Tác giả: TechFlow
Ngày mai, dự án $BIO mà thị trường mong đợi lâu nay sẽ chính thức ra mắt. Với sự hậu thuẫn của Binance, dự án thuộc lĩnh vực DeSci, thị trường đang đoán xem liệu việc $BIO ra mắt có thể thúc đẩy sự tăng trưởng mạnh mẽ của lĩnh vực DeSci và thu hút một phần thanh khoản từ lĩnh vực AI.
Nhưng liệu AI và Decsi có phải là mối quan hệ cạnh tranh? Không hẳn. Gần đây, dự án trên Chuỗi Solana được thảo luận nhiều là YesNoError đã tìm ra một con đường kết hợp DeSci và AI, sử dụng công nghệ AI để kiểm tra và phát hiện lỗi trong các bài báo cáo khoa học.
Token $YNE của dự án đã đạt 60 triệu USD về giá trị vốn hóa thị trường ngay trong ngày ra mắt 20/12, và sau đó cũng được KOL nổi tiếng trên Twitter Andrew Kang (sau đây gọi tắt là AK) 'bơm' mạnh, hiện giá trị vốn hóa đang ở mức khoảng 50 triệu USD.
Việc AI kiểm tra các bài báo cáo khoa học, thực sự cần thiết?
Nếu bạn chưa hiểu rõ về tính hữu ích của YesNoError, một bài đăng giải thích của thành viên nhóm YesNoError Ben Parr đã minh họa rõ ràng về tính cần thiết của việc kiểm tra thông tin sai lệch trong các bài báo cáo khoa học:
Vào tháng 10/2024, một bài báo cáo nghiên cứu tuyên bố rằng các dụng cụ nhà bếp bằng nhựa đen chứa chất độc, thông tin này đã nhanh chóng lan truyền trên các phương tiện truyền thông. Thậm chí tạp chí The Atlantic đã đăng bài với tiêu đề "Hãy vứt bỏ các dụng cụ nhà bếp bằng nhựa đen của bạn", gây ra sự hoảng loạn trong công chúng. Ngay cả Ben Parr cũng bắt đầu dọn dẹp các dụng cụ nhà bếp của mình. Tuy nhiên, Giám đốc Văn phòng Khoa học và Xã hội của Đại học McGill, Joe Schwartz, đã phát hiện ra một lỗi toán học quan trọng trong nghiên cứu này - một lỗi nhân đơn giản đã khiến mức độ độc tính được báo cáo cao hơn 10 lần so với mức độ thực tế. Trường hợp này cho thấy ngay cả những nghiên cứu có vẻ uy tín cũng có thể chứa những lỗi nghiêm trọng, và những lỗi này thường ảnh hưởng đáng kể đến cuộc sống của người dân thông thường.
Và nếu sử dụng công nghệ AI để kiểm tra các bài báo cáo nghiên cứu, có thể giảm thiểu tối đa những lỗi tính toán cơ bản như vậy. Đây chính là nhu cầu mà YesNoError được ra đời dựa trên.
YesNoError do Matt Schlicht sáng lập, sử dụng mô hình o1 của OpenAI làm nền tảng công nghệ. Cách thức hoạt động của dự án rất trực tiếp: nhóm sử dụng AI để kiểm tra các bài báo cáo nghiên cứu, sau đó công bố các vấn đề được phát hiện trên trang web yesnoerror.com và Twitter chính thức của họ.
Thông qua cách hoạt động minh bạch này, giới khoa học và công chúng có thể kịp thời biết được những vấn đề tiềm ẩn trong các nghiên cứu quan trọng. Mặc dù dự án mới chỉ khởi động không lâu, nhưng đã đạt được một số thành tựu đáng kể, phát hiện ra một số lỗi trong các nghiên cứu.
Và token $YNE cũng được gắn với các trường hợp sử dụng thực tế, người nắm giữ có thể sử dụng $YNE để ưu tiên kiểm tra các bài báo cáo của riêng họ bằng AI của YesNoError.
Tính đến nay, AI của YesNoError đã kiểm tra 2.219 bài báo cáo và thực sự phát hiện ra nhiều lỗi trong các bài báo cáo này.
Công nhận hay hoài nghi, một số tiếng nói trên thị trường
AK nhìn nhận tích cực, 'bơm' mạnh
Vào ngày token $YNE ra mắt, AK - người luôn ủng hộ lĩnh vực DeSci - đã bày tỏ sự ngưỡng mộ đối với dự án YesNoError.
AK cho rằng "Giá trị cốt lõi của YesNoError nằm ở việc thực sự ứng dụng được tiền điện tử x AI x DeSci."
