỗi.
opML: Sử dụng nguyên tắc tổng hợp lạc quan để cải thiện mở rộng và hiệu quả tính toán ML bằng cách xác minh thời điểm xảy ra tranh chấp. Trong mô hình này, chỉ một phần nhỏ kết quả do "người xác minh" tạo ra cần được xác minh, nhưng về mặt kinh tế. chi phí sẽ giảm xuống đủ cao để tăng chi phí gian lận của người xác minh và do đó tiết kiệm được tính toán dư thừa.
TeeML: Thực hiện tính toán ML một cách an toàn bằng cách sử dụng hoàn cảnh thực thi đáng tin cậy, bảo vệ dữ liệu và mô hình khỏi bị giả mạo và truy cập trái phép.
3. Lớp ứng dụng: AI Agent
Sự phát triển hiện nay của AI đã cho thấy sự thay đổi trọng tâm phát triển từ khả năng của mô hình sang AI Agent. Các công ty công nghệ như OpenAI, kỳ lân mô hình lớn AI Anthropic và Microsoft đã chuyển sang phát triển AI Agent trong nỗ lực phá vỡ thời kỳ nền tảng công nghệ hiện tại của LLM.
Định nghĩa của OpenAI về AI Agent là: một hệ thống được điều khiển bởi LLM như bộ não, với khả năng tự động hiểu nhận thức, lập kế hoạch, sử dụng bộ nhớ và công cụ, đồng thời có thể tự động thực hiện nhiệm vụ phức tạp. Khi AI thay đổi từ một công cụ đang được sử dụng sang chủ thể có thể sử dụng công cụ đó, nó sẽ trở thành Tác nhân AI. Đây là lý do tại sao AI Agent có thể trở thành trợ lý thông minh lý tưởng nhất cho con người.
Và Web3 có thể mang lại những gì cho Agent?
Phi tập trung
Bản chất phi tập trung của Web3 có thể làm cho hệ thống Đại lý trở nên phi tập trung và tự chủ hơn. Việc thiết lập các cơ chế khích lệ trừng phạt đối với những người cầm cố và ủy quyền thông qua các cơ chế như PoS và DPoS có thể thúc đẩy quá trình dân chủ hóa hệ thống Đại lý. .
▎Khởi động nguội
Việc phát triển và lặp lại Tác nhân AI thường đòi hỏi lượng lớn và Web3 có thể giúp các dự án Tác nhân AI tiềm năng nhận được nguồn tài trợ sớm và khởi đầu nguội.
Giao thức ảo ra mắt fun.virtuals, một nền tảng phát hành mã thông báo và tạo Tác nhân TOKEN. Bất kỳ người dùng nào cũng có thể triển khai Tác nhân AI chỉ bằng một cú nhấp chuột và đạt được mức phát hành token Tác nhân AI công bằng 100%.
Spectral đề xuất một khái niệm sản phẩm để hỗ trợ việc phát hành tài sản Đại lý AI trên Chuỗi : bằng cách phát hành token thông qua IAO (Cung cấp đại lý ban đầu), Đại lý AI có thể trực tiếp nhận tiền từ các nhà đầu tư, đồng thời trở thành thành viên quản trị DAO, cung cấp các nhà đầu tư có cơ hội tham gia phát triển dự án và cơ hội chia sẻ lợi nhuận trong tương lai .
Phần 2 AI hỗ trợ Web3 như thế nào?
Tác động của AI đối với dự án Web3 là rõ ràng. Nó mang lại lợi ích cho công nghệ blockchain bằng cách tối ưu hóa các hoạt động trên Chuỗi như thực thi hợp đồng thông minh, tối ưu hóa thanh khoản và các quyết định quản trị dựa trên AI. Đồng thời, nó cũng có thể cung cấp dữ liệu tốt hơn. hiểu biết sâu sắc, cải thiện bảo mật trên Chuỗi và đặt nền tảng cho các ứng dụng dựa trên Web3 mới.
1. AI và tài chính trên Chuỗi
▎AI và nền kinh tế crypto
Vào ngày 31 tháng 8, Giám đốc điều hành Coinbase Brian Armstrong đã công bố triển khai giao dịch crypto AI-to-AI đầu tiên trên mạng Base và cho biết rằng Đại lý AI hiện có thể sử dụng USD trên Base để thực hiện giao dịch với con người, người bán hoặc các AI khác. giao dịch diễn ra ngay lập tức, tính toàn cầu và miễn phí.
