AI+Web3 có thể trở thành điểm đột phá cho sự đổi mới tích hợp ngành trong tương lai.
Được viết bởi: Wanxiang Blockchain
AI+Web3 có thể trở thành điểm đột phá cho sự đổi mới tích hợp ngành trong tương lai. Future3 Campus cũng thực hiện phỏng vấn đại diện của một số tổ chức đầu tư có tiếng trong báo cáo nghiên cứu “Phân tích tình hình hiện tại, bối cảnh cạnh tranh và cơ hội tương lai của việc tích hợp ngành dữ liệu AI và Web3” với Footprint Analytics. Bài viết này được biên soạn dựa trên nội dung phỏng vấn và chỉ thể hiện quan điểm các vị khách được phỏng vấn chứ không thể hiện quan điểm của Wanxiang Blockchain.
1 Ứng xử sự kết hợp của dữ liệu AI+Web3 như thế nào? Các hướng dẫn đáng chú ý là gì?
Hashkey Capital-Harper : Tôi cho rằng có một số điểm trong việc thu thập dữ liệu AI và web3 : Đầu tiên, ngôn ngữ được chuyển đổi thành SQL thông qua mô hình LLM, chẳng hạn như Dune. Ngoài ra còn có một số dự án chuyên về công cụ tìm kiếm. SQL phải được tăng cường để truy cập chính xác vào cơ sở dữ liệu. Dữ liệu trong đó cũng có thể tự động tạo SQL bằng ngôn ngữ tự nhiên, cho phép các nhà phát triển sao chép và sử dụng nó. Thứ hai là phương pháp đối thoại trò chuyện. Tác nhân trò chuyện được sửa đổi dựa trên chatgpt chủ yếu nhằm mục đích cung cấp các cửa sổ trò chuyện. Nó không quá chú trọng đến SQL và tối ưu hóa tìm kiếm. Nó tùy ý hơn. Ví dụ: vui lòng cho tôi biết KOL nào được gọi là cho các đơn đặt hàng. Sự cố bảo mật này có tác động tiêu cực đến mã thông báo. Tác động là gì (tại thời điểm này, nó có thể là kết quả của toàn bộ tìm kiếm trên mạng và việc tối ưu hóa SQL của cơ sở dữ liệu sẽ không được nhấn mạnh ở đây). Thứ ba là sử dụng AI để tạo ra các mô hình phù hợp nhằm tổ chức dữ liệu ngoài chuỗi và trên chuỗi rút những hiểu biết sâu sắc hơn.
Ngược lại, thứ nhất, bên dự án cần có khả năng xây dựng cơ sở dữ liệu mạnh hơn, vì dữ liệu Web3 rất rắc rối khi xử lý nhưng vẫn khó đạt được độ chính xác và tốc độ; thứ hai, đây là phương pháp kết hợp tương đối đơn giản và ngưỡng là cũng cao Không quá cao.
SevenX Ventures-Yuxing : Trên thực tế, dữ liệu là nguồn dinh dưỡng của AI. Dữ liệu của Web3 là mở và có thể kiểm chứng được, trong khi vấn đề với AI là tính chất hộp đen của nó, khiến việc xác minh trở nên khó khăn. Sự kết hợp của cả hai có thể tạo ra một số phản ứng hóa học thú vị. Hiện tại, tôi thích chia sự kết hợp giữa AI và Web3 thành hai loại, không chỉ đơn giản là AI cộng với dữ liệu Web3 mà còn xem xét cách AI có thể làm cho Web3 tốt hơn và Web3 có thể làm cho AI tốt hơn như thế nào.
