Được viết bởi Coinspire
Tóm lại:
Các dự án Web3 với khái niệm AI đã trở thành mục tiêu hấp thụ vàng trên thị trường thứ cấp.
Các cơ hội của Web3 trong ngành AI nằm ở: sử dụng khích lệ phân tán để điều phối nguồn cung tiềm năng trong dài hạn - trên khắp dữ liệu, lưu trữ và điện toán; đồng thời, thiết lập một mô hình mã nguồn mở và một thị trường phi tập trung cho các tác nhân AI.
AI chủ yếu được sử dụng trong ngành Web3 cho tài chính Chuỗi(thanh toán tiền crypto, giao dịch, phân tích dữ liệu) và phát triển phụ trợ.
Hiệu quả của AI+Web3 nằm ở tính bổ sung của chúng: Web3 được kỳ vọng sẽ chống lại sự tập trung của AI và AI được kỳ vọng sẽ giúp Web3 phá vỡ vòng luẩn quẩn.
giới thiệu
Trong hai năm qua, sự phát triển của AI dường như đã được đẩy nhanh. Cánh bướm được Chatgpt quạt ra không chỉ mở ra một thế giới mới về trí tuệ nhân tạo mà còn tạo ra một dòng hải lưu ở Web3 ở phía bên kia.
Với sự hỗ trợ của các khái niệm AI, hoạt động tài trợ cho thị trường crypto đã được thúc đẩy đáng kể so với thời kỳ suy thoái. Theo thống kê của giới truyền thông, chỉ riêng trong nửa đầu năm 2024, tổng cộng 64 dự án Web3+AI đã hoàn tất việc gọi vốn và hệ điều hành dựa trên trí tuệ nhân tạo Zyber365 đã đạt được số tiền gọi vốn cao nhất là 100 triệu đô la Mỹ ở vòng A.
Thị trường thứ cấp thậm chí còn thịnh vượng hơn. Dữ liệu từ trang web tổng hợp crypto Coingecko cho thấy chỉ trong hơn một năm, tổng giá trị vốn hóa thị trường ngành AI đã đạt 48,5 tỷ đô la Mỹ , với khối lượng giao dịch trong 24 giờ là gần 8,6 tỷ đô la Mỹ. Những lợi ích mà sự tiến bộ của công nghệ AI chính thống mang lại là rất rõ ràng . Sau khi phát hành mô hình chuyển văn bản thành video Sora của OpenAI, giá trung bình của ngành AI tăng 151%. Hiệu ứng AI cũng lan tỏa đến Meme , một trong những lĩnh vực có lợi nhuận cao nhất của crypto : MemeCoin, khái niệm AI Agent đầu tiên, GOAT, nhanh chóng trở nên phổ biến và đạt được định giá 1,4 tỷ đô la Mỹ, thành công trong việc tạo nên cơn sốt AI Meme .
Nghiên cứu và chủ đề về AI+Web3 cũng đang được quan tâm 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 xoay vòng câu chuyện mới nữa.
AI+Web3, thuật ngữ kết hợp đầy rẫy tiền nóng, điểm đến hấp dẫn và viễn cảnh tương lai, tất yếu bị coi là cuộc hôn nhân sắp đặt do tư bản môi giới. Có vẻ như chúng ta khó có thể phân biệt được bên dưới lớp áo choàng tuyệt đẹp này liệu đây có phải là sân nhà của những nhà đầu cơ hay là đêm trước của một vụ nổ?
Để trả lời câu hỏi này, điều quan trọng mà cả hai bên cần cân nhắc là liệu mối quan hệ với bên kia có tốt hơn không? Chúng ta có thể hưởng lợi từ mô hình của nhau không? Trong bài viết này, chúng tôi cũng cố gắng đứng trên vai những người đi trước và xem xét bối cảnh này: Web3 có thể đóng vai trò như thế nào trong từng liên kết của ngăn xếp công nghệ AI và AI có thể mang lại sức sống mới nào cho Web3?
Web3 có những cơ hội gì trong nền tảng AI?
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 mô tả 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 trẻ sơ sinh, cần quan sát và hấp thụ lượng lớn thông tin 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, thông tin không có nhãn quy mô lớn từ thế giới bên ngoài cần phải được chuyển đổi thành định dạng thông tin mà máy tính có thể hiểu và sử dụng thông qua "tiền xử lý".
Sau khi dữ liệu được nhập vào, AI sẽ xây dựng một mô hình có khả năng hiểu biết và dự đoán thông qua quá trình "đào tạo", có thể được xem như quá trình trẻ sơ sinh dần hiểu biết và học hỏi thế giới bên ngoài. Các thông số của mô hình giống như khả năng ngôn ngữ được điều chỉnh liên tục trong quá trình học tập của trẻ sơ sinh. Khi nội dung học tập bắt đầu được chia thành các môn học hoặc khi nhận được phản hồi và chỉnh sửa thông qua giao tiếp với người khác, giai đoạn "điều chỉnh" của mô hình lớn sẽ được chuyển sang.