Ngoài thanh toán, Luna của Virtuals Protocol cũng lần đầu tiên chứng minh cách Tác nhân AI có thể tự động thực hiện các giao dịch trên Chuỗi theo những cách sau, điều này đã thu hút sự chú ý. Là một thực thể thông minh có thể nhận thức được hoàn cảnh, đưa ra quyết định và thực hiện hành động, AI. Đại lý được coi là Chuỗi. Hiện tại, các kịch bản tiềm năng của Đại lý AI được phản ánh ở các điểm sau:
1. Thu thập và dự đoán thông tin: Giúp nhà đầu tư thu thập các thông báo sàn giao dịch, thông tin công khai về dự án, tâm lý, rủi ro dư luận và các thông tin khác, phân tích và đánh giá các nguyên tắc cơ bản tài sản và điều kiện thị trường trong thời gian thực, đồng thời dự đoán xu hướng và rủi ro.
2. Quản lý tài sản: Cung cấp cho người dùng mục tiêu đầu tư phù hợp, tối ưu hóa danh mục tài sản và tự động thực hiện giao dịch.
3. Trải nghiệm tài chính: Giúp các nhà đầu tư lựa chọn phương thức giao dịch trực Chuỗi nhanh nhất, tự động hóa các hoạt động thủ công như Chuỗi và điều chỉnh phí gas, đồng thời giảm ngưỡng và chi phí của các hoạt động tài chính trên Chuỗi.
Hãy tưởng tượng một tình huống trong đó bạn truyền đạt các hướng dẫn sau cho Tác nhân AI: "Tôi có 1.000 USDT, vui lòng giúp tôi tìm sự kết hợp lợi nhuận cao nhất và thời gian khóa vị thế không quá một tuần Đại lý sẽ cung cấp cho bạn lời khuyên sau: "Mức phân bổ ban đầu được đề xuất là 50% ở A, 20% ở B, 20% ở X, 10% Tại Y. tôi sẽ theo dõi lãi suất và theo dõi những thay đổi về mức độ rủi ro của nó và cân bằng lại nếu cần thiết “Ngoài ra, tìm kiếm các dự án airdrop tiềm năng cũng như các dự án Memecoin có dấu hiệu phổ biến trong cộng đồng là những việc mà AI. Đại lý sẽ có thể đạt được trong tương lai.
Nguồn: Biconomy
Hiện tại, ví AI Agent Bitte và giao thức tương tác AI Wayfinder đang thực hiện những nỗ lực như vậy. Tất cả đều đang cố gắng truy cập API mô hình của OpenAI, cho phép người dùng ra lệnh cho Tác nhân hoàn thành các hoạt động Chuỗi khác nhau trong giao diện cửa sổ trò chuyện tương tự như ChatGPT, chẳng hạn như. WayFinder Nguyên mẫu đầu tiên được phát hành vào tháng 4 năm nay đã thể hiện bốn hoạt động cơ bản swap, gửi, kết nối và stake trên ba chuỗi công khai là Base, Polygon và Ethereum.
Hiện tại, nền tảng Đại lý phi tập trung Morpheus cũng hỗ trợ phát triển loại Đại lý này. Ví dụ: Biconomy cũng đã trình diễn một hoạt động trong đó Tác nhân AI có thể swap ETH thành USDC mà không cần cấp phép hoàn toàn cho ví.
▎AI và bảo mật giao dịch trên Chuỗi
Trong thế giới Web3, bảo mật giao dịch trên Chuỗi là rất quan trọng. Công nghệ AI có thể được sử dụng để tăng cường bảo vệ tính bảo mật và quyền riêng tư của các giao dịch Chuỗi.
Giám sát giao dịch: Công nghệ dữ liệu thời gian thực giám sát các hoạt động giao dịch bất thường và cung cấp cơ sở hạ tầng cảnh báo theo thời gian thực cho người dùng và nền tảng.
Phân tích rủi ro: Giúp nền tảng phân tích dữ liệu hành vi giao dịch của khách hàng và đánh giá mức độ rủi ro của nó.