YesNoError đã tận dụng được những đặc điểm của hệ sinh thái tiền điện tử, trong môi trường đặc biệt này, vốn không cần lợi nhuận truyền thống. Chỉ cần thu hút đủ sự chú ý, sẽ có đủ nguồn vốn hỗ trợ. (Tức là nền kinh tế chú ý, càng có nhiều người quan tâm thì càng có người mua token.)
Đồng thời, YesNoError cũng tìm được một hướng ứng dụng rất tốt cho tiền điện tử. Trong những bối cảnh phù hợp, token không còn là không khí, mà thực sự có thể hỗ trợ những sản phẩm công cộng mà các mô hình kinh doanh truyền thống khó duy trì.
Có lẽ vì thực sự ủng hộ (hoặc cũng có thể vì đang nắm giữ không ít?), ngày 31/12 AK lại một lần nữa đăng bài giới thiệu và ca ngợi tính cần thiết và tính hữu ích của YesNoError từ góc độ dữ liệu.
AK cho biết, YesNoError có khả năng kiểm tra lỗi trong hơn 90 triệu bài báo cáo khoa học trên toàn cầu, chỉ trong vài tuần hoặc vài tháng. Nếu thực hiện bằng con người thì sẽ mất hàng chục nghìn năm, thậm chí nếu thành lập một đội 5.000 tiến sĩ, cũng cần gần 10 năm (và trong 10 năm đó vẫn không thể theo kịp tốc độ công bố các bài báo mới), và ước tính cần khoảng 5,4 tỷ USD.
Trong khi đó, thông qua việc tối ưu hóa mô hình AI, chỉ cần khoảng 30 triệu USD (0,3 USD mỗi bài báo) có thể hoàn thành công việc kiểm tra chính xác và chuẩn hóa hơn - chỉ bằng 1% chi phí so với phương pháp thủ công.
Nếu ở lĩnh vực khoa học truyền thống, huy động 30 triệu USD cũng là một công việc không nhỏ, nhưng rõ ràng trong lĩnh vực tiền điện tử, điều này trở nên dễ dàng hơn nhiều. (Mặc dù bao gồm nhiều yếu tố đầu cơ, nhưng chỉ trong 10 ngày, giá trị vốn hóa thị trường của $YNE đã đạt 50 triệu USD.)
Hiện tại, AI Agent này đã kiểm tra hơn 1.700 bài báo cáo và phát hiện tỷ lệ lỗi khoảng 3-4%. Và sau đó, thông qua việc liên tục cải thiện, tốc độ xử lý của nó sẽ tiếp tục được nâng cao. Trong số 90 triệu bài báo cáo, rất có thể sẽ có nhiều bài báo quan trọng chứa các lỗi nghiêm trọng, và việc sửa chữa những lỗi này sẽ mang lại những tác động tích cực đáng kể cho thế giới.
Tài khoản chính thức của BIO Protocol cũng đồng tình với quan điểm của AK:
Đây có phải là nhu cầu giả không? Hãy xem những tiếng nói khác
Bên cạnh những lời khen ngợi, cũng có người đặt nghi vấn về tính thực sự cần thiết của YesNoError.
Đồng sáng lập của Multicoin Capital Kyle Samani đã đưa ra ý kiến phản đối trong bài đăng 'bơm' của AK:
Kyle cho rằng theo nguyên tắc 80/20, chỉ có một số ít bài báo thực sự quan trọng, và những bài báo quan trọng này do được chú ý đầy đủ, khó có thể tồn tại những lỗi đã biết.
Tuy nhiên, Andrew Kang đã dùng dữ liệu để phản bác lại. Ông chỉ ra rằng, ngay cả theo logic của Kyle, trong số 90 triệu bài báo, giả sử chỉ có 5% là quan trọng, thì vẫn có 4,5 triệu bài báo quan trọng. Ngay cả khi chỉ có 0,1% lỗi trong những bài báo quan trọng này, cũng có nghĩa là vẫn có 4.500 bài báo quan trọng cần được sửa chữa. Và trường hợp "nghiên cứu về xẻng đen" được đề cập ở trên đã minh chứng rõ ràng rằng ngay cả những bài báo có ảnh hưởng lớn cũng có thể chứa lỗi và gây ra một số tác động nhất định đối với xã hội.
Tóm lại
Việc sử dụng AI để kiểm tra các bài báo cáo thực ra cũng không phải là mới, ngay từ khi ChatGPT ra đời đã có nhiều trường hợp sử dụng AI để kiểm tra các bài báo cáo. Và xét trong lĩnh vực tiền điện tử, sự xuất hiện của YesNoError có thể vừa giải quyết vấn đề