Khi trẻ lớn lên và học nói, chúng có thể hiểu được ý nghĩa và thể hiện cảm xúc, suy nghĩ của mình trong những cuộc trò chuyện mới. Giai đoạn này tương tự như "lý luận" của các mô hình AI lớn, có thể dự đoán và phân tích ngôn ngữ và văn bản mới . Trẻ sơ sinh sử dụng ngôn ngữ để diễn đạt cảm xúc, mô tả đồ vật và giải quyết nhiều vấn đề khác nhau. Điều này tương tự như cách các mô hình AI lớn được áp dụng cho nhiều nhiệm vụ cụ thể khác nhau trong giai đoạn suy luận sau khi chúng được đào tạo và đưa vào sử dụng, chẳng hạn như phân loại hình ảnh, nhận dạng giọng nói, v.v.
AI Agent gần giống với hình thức tiếp theo của mô hình lớn - nó 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 nay, để giải quyết những điểm khó khăn của AI ở nhiều ngăn xếp khác nhau, Web3 đã ban đầu hình thành một hệ sinh thái đa cấp, có sự kết nối chặt chẽ, bao gồm tất cả các giai đoạn của quy trình xây dựng mô hình AI.
1. Lớp cơ bản: Airbnb của tỷ lệ băm và dữ liệu
Tỷ lệ băm
Hiện nay, một trong những chi phí cao nhất của AI là tỷ lệ băm và năng lượng cần thiết để đào tạo và suy ra các mô hình.
Ví dụ, LLAMA3 của Meta yêu cầu 16.000 GPU H100 do NVIDIA sản xuất (một đơn vị xử lý đồ họa hàng đầu được thiết kế cho AI và khối lượng công việc điện toán hiệu suất cao) trong 30 ngày để hoàn thành quá trình đào tạo. Phiên bản 80GB sau có giá từ 30.000 đến 40.000 đô la Mỹ, yêu cầu đầu tư phần cứng máy tính từ 400-700 triệu đô la Mỹ (GPU + chip mạng). Đồng thời, việc đào tạo hàng tháng tiêu tốn 1,6 tỷ kilowatt-giờ và chi phí năng lượng gần 20 triệu đô la Mỹ mỗi tháng.
Việc giải nén tỷ lệ băm của AI cũng là lĩnh vực sớm nhất mà Web3 giao thoa với AI - DePin (mạng cơ sở 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 các dự án tiêu biểu về chia sẻ tỷ lệ băm GPU bao gồm io.net, Aethir, Akash, Render Network, v.v.
Logic chính là nền tảng này cho phép các cá nhân hoặc tổ chức có tài nguyên GPU nhàn rỗi đóng góp sức mạnh tính toán của họ theo cách phi tập trung mà không cần xin phép và thông qua một thị trường trực tuyến dành cho người mua và người bán tương tự như Uber hoặc Airbnb, nó sẽ làm tăng tỷ lệ sử dụng các tài nguyên GPU chưa được sử dụng hết, để người dùng cuối có thể có được các tài nguyên tính toán hiệu quả hơn với chi phí thấp hơn . Đồng thời, cơ chế cam kết cũng đảm bảo nếu có vi phạm cơ chế kiểm soát chất lượng hoặc gián đoạn mạng, nhà cung cấp tài nguyên sẽ bị xử phạt tương ứng.
Đặc điểm của nó là:
Tổng hợp các tài nguyên GPU nhàn rỗi: Các nhà cung cấp chủ yếu là các trung tâm dữ liệu vừa và nhỏ độc lập của bên thứ ba, các trang trại khai thác crypto và các tài nguyên tỷ lệ băm dư thừa của 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. Ngoài ra, hiện nay còn có các dự án dành riêng cho việc khởi động các thiết bị có rào cản gia nhập thấp hơn, chẳng hạn như exolab, sử dụng các thiết bị cục bộ như MacBook, iPhone và iPad để xây dựng mạng tỷ lệ băm phục vụ cho việc suy luận mô hình lớn.
Đối diện thị trường dài hạn về tỷ lệ băm AI: a. " Theo 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 cụm cực lớn mang lại, trong khi suy luận có hiệu suất tính toán GPU tương đối thấp. Ví dụ, Aethir tập trung vào công việc kết xuất độ trễ thấp và các ứng dụng suy luận AI. b. "Về phía nhu cầu" Các đơn vị có nhu cầu tỷ lệ băm vừa và nhỏ sẽ không đào tạo riêng các mô hình lớn của họ mà chỉ chọn tối ưu hóa và tinh chỉnh một vài mô hình lớn hàng đầu. Những tình huống này tự nhiên phù hợp với các nguồn tài nguyên tỷ lệ băm nhàn rỗi phân tán.