Ví dụ: nền tảng bảo mật Web3 SeQure sử dụng AI để phát hiện và ngăn chặn các cuộc tấn công độc hại, gian lận và rò rỉ dữ liệu, đồng thời cung cấp các cơ chế cảnh báo và giám sát theo thời gian thực để đảm bảo tính bảo mật và ổn định của các giao dịch Chuỗi. Các công cụ bảo mật tương tự bao gồm Sentinel được hỗ trợ bởi AI.
2. Cơ sở hạ tầng AI và trên Chuỗi
▎AI và dữ liệu trên Chuỗi
Công nghệ AI đóng vai trò quan trọng trong việc thu thập và phân tích dữ liệu trên Chuỗi , như:
Phân tích Web3: Đây là nền tảng phân tích dựa trên AI sử dụng thuật toán khai thác dữ liệu và học máy để thu thập, xử lý và phân tích dữ liệu trên Chuỗi .
MinMax AI: Nó cung cấp các công cụ phân tích dữ liệu Chuỗi dựa trên AI để giúp người dùng khám phá các cơ hội và xu hướng thị trường tiềm năng.
Kaito: Nền tảng tìm kiếm Web3 dựa trên công cụ tìm kiếm LLM.
Followin: Tích hợp với ChatGPT để thu thập, tích hợp và trình bày thông tin liên quan nằm rải rác trên các trang web và nền tảng cộng đồng khác nhau.
Một kịch bản ứng dụng khác là oracle, nơi AI có thể lấy giá từ nhiều nguồn để cung cấp dữ liệu giá chính xác. Ví dụ: Upshot sử dụng AI để nhắm mục tiêu đến mức giá biến động của NFT và cung cấp giá NFT với sai số phần trăm từ 3-10% thông qua hơn 100 lần đánh giá mỗi giờ.
▎AI và phát triển & kiểm toán
Gần đây, Cursor, một trình soạn thảo mã Web2 AI, đã thu hút rất nhiều sự chú ý trong giới nhà phát triển. Trên nền tảng của nó, người dùng chỉ cần mô tả nó bằng ngôn ngữ tự nhiên và Cursor có thể tự động tạo ra các mã HTML, CSS và javaScript tương ứng. đơn giản hóa quá trình phát triển phần mềm, logic này cũng phù hợp để nâng cao hiệu quả phát triển của Web3.
Hiện tại, việc triển khai hợp đồng thông minh và DApps trên chuỗi công khai thường yêu cầu các ngôn ngữ phát triển độc quyền như Solidity, Rust, Move, v.v. Viễn cảnh mong đợi của ngôn ngữ phát triển mới là mở rộng không gian thiết kế của blockchain phi tập trung và làm cho nó phù hợp hơn cho việc phát triển DApp. Tuy nhiên, do sự thiếu hụt lớn các nhà phát triển Web3, việc đào tạo nhà phát triển luôn là một vấn đề rắc rối hơn.
Hiện tại, AI hỗ trợ phát triển Web3 bao gồm: tạo mã tự động, xác minh và thử nghiệm hợp đồng thông minh, triển khai và bảo trì DApp, hoàn thành mã thông minh, đối thoại AI để trả lời các vấn đề phát triển, v.v. Với sự hỗ trợ của AI, nó không chỉ giúp ích. nhằm nâng cao hiệu quả và độ chính xác của quá trình phát triển mà còn hạ thấp ngưỡng lập trình, cho phép những người không phải lập trình viên biến ý tưởng của họ thành ứng dụng thực tế, mang lại sức sống mới cho sự phát triển của công nghệ phi tập trung.
Hiện tại, nền tảng bắt mắt nhất là các nền tảng khởi chạy token chỉ bằng một cú nhấp chuột, chẳng hạn như Clanker, một “Token Bot” do AI điều khiển được thiết kế để triển khai token DIY nhanh chóng. Bạn chỉ cần đánh dấu Clanker trên ứng máy trạm Farcaster của giao thức SocialFi như Warpcast hoặc Supercast, cho nó biết ý tưởng token của bạn và nó sẽ kích hoạt token cho bạn trên chuỗi công khai Base.
Ngoài ra còn có các nền tảng phát triển hợp đồng, chẳng hạn như Spectral, cung cấp khả năng tạo và triển khai hợp đồng thông minh chỉ bằng một cú nhấp chuột để hạ thấp ngưỡng phát triển Web3. Ngay cả những người dùng mới làm quen cũng có thể biên dịch và triển khai hợp đồng thông minh.