Trước hết, AI có thể sử dụng hiệu quả các đặc điểm công khai và có thể kiểm chứng của dữ liệu Web3 cho dữ liệu Web3. Bất kỳ AI nào cũng có thể sử dụng dữ liệu Web3 để tinh chỉnh và tạo ra giá trị. Cho dù đó là tư vấn đầu tư hay phân tích cảnh báo sớm, AI đều có thể giúp tăng hiệu quả xử lý và phân tích dữ liệu Web3. Mặt khác, Web3 có thể tăng độ tin cậy của AI vì bản thân Web3 là một cơ chế tín nhiệm mới. Thông qua việc tiết lộ dữ liệu và các đặc điểm có thể kiểm chứng của Web3, tính minh bạch của AI có thể được cải thiện, ngay cả trong các lĩnh vực quan trọng như báo cáo tin tức hoặc phim tài liệu, thông tin chính có thể được lưu trữ trong Web3, điều này có thể tránh được một số vấn đề của AI.
Những vấn đề phổ biến hơn trong số này là gian lận AI và các vấn đề về hộp đen AI. Một số thuật toán AI có thể dễ hiểu hơn, nhưng một số thuật toán khó giải thích, chẳng hạn như các thuật toán phức tạp như mạng thần kinh và GPT. Mọi người có thể đặt câu hỏi về cách tạo ra câu trả lời và dữ dữ liệu cũng như thuật toán của nó không đủ minh bạch. như phép màu. Ví dụ: các thuật toán nhận dạng khuôn mặt trước đây đã xác định nhầm người da đen là khỉ đột vì có quá ít hình ảnh về người da đen trong mẫu dữ liệu của họ.
Nếu dữ liệu được mô hình AI sử dụng có thể kiểm chứng được thì chúng ta có thể dễ dàng xác định hơn liệu dữ liệu có sai lệch mẫu hay không. Sử dụng dữ liệu Web3, nguồn đào tạo và kết quả của toàn bộ mô hình AI sẽ rõ ràng hơn vì tính minh bạch của nó. Bằng cách này, chúng ta có thể ứng xử AI một cách công bằng hơn, hiểu được nguồn gốc của các quyết định của nó cũng như giảm bớt những thành kiến và sai sót.
Vấn đề về hộp đen có thể được chia đại khái thành hai phần. Một phần là hộp đen của chính thuật toán mô hình, bao gồm cách mô hình được đào tạo và cách tạo ra nội dung, cả quá trình đào tạo và cơ chế thuật toán đều không rõ ràng hoặc không thể giải thích được. Phần còn lại là hộp đen của dữ liệu, không tiết lộ dữ liệu, các vấn đề với tập huấn luyện cũng sẽ dẫn đến sai lệch trong kết quả cuối cùng.
Nếu sự sai lệch này là vấn đề về độ chính xác của nội dung, chúng ta có thể tiếp tục cải thiện nó, nhưng nếu đó là vấn đề về hệ tư tưởng, đặc biệt là vấn đề phân biệt đối xử về chính trị hoặc chủng tộc thì có thể không dễ sửa chữa. Lúc này chúng ta chỉ có thể kiểm soát được dữ liệu đầu ra, ví dụ như điều quan trọng nhất của mô hình AI của nhiều hệ thống quốc gia hoặc hệ thống doanh nghiệp nhà nước là kiểm soát đầu ra của chúng, điều không thể nói là khó nhất phải làm Điều này phải có mức độ tương tự như sự lệch lạc tư tưởng vừa nêu.
Đối tác liên doanh Qiming- Tang Yi : Về sự kết hợp giữa dữ liệu AI và Web3, cá nhân tôi cho rằng rằng AI có thể hơi bị cường điệu hóa trong lĩnh vực này và các mánh lới quảng cáo vượt xa hiệu quả thực tế. Bởi vì theo quan điểm của tôi, các sản phẩm dữ liệu của Crypto vẫn còn ở giai đoạn khá sớm và công việc cơ bản về dữ liệu chưa đủ vững chắc. Trong trường hợp này, việc giới thiệu AI quá sớm hoặc phân tích dữ liệu quá nhiều có thể là quá sớm.