Quyền sở hữu phi tập trung : Ý nghĩa kỹ thuật của blockchain là chủ sở hữu tài nguyên luôn kiểm soát được tài nguyên của mình, linh hoạt điều chỉnh theo nhu cầu và đồng thời thu được lợi nhuận.
dữ liệu
Dữ liệu là nền tảng của AI. Không có dữ liệu, việc tính toán trở nên vô dụng như bèo tấm trôi nổi . Mối quan hệ giữa dữ liệu và mô hình giống như câu tục ngữ "Vào thì rác, ra thì rác". Số lượng và chất lượng dữ liệu đầu vào quyết định chất lượng đầu ra của mô hình cuối cùng. Khi nói đến việc đào tạo các mô hình AI hiện tại, dữ liệu sẽ quyết định khả năng ngôn ngữ, khả năng hiểu và thậm chí là giá trị và hiệu suất được nhân bản hóa của mô hình. Hiện nay, tình trạng khó khăn về nhu cầu dữ liệu của AI chủ yếu tập trung vào bốn khía cạnh sau:
Dữ liệu Hungry : 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 đào tạo GPT-4 đã lên tới hàng nghìn tỷ.
Chất lượng dữ liệu : Với việc tích hợp AI vào nhiều ngành công nghiệp khác nhau, các yêu cầu mới đã được đưa ra về tính kịp thời dữ liệu, tính đa dạng của dữ liệu, tính chuyên nghiệp của dữ liệu theo chiều dọc và việc tiếp nhận các nguồn dữ liệu mới nổi như tâm lý trên mạng xã hội.
Các vấn đề về quyền riêng tư và tuân thủ : Hiện nay, nhiều quốc gia và công ty đang dần nhận ra tầm quan trọng của các tập dữ liệu chất lượng cao và đang hạn chế việc thu thập dữ liệu.
Chi phí xử lý dữ liệu cao : khối lượng dữ liệu lớn và quy trình xử lý phức tạp. Dữ liệu 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 nay, các giải pháp của web3 được phản ánh ở bốn khía cạnh sau:
1. Thu thập dữ liệu : Dữ liệu thực tế có thể thu thập miễn phí đang nhanh chóng cạn kiệt và chi tiêu của các công ty AI cho dữ liệu trả phí đang tăng lên theo từng năm. Nhưng đồng thời, khoản chi tiêu này không phản hồi lại cho những người thực sự đóng góp dữ liệu. Nền tảng này đã tận dụng triệt để giá trị mà dữ liệu mang lại. Ví dụ, Reddit đã đạt được tổng thu nhập là 203 triệu đô la Mỹ thông qua các thỏa thuận cấp phép dữ liệu được ký kết với các công ty AI.
Viễn cảnh mong đợi của Web3 là cho phép người dùng thực sự đóng góp được tham gia vào việc tạo ra giá trị do dữ liệu mang lại và có được dữ liệu riêng tư và có giá trị hơn của người dùng theo cách ít tốn kém thông qua mạng phân tán và cơ chế khích lệ .
Ví dụ, Grass là một lớp dữ liệu và mạng phi tập trung . Người dùng có thể chạy nút Grass, đóng góp băng thông nhàn rỗi và chuyển tiếp lưu lượng để thu thập dữ liệu thời gian thực từ toàn bộ Internet và nhận phần thưởng token.
Vana giới thiệu khái niệm độc đáo về Dữ liệu Thanh khoản Pool (DLP) , trong đó người dùng có thể tải dữ liệu riêng tư của mình (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 cho phép bên thứ ba cụ thể sử dụng dữ liệu này hay không;
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, vì dữ liệu thu thập được thường bị nhiễu và chứa lỗi nên phải được làm sạch và chuyển đổi sang định dạng có thể sử dụng được trước khi đào tạo mô hình, bao gồm nhiệm vụ lặp đi lặp lại về chuẩn hóa, lọc và xử lý các giá trị bị thiếu. Giai đoạn này là một trong số ít liên kết thủ công trong ngành AI và đã tạo ra ngành công nghiệp dán nhãn dữ liệu. Khi yêu cầu về chất lượng dữ liệu của mô hình tăng lên, ngưỡng dành cho người dán nhãn dữ liệu cũng tăng theo. Nhiệm vụ này hoàn toàn phù hợp với cơ chế khích lệ phi tập trung của Web3.
Hiện tại, cả Grass và OpenLayer đều đang cân nhắc việc thêm nhãn dữ liệu, một bước quan trọng.
Synesis đề xuất khái niệm "Train2earn" , nhấn mạnh vào chất lượng dữ liệu. Người dùng có thể nhận được phần thưởng bằng cách cung cấp dữ liệu có nhãn, chú thích hoặc các hình thức nhập liệu khác.
Dự án chú thích dữ liệu Sapien biến nhiệm vụ đánh dấu thành trò chơi và cho phép người dùng đặt cược điểm để kiếm thêm điểm.
3. Quyền riêng tư và bảo mật dữ liệu : Cần phải làm rõ rằng 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 việc truy cập trái phép, phá hủy và đánh cắp. Do đó, những lợi thế và kịch bản ứng dụng tiềm năng của công nghệ bảo mật Web3 được phản ánh 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.