Về mặt kiểm toán, nền tảng kiểm toán Web3 Fuzzland sử dụng AI để giúp kiểm toán kiểm tra các lỗ hổng mã và đưa ra giải thích bằng ngôn ngữ tự nhiên để hỗ trợ chuyên môn kiểm toán. Fuzzland cũng sử dụng AI để cung cấp các giải thích bằng ngôn ngữ tự nhiên về thông số kỹ thuật chính thức và mã hợp đồng, cũng như một số mã mẫu để giúp các nhà phát triển hiểu các vấn đề tiềm ẩn trong mã.
3. Tường thuật mới về AI và Web3
Sự trỗi dậy của AI sáng tạo đã mang đến những khả năng mới cho câu chuyện mới về Web3.
NFT: AI đưa khả năng sáng tạo vào NFT tổng quát. Thông qua công nghệ AI, nhiều tác phẩm nghệ thuật và nhân vật độc đáo và đa dạng có thể được tạo ra. Những NFT tổng quát này có thể trở thành nhân vật , đạo cụ hoặc thành phần cảnh trong trò chơi, thế giới ảo hoặc Metaverse , chẳng hạn như Bicasso của Binance . , người dùng có thể tải lên hình ảnh và nhập từ khóa để thực hiện các hoạt động AI và tạo NFT. Các dự án tương tự bao gồm Solvo, Nicho, IgmnAI và CharacterGPT.
GameFi: Tập trung vào việc tạo ngôn ngữ tự nhiên, tạo hình ảnh và khả năng NPC thông minh của AI, GameFi được kỳ vọng sẽ cải thiện hiệu quả và đổi mới trong sản xuất nội dung trò chơi. Ví dụ: Gamefi đầu tiên của BinaryX là AI Hero cho phép người chơi khám phá ngẫu nhiên các tùy chọn cốt truyện khác nhau thông qua AI; ngoài ra còn có trò chơi đồng hành ảo Sleepless AI, dựa trên AIGC và LLM, đồng thời người chơi có thể mở khóa lối chơi được cá nhân hóa thông qua các tương tác khác nhau.
DAO: Hiện tại, AI cũng được dự kiến sẽ áp dụng cho DAO để giúp theo dõi các tương tác của cộng đồng, ghi lại những đóng góp, khen thưởng những thành viên có nhiều đóng góp nhất, bỏ phiếu ủy quyền, v.v. Ví dụ: ai16z sử dụng AI Agent để thu thập thông tin thị trường trong và Chuỗi Chuỗi , phân tích sự đồng thuận của cộng đồng và đưa ra quyết định đầu tư dựa trên đề xuất của các thành viên DAO.
Phần 3 Ý nghĩa của sự kết hợp AI+Web3: tháp và hình vuông
Ở trung tâm Florence, Ý, có Quảng trường Trung tâm, nơi quan trọng nhất cho các hoạt động chính trị và là nơi tụ tập của người dân và khách du lịch. Tại đây có tòa tháp tòa thị chính cao 95 mét, kết nối theo chiều dọc và chiều ngang giữa tòa tháp và khách du lịch. hình vuông Sự tương phản thị giác bổ sung cho nhau và tạo ra hiệu ứng thẩm mỹ ấn tượng. Neil Ferguson, giáo sư lịch sử tại Đại học Harvard, đã lấy cảm hứng từ điều này và liên kết nó với lịch sử thế giới của mạng lưới và hệ thống phân cấp trong cuốn sách "Hình vuông và Tháp". Theo thời gian, thủy triều trên sông lên xuống.
Phép ẩn dụ tuyệt vời này không hề lạc lõng khi nói đến mối quan hệ giữa AI và Web3 ngày nay. Từ lịch sử quan hệ lâu dài, phi tuyến tính giữa hai bên, chúng ta có thể thấy hình vuông có nhiều khả năng tạo ra những điều mới mẻ và sáng tạo hơn tháp, nhưng tháp vẫn có tính pháp lý và sức sống mạnh mẽ.