Các công nghệ bảo mật phổ biến nhất trong Web3 hiện nay bao gồm:
Hoàn cảnh thực thi tin cậy (TEE) , chẳng hạn như Siêu giao thức;
Crypto đồng dạng hoàn toàn (FHE) , chẳng hạn như BasedAI, Fhenix.io hoặc Inco Network;
Công nghệ không kiến thức (zk) , chẳng hạn như Giao thức Reclaim, sử dụng công nghệ zkTLS để tạo Bằng chứng không tri thức cho lưu lượng HTTPS, cho phép người dùng nhập dữ liệu hoạt động, danh tiếng và danh tính một cách an toàn từ các trang web bên ngoài mà không tiết 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 thăm dò. Một trong những khó khăn hiện nay là chi phí tính toán quá cao. Sau đây là một số ví dụ:
Khung zkML EZKL mất khoảng 80 phút để tạo ra bằng chứng cho mô hình 1M-nanoGPT.
Theo Modulus Dữ liệu, chi phí của zkML cao hơn 1.000 lần so với tính toán thuần túy .
4. Lưu trữ dữ liệu : Sau khi có dữ liệu , bạn cũng cần một nơi để lưu trữ dữ liệu trên Chuỗi , cũng như các LLM được tạo ra bằng dữ liệu đó. Lấy tính khả dụng của dữ liệu (DA) làm 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 thời gian thực của các mô hình AI thường yêu cầu thông lượng dữ liệu từ 50 đến 100 GB mỗi giây. Khoảng cách về quy mô này khiến các giải pháp Chuỗi hiện tại không thể xử lý đối diện"các ứng dụng AI tốn nhiều tài nguyên".
0g.AI là một dự án tiêu biểu trong danh mục này. Đây là giải pháp lưu trữ tập trung được thiết kế cho nhu cầu hiệu suất cao của AI. Các tính năng chính của nó bao gồm hiệu suất cao và mở rộng. Thông qua công nghệ mã hóa phân mảnh và xóa tiên tiến, nó hỗ trợ tải lên và tải xuống nhanh chóng các tập dữ liệu quy mô lớn, với tốc độ truyền dữ liệu gần 5GB mỗi giây.
2. Phần mềm trung gian: Đào tạo mô hình và suy luận
Mô hình mã nguồn mở thị trường phi tập trung
Cuộc tranh luận về việc liệu các mô hình AI nên là nguồn đóng hay mã nguồn mở chưa bao giờ kết thúc. Sự đổi mới tập thể mà mã nguồn mở mang lại là một lợi thế mà mô hình nguồn đóng không thể sánh kịp. Tuy nhiên, khi không có mô hình lợi nhuận, làm sao mô hình mã nguồn mở có thể cải thiện động lực của nhà phát triển? Đây là một hướng đi đáng để suy nghĩ . Người sáng lập Baidu, Robin Li đã từng khẳng định vào tháng 4 năm nay rằng "mô hình mã nguồn mở sẽ ngày càng tụt hậu".
Để ứng phó với vấn đề này, Web3 đề xuất khả năng thành lập một thị trường mô hình mã nguồn mở phi tập trung , tức là token hóa chính mô hình, dành 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 nguồn 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, nhân tài học máy) cạnh tranh với nhau để đạt được mục tiêu của các chủ sở hữu mạng con cụ thể. Các mạng con có thể tương tác và học hỏi lẫn nhau để đạt được trí thông minh mạnh mẽ hơn. Phần thưởng được phân bổ bằng cách bỏ phiếu của cộng đồng và được phân phối tiếp giữa các mạng con dựa trên hiệu suất cạnh tranh.
ORA giới thiệu khái niệm về Đợt chào bán mô hình ban đầu (IMO), token hóa các mô hình AI để chúng có thể được mua, bán và phát triển thông qua mạng lưới phi tập trung.
Sentient , một nền tảng AGI phi tập trung, khích lệ những người đóng góp cộng tác, xây dựng, sao chép và mở rộng các mô hình AI, đồng thời thưởng cho những người đóng góp.
Spectral Nova , tập trung vào việc tạo ra và ứng dụng các mô hình AI và ML.
Lý luận có thể kiểm chứng
Giải pháp Web3 tiêu chuẩn cho vấn đề "hộp đen" trong quá trình suy luận của AI là để nhiều trình xác thực lặp lại các hoạt động giống nhau và so sánh kết quả, nhưng do tình trạng thiếu hụt "chip Nvidia" cao cấp hiện nay, thách thức rõ ràng mà cách tiếp cận này phải đối mặt là chi phí suy luận AI cao.
Một giải pháp hứa hẹn hơn là thực hiện chứng minh ZK ( Bằng chứng không tri thức, một giao thức mật mã trong đó người chứng minh có thể chứng minh với người xác minh khác rằng một tuyên bố nhất định là đúng mà không tiết lộ bất kỳ thông tin bổ sung nào khác ngoài việc tuyên bố đó là đúng) trên các phép tính suy luận AI ngoài chuỗi Chuỗi thực hiện xác minh không cần cấp phép đối với các phép tính của mô hình AI trên Chuỗi . Điều này đòi hỏi phải chứng minh crypto trên Chuỗi rằng các phép tính ngoài Chuỗi đã được hoàn thành chính xác (ví dụ: dữ liệu không bị can thiệp) trong khi vẫn đảm bảo rằng tất cả dữ liệu vẫn được bảo mật.
Những lợi ích chính bao gồm:
Mở rộng : Bằng chứng không tri thức có thể nhanh chóng xác nhận Chuỗi lượng lớn các phép tính 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 được giữ 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 : Không phụ thuộc vào các bên tập trung để xác nhận tính toán.
Tích hợp Web2 : Theo định nghĩa, Web2 tích hợp ngoài Chuỗi , nghĩa là lý luận có thể xác minh được có thể giúp đưa dữ liệu và tính toán AI của nó vào Chuỗi. Điều này sẽ giúp tăng cường việc áp dụng Web3.
Các công nghệ có thể xác minh của Web3 hiện tại cho lý luận có thể xác minh như sau:
zkML : Kết hợp Bằng chứng không tri thức với máy học để đảm bảo quyền riêng tư và tính bảo mật của dữ liệu và mô hình, cho phép tính toán có thể xác minh mà không tiết lộ một số thuộc tính cơ bản. Ví dụ, Modulus Labs đã phát hành một Prover ZK được xây dựng cho AI dựa trên ZKML để kiểm tra hiệu quả xem nhà cung cấp AI có thao tác các thuật toán trên Chuỗi để thực thi chính xác hay không. Tuy nhiên, khách hàng hiện tại về cơ bản là các DApp trên Chuỗi.
opML : Sử dụng nguyên lý cuộn lạc quan để cải thiện mở rộng và hiệu quả của điện toán ML bằng cách xác minh thời điểm xảy ra tranh chấp. Trong mô hình này, chỉ cần xác minh một phần nhỏ kết quả do "người xác minh" tạo ra, nhưng mức giảm chi phí kinh tế được đặt đủ cao để tăng chi phí gian lận cho người xác minh và tiết kiệm được việc tính toán dư thừa.
TeeML : Thực hiện tính toán ML một cách an toàn bằng hoàn cảnh thực thi đáng tin cậy, bảo vệ dữ liệu và mô hình khỏi sự giả mạo và truy cập trái phép.
3. Lớp ứng dụng: AI Agent
Sự phát triển hiện tại của AI đã cho thấy sự chuyển đổi trọng tâm phát triển từ khả năng mô hình sang AI Agent. Các công ty công nghệ như OpenAI, AI big model unicorn Anthropic và Microsoft đã chuyển sang phát triển AI Agents nhằm phá vỡ giai đoạn nền tảng công nghệ LLM hiện tại.
OpenAI định nghĩa AI Agent là một hệ thống sử dụng LLM làm bộ não, có khả năng tự động hiểu được nhận thức, lập kế hoạch, trí nhớ và sử dụng các công cụ, đồng thời có thể tự động thực hiện nhiệm vụ phức tạp . Khi AI thay đổi từ một công cụ thành một chủ thể có thể sử dụng công cụ, nó sẽ trở thành một tác nhân AI. Đây chính 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?
1. Phi tập trung
Bản chất phi tập trung của Web3 có thể khiến hệ thống Agent trở nên phi tập trung và tự chủ hơn . Bằng cách thiết lập cơ chế khích lệ và trừng phạt đối với người cam kết và người ủy quyền thông qua các cơ chế như PoS và DPoS, quá trình dân chủ hóa hệ thống Đại lý có thể được thúc đẩy. GaiaNet, Theoriq và HajimeAI đều đã thử cách này.
2. Khởi động nguội
Việc phát triển và lặp lại các tác nhân AI thường đòi hỏi lượng lớn hỗ trợ tài chính và Web3 có thể giúp các dự án tác nhân AI tiềm năng có được nguồn tài chính sớm và khởi động.
Virtual Protocol ra mắt nền tảng tạo và phát hành token AI Agent fun.virtuals, nơi bất kỳ người dùng nào cũng có thể triển khai AI Agent chỉ bằng một cú nhấp chuột và đạt được tỷ lệ phát hành token AI Agent công bằng 100% .
Spectral đã đề xuất một khái niệm sản phẩm hỗ trợ việc phát hành tài sản AI Agent Chuỗi : bằng cách phát hành token thông qua IAO (Đợt chào bán đại lý ban đầu) , AI Agent có thể nhận tiền trực tiếp từ các nhà đầu tư và trở thành thành viên của ban quản trị DAO, mang đến cho các nhà đầu tư cơ hội tham gia vào quá trình phát triển dự án và chia sẻ lợi nhuận trong tương lai.