Với khả năng của các công ty công nghệ trong việc phân cụm dữ liệu tỷ lệ băm năng lượng cao, AI đã bùng nổ với trí tưởng tượng chưa từng có và các công ty công nghệ lớn đã đầu tư rất nhiều vào lĩnh vực này, từ các robot trò chuyện khác nhau đến các "mô hình lớn cơ bản" GPT-4, GP4-4o , v.v. Các phiên bản lặp lại lần lượt xuất hiện và robot lập trình tự động (Devin) và Sora, có khả năng mô phỏng bước đầu thế giới vật lý thực, đã được ra mắt. Trí tưởng tượng của AI đã được phóng đại vô hạn.
Đồng thời, AI thực chất là một ngành có quy mô lớn và tập trung. Sự thay đổi công nghệ này sẽ đẩy các công ty công nghệ đang dần chiếm ưu thế về cơ cấu trong “Kỷ nguyên Internet” lên một tầm cao thu hẹp hơn. Nguồn điện khổng lồ, dòng tiền độc quyền và bộ dữ liệu khổng lồ cần thiết để thống trị kỷ nguyên thông minh đã tạo ra những rào cản cao hơn cho nó.
Khi các tòa tháp ngày càng cao hơn, những người ra quyết định ở hậu trường ngày càng nhỏ hơn, và việc tập trung AI mang đến nhiều mối nguy hiểm tiềm ẩn. Làm sao những người tập trung tại quảng trường có thể tránh được bóng tối dưới các tòa tháp? Đây chính là vấn đề mà Web3 hy vọng sẽ giải quyết được.
Về bản chất, các thuộc tính vốn có của blockchain nâng cao hệ thống trí tuệ nhân tạo và mang lại những khả năng mới, chủ yếu là:
"Mã là luật" trong kỷ nguyên trí tuệ nhân tạo - thông qua hợp đồng thông minh và xác minh crypto, một hệ thống minh bạch sẽ tự động thực thi các quy tắc và trao phần thưởng cho những người gần gũi hơn với mục tiêu.
Kinh tế token– Tạo và điều phối hành vi của người tham gia thông qua các cơ chế token, đặt cược, cắt giảm, phần thưởng và hình phạt token.
Quản trị phi tập trung- thúc đẩy chúng ta đặt câu hỏi về các nguồn thông tin và khuyến khích phương pháp tiếp cận sâu sắc và quan trọng hơn đối với công nghệ AI, ngăn chặn sự thiên vị, thông tin sai lệch và thao túng, cuối cùng là thúc đẩy một xã hội có nhiều thông tin hơn và được trao quyền nhiều hơn.
Sự phát triển của AI cũng đã mang lại sức sống mới cho Web3. Có thể sẽ cần thời gian để chứng minh tác động của Web3 đối với AI, nhưng tác động của AI lên Web3 là ngay lập tức: dù là lễ hội của Meme hay AI Agent giúp đỡ. để giảm chi phí của các ứng dụng Chuỗi. Có thể thấy ngưỡng sử dụng.
Khi Web3 được xác định là lợi ích riêng của một nhóm nhỏ người và rơi vào nghi ngờ về việc sao chép các ngành công nghiệp truyền thống, việc bổ sung AI đã mang đến cho nó một tương lai có thể đoán trước: nhóm người dùng Web2 ổn định hơn và lớn hơn cũng như các mô hình kinh doanh Sáng tạo lớn hơn và dịch vụ.
Chúng ta đang sống trong một thế giới nơi "tháp và hình vuông" cùng tồn tại. Mặc dù AI và Web3 có các mốc thời gian và điểm xuất phát khác nhau, nhưng điểm cuối của chúng là làm thế nào để máy móc phục vụ con người tốt hơn. Không ai có thể định nghĩa được dòng sông chảy xiết. tương lai của AI+Web3.
*Tất cả nội dung trên nền tảng Coinspire chỉ tham khảo và không cấu thành đề nghị hay khuyến nghị cho bất kỳ chiến lược đầu tư nào. Bất kỳ quyết định cá nhân nào được đưa ra dựa trên nội dung của bài viết này là trách nhiệm duy nhất của nhà đầu tư và Coinspire không chịu trách nhiệm về bất kỳ lợi nhuận hoặc lỗ nào phát sinh từ đó. Đầu tư có rủi ro và các quyết định cần phải được đưa ra một cách thận trọng.