AI hỗ trợ Web3 như thế nào?
Tác động của AI lên các dự án Web3 là rõ ràng. Nó mang lại lợi ích cho công nghệ blockchain bằng cách tối ưu hóa các hoạt động Chuỗi(như thực hiện hợp đồng thông minh, tối ưu hóa thanh khoản và các quyết định quản trị do AI thúc đẩy). Đồng thời, nó cũng có thể cung cấp thông tin chi tiết tốt hơn dựa dữ liệu, cải thiện bảo mật Chuỗi và đặt nền tảng cho các ứng dụng mới dựa trên Web3.
1. AI và tài chính Chuỗi
AI và nền kinh tế crypto
Vào ngày 31 tháng 8, Giám đốc điều hành Coinbase Brian Armstrong đã công bố giao dịch crypto AI-to-AI đầu tiên trên mạng lưới Base và cho biết các AI Agent hiện có thể sử dụng USD trên Base để giao dịch với con người, thương nhân hoặc các AI khác. Các giao dịch này diễn ra tức thời, tính toàn cầu và miễn phí.
Ngoài thanh toán, Luna của Virtuals Protocol cũng lần đầu tiên chứng minh cách AI Agent có thể tự động thực hiện các giao dịch trên Chuỗi theo những cách sau, điều này đã thu hút được sự chú ý. AI Agent, là một thực thể thông minh có khả năng nhận thức hoàn cảnh, đưa ra quyết định và thực hiện hành động, được coi là tương lai của tài chính Chuỗi . Hiện tại, các kịch bản tiềm năng của AI Agent được phản ánh ở những điểm sau:
1. Thu thập thông tin và dự đoán : Giúp nhà đầu tư thu thập các thông tin như thông báo sàn giao dịch, thông tin công khai của dự án, tâm lý hoảng loạn, rủi ro dư luận, v.v., phân tích và đánh giá các yếu tố cơ bản tài sản và điều kiện thị trường theo thời gian thực, đồng thời dự đoán xu hướng và rủi ro.
2. Quản lý tài sản : cung cấp cho người dùng các 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 trên Chuỗi nhanh nhất, tự động hóa các hoạt động thủ công như điều chỉnh phí gas và phí liên Chuỗi , đồng thời giảm ngưỡng và chi phí cho các hoạt động tài chính trên Chuỗi.
Hãy tưởng tượng một tình huống mà bạn đưa ra các hướng dẫn sau cho AI Agent: "Tôi có 1.000 USDT, vui lòng giúp tôi tìm tổ hợp có lợi nhuận cao nhất, khóa vị thế không quá một tuần". AI Agent sẽ cung cấp cho bạn các gợi ý sau: "Mức phân bổ ban đầu được khuyến nghị là 50% vào A, 20% vào B, 20% vào X và 10% vào Y. Tôi sẽ theo dõi lãi suất và quan sát những thay đổi về mức độ rủi ro của lãi suất, đồng thời cân bằng lại khi cần thiết." Ngoài ra, việc tìm kiếm các dự án airdrop tiềm năng cũng như các dự án Memecoin cho thấy dấu hiệu của một cộng đồng đông đảo đều là những điều mà AI Agent có thể thực hiện được sau này.
Nguồn hình ảnh: Biconomy
Hiện tại, ví AI Agent Bitte và giao thức tương tác AI Wayfinder đều đang thực hiện những nỗ lực như vậy. Họ đang cố gắng truy cập API mô hình của OpenAI, cho phép người dùng ra lệnh cho các tác nhân hoàn thành nhiều hoạt động khác nhau Chuỗi trong giao diện cửa sổ trò chuyện tương tự như ChatGPT. Ví dụ, nguyên mẫu đầu tiên của WayFinder được phát hành vào tháng 4 năm nay đã chứng minh bốn hoạt động cơ bản swap, gửi, cầu nối và stake trên ba mạng chính chuỗi công khai là Base, Polygon và Ethereum.
Hiện tại, nền tảng tác nhân phi tập trung Morpheus cũng hỗ trợ phát triển các tác nhân như vậy. Ví dụ, Biconomy cũng đã chứng minh một hoạt động trong đó một tác nhân AI có thể swap ETH thành USDC mà không cần cấp toàn bộ quyền cho ví.
AI và bảo mật giao dịch trên Chuỗi
Trong thế giới Web3, bảo mật giao dịch Chuỗi là rất quan trọng. Công nghệ AI có thể được sử dụng để tăng cường tính bảo mật và quyền riêng tư của các giao dịch Chuỗi. Các kịch bản tiềm năng bao gồm:
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 thời gian thực cho người dùng và nền tảng.
Phân tích rủi ro : giúp nền tảng phân tích dữ liệu về hành vi giao dịch của khách hàng và đánh giá mức độ rủi ro.
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 cơ chế giám sát và cảnh báo theo thời gian thực để đảm bảo tính bảo mật và ổn định của các giao dịch Chuỗi. Một công cụ bảo mật tương tự khác là Sentinel sử dụng AI.
2. AI và cơ sở hạ tầng 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 Chuỗi , chẳng hạn như:
Web3 Analytics : là nền tảng phân tích dựa trên AI sử dụng thuật toán học máy và khai thác dữ liệu để thu thập, xử lý và phân tích dữ liệu Chuỗi .
MinMax AI : Cung cấp các công cụ phân tích dữ liệu Chuỗi dựa trên AI để giúp người dùng khám phá các xu hướng và cơ hội thị trường tiềm năng.
Kaito : Nền tảng tìm kiếm Web3 dựa trên công cụ tìm kiếm của LLM.
Followin : Tích hợp ChatGPT để thu thập và tích hợp thông tin có liên quan nằm rải rác trên nhiều trang web và nền tảng cộng đồng khác nhau.
Một 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 vào giá NFT biến động và thông qua hơn 100 lần đánh giá mỗi giờ, công cụ này cung cấp giá NFT với sai số phần trăm từ 3-10%.
AI và Phát triển & Kiểm toán
Gần đây, một trình soạn thảo mã Web2 AI có tên là Cursor đã thu hút được rất nhiều sự chú ý trong cộng đồng nhà phát triển. Trên nền tảng của mình, người dùng chỉ cần sử dụng mô tả bằng ngôn ngữ tự nhiên và Cursor có thể tự động tạo mã HTML, CSS và JavaScript tương ứng, giúp đơn giản hóa đáng kể quy trình phát triển phần mềm. Logic này cũng có thể áp dụng để cải thiện hiệu quả phát triển của Web3 .
Hiện nay, việc triển khai hợp đồng thông minh và DApp trên chuỗi công khai thường yêu cầu tuân theo 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 chúng phù hợp hơn với việc phát triển DApp. Tuy nhiên, do khoảng cách lớn giữa các nhà phát triển Web3 nên việc đào tạo nhà phát triển luôn là vấn đề khó khăn hơn.
Hiện tại, các kịch bản có thể hình dung được về việc 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 thiện mã thông minh, đối thoại AI để trả lời các câu hỏi phát triển, v.v. Sự hỗ trợ của AI không chỉ giúp cải thiện 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 mình thành ứng dụng thực tế, mang lại sức sống mới cho sự phát triển của công nghệ phi tập trung.
Hiện nay, thu hút nhiều sự chú ý nhất là các nền tảng ra mắt token chỉ bằng một cú nhấp chuột 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 máy trạm Farcaster của giao thức SocialFi như Warpcast hoặc Supercast, cho nó biết ý tưởng token của bạn và nó sẽ khởi chạy 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 người dùng mới 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 lỗ hổng mã và cung cấp các giải thích bằng ngôn ngữ tự nhiên để hỗ trợ chuyên môn kiểm toán. Fuzzland cũng sử dụng AI để cung cấp các diễn giải ngôn ngữ tự nhiên về các thông số kỹ thuật chính thức và mã hợp đồng, cũng như một số mã mẫu để giúp các nhà phát triển hiểu được các vấn đề tiềm ẩn trong mã.
3. AI và Câu chuyện mới về Web3
Sự phát triển của AI tạo ra những khả năng mới cho các câu chuyện Web3 mới.
NFT: AI truyền tải tính sáng tạo vào NFT có khả năng tạo ra sản phẩm. 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 có khả năng sáng tạo này có thể trở thành nhân vật , đạo cụ hoặc thành phần bối cảnh trong trò chơi, thế giới ảo hoặc Metaverse . Ví dụ, Bicasso thuộc Binance cho phép người dùng tải lên hình ảnh và nhập từ khóa để tính toán AI nhằm tạo NFT. Các dự án tương tự bao gồm Solvo, Nicho, IgmnAI và CharacterGPT.
GameFi: Tập trung vào khả năng tạo ngôn ngữ tự nhiên, tạo hình ảnh và NPC thông minh của AI, GameFi được kỳ vọng sẽ cải thiện hiệu quả và tính đổi mới trong sản xuất nội dung trò chơi. Ví dụ, trong Gamefi đầu tiên AI Hero của BinaryX , người chơi có thể sử dụng AI để khám phá ngẫu nhiên các tùy chọn cốt truyện khác nhau. Tương tự như vậy, cũng có một trò chơi đồng hành ảo là Sleepless AI, dựa trên AIGC và LLM, và 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 hình dung sẽ được áp dụng vào DAO để giúp theo dõi các tương tác cộng đồng, ghi lại các đóng góp, thưởng cho các thành viên đóng góp nhiều 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 lời khuyên của các thành viên DAO.
Ý nghĩa của sự kết hợp AI+Web3: tháp và hình vuông
Nằm ở trung tâm thành phố Florence, Ý, có địa điểm quan trọng nhất cho các hoạt động chính trị địa phương và là nơi tụ họp của người dân và khách du lịch - Quảng trường Trung tâm. Nơi đây có Tháp Tòa thị chính cao 95 mét. Sự tương phản trực quan theo chiều dọc và chiều ngang giữa tòa tháp và quảng trường bổ sung cho nhau, tạo nên hiệu ứng thẩm mỹ ấn tượng. Lấy cảm hứng từ điều này, Niall Ferguson, giáo sư lịch sử tại Đại học Harvard, đã liên kết nó với lịch sử thế giới về các mạng lưới và hệ thống phân cấp trong cuốn sách "The Square and the Tower" (Quảng trường và Tòa tháp), hai trong số chúng đã trỗi dậy và sụp đổ theo thời gian.
Ẩn dụ tuyệt vời này không hề lạc lõng khi áp dụng vào mối quan hệ giữa AI và Web3 ngày nay. Từ lịch sử mối quan hệ phi tuyến tính lâu dài giữa hai hình thức này, ta có thể thấy rằng hình vuông có nhiều khả năng tạo ra những điều mới mẻ và sáng tạo hơn hình tháp, nhưng hình tháp vẫn có tính chính đáng và sức sống mạnh mẽ.
Với khả năng tập hợp năng lượng , tỷ lệ băm dữ liệu của các công ty công nghệ, AI đã bùng nổ với trí tưởng tượng chưa từng có. Các công ty công nghệ lớn đã đầu tư mạnh vào thị trường này. Từ các chatbot khác nhau đến "mô hình lớn cơ bản" GPT-4, GP4-4o và các phiên bản lặp lại khác đã lần lượt xuất hiện, robot lập trình tự động (Devin) và Sora với khả năng ban đầu là mô phỏng thế giới vật lý thực đã ra đời, v.v. Trí tưởng tượng của AI đã được mở rộng vô hạn.
Đồng thời, AI về cơ bản là một ngành công nghiệp có quy mô lớn và tập trung. Cuộc cách mạng công nghệ này sẽ đẩy các công ty công nghệ, vốn đã dần giành được sự thống trị về mặt cấu trúc trong "thời đại Internet", vào một ranh giới hẹp hơn. Lượng điện lớn, dòng tiền độc quyền và bộ dữ liệu khổng lồ cần thiết để thống trị kỷ nguyên thông minh đã tạo ra nhiều rào cản hơn cho nó.
Khi các tòa tháp ngày càng cao hơn, số lượng người ra quyết định đằng sau hậu trường sẽ giảm đi. Việc tập trung AI mang lại nhiều mối nguy hiểm tiềm ẩn. Làm sao những người tụ tập ở quảng trường có thể tránh được bóng tối dưới các tòa tháp? Đây chính xác là vấn đề mà Web3 hy vọng có thể giải quyết.
Về cơ bản, các đặc tính vốn có của blockchain giúp tăng cường hệ thống AI và mang lại những khả năng mới, chủ yếu là:
"Mã là luật" trong kỷ nguyên trí tuệ nhân tạo - thông qua các hợp đồng thông minh và xác minh crypto, các hệ thống minh bạch sẽ tự động thực thi các quy tắc và trao phần thưởng cho những người tiến gần hơn đến mục tiêu.
Kinh tế token — tạo ra và phối hợp các hành động của người tham gia thông qua cơ chế token, đặt cược, cắt giảm, phần thưởng token và hình phạt.
Quản trị phi tập trung – thúc đẩy chúng ta đặt câu hỏi về các nguồn thông tin và khuyến khích phương pháp cận phê phán và sáng suốt hơn đối với các công nghệ AI, ngăn ngừa sự thiên vị, thông tin sai lệch và thao túng, cuối cùng thúc đẩy một xã hội được trao quyền và hiểu biết hơn.
Sự phát triển của AI cũng mang lại sức sống mới cho Web3. Có lẽ tác động của Web3 lên AI sẽ mất thời gian để chứng minh, nhưng tác động của AI lên Web3 là ngay lập tức: điều này có thể thấy từ lễ hội Meme và AI Agent giúp các ứng dụng Chuỗi hạ thấp ngưỡng sử dụng.
Khi Web3 được định nghĩa là hình thức giải trí tự thân của một nhóm nhỏ người và đang nghi ngờ về khả năng sao chép các ngành công nghiệp truyền thống, thì việc bổ sung AI đã mang lại cho nó một tương lai có thể thấy trước: nhóm người dùng Web2 ổn định và lớn hơn, cùng các mô hình kinh doanh và dịch vụ sáng tạo hơn.
Chúng ta đang sống trong một thế giới mà "tháp và quảng trường" cùng tồn tại. Mặc dù AI và Web3 có mốc thời gian và điểm khởi đầu khác nhau, nhưng điểm cuối cùng của chúng đều là làm thế nào để máy móc phục vụ con người tốt hơn. Không ai có thể định nghĩa được dòng sông chảy xiết. Chúng tôi mong muốn được chứng kiến tương lai của AI+Web3.