Ngoài ra, từ góc độ người dùng, hầu hết các kịch bản mà các dự án crypto được kết hợp với AI đều không khả thi lắm hoặc AI không được sử dụng nhiều. Bởi vì làn sóng mô hình AI phổ biến này, đặc biệt là các mô hình tổng quát, dựa trên dữ liệu Internet quy mô lớn, chẳng hạn như khả năng xử lý ngôn ngữ và tạo hình ảnh. Mặc dù một số người sử dụng AI tổng quát để cải thiện trải nghiệm người dùng và mang lại cảm giác tương tác và đối thoại tốt hơn, nhưng điều này có thể có giá trị hạn chế trong hầu hết các tình huống. Tôi cho rằng nếu chúng ta nói về AI rộng hơn (khả năng phân tích dữ liệu hoặc mô hình AI đơn giản hơn), có thể có một số tình huống, chẳng hạn như ước tính giá cho NFT dựa trên dữ liệu hoặc đội ngũ giao dịch chuyên nghiệp có thể sử dụng dữ liệu để thực hiện một số hoạt động giao dịch. Nhìn chung, đối với làn sóng AI hiện tại, tôi chưa thấy bất kỳ cơ hội nào có thể mang lại lợi ích ngắn hạn đặc biệt cho ngành crypto.
Tất nhiên, tôi cũng đã thấy một số dự án ban đầu đang cố gắng cải thiện khả năng xử lý hoặc phân tích dữ liệu thông qua AI. Ví dụ: tôi thấy các dự án ban đầu sử dụng khả năng AI để diễn giải logic của hợp đồng thông minh hoặc thực hiện các nhiệm vụ phân loại và nhận dạng. Những công việc này đòi hỏi độ chính xác cao trong lĩnh vực hợp đồng thông minh và crypto vì chúng liên quan đến các hành động quan trọng như giao dịch. Vì vậy, tôi có thể tưởng tượng rằng việc sử dụng một số khả năng AI để xử lý trước dữ liệu có thể hợp lý, nhưng cuối cùng vẫn có thể cần sự can thiệp của con người để đảm bảo độ chính xác. Nếu bạn muốn kích hoạt giao dịch trực tiếp thông qua khả năng AI, ngoài các nhà giao dịch chuyên nghiệp, tôi cho rằng cần phải có nhiều tiến bộ về mặt sản phẩm.
Matrix Partners- Zixi : Chúng tôi đã quan sát nhiều dự án dữ liệu liên quan đến Web3. Ví dụ: chúng tôi đã đầu tư vào Footprint và ban đầu tôi là người dùng trung thành của nó, cũng như Dune. Tôi nghĩ Footprint và Dune chủ yếu là dịch vụ dành cho các nhà đầu tư mạo hiểm, nhà phát triển và một số doanh nghiệp nhỏ, mối liên hệ thực sự chung với các dịch vụ này không lớn.
Ngoài ra, chúng tôi cũng xem xét một số công ty phân tích dữ liệu liên quan trực tiếp đến giao dịch hoặc lợi nhuận crypto , chẳng hạn như Nanson, defilama, token terminal, dappradar, và tất nhiên là Dune và Footprint. Những công ty này rất phù hợp với các nhà đầu tư mạo hiểm và nhà phát triển, nhưng khả năng sinh lời của họ dường như bị hạn chế. Lý do là vì nhu cầu tổng thể hiện tại về dữ liệu này của các nhà đầu tư mạo hiểm và nhà phát triển không đủ lớn và mức độ sẵn sàng chi trả của họ cũng không cao, bởi vì ngay cả khi một số dịch vụ không miễn phí thì vẫn luôn có các công ty khác cung cấp các dịch vụ miễn phí tương tự.
Chúng tôi cũng đã xem xét một số công ty tương tự như kho dữ liệu trên đám mây. Chúng tôi cũng dẫn đầu khoản đầu tư vào Chainbase với Tencent. Chúng thực sự giống như một nền tảng dữ liệu, cung cấp bảo mật, giao dịch, NFT, DeFi, trò chơi, dữ liệu xã hội và một số dữ liệu toàn diện. Nhà phát triển có thể kết hợp dữ liệu này trên các nền tảng này để tạo ra các API họ cần.
Trong thị trường gấu, chúng tôi nhận thấy rằng đối với các công ty như Chainbase, Blocksec và Footprint, nhiều khách hàng của họ thực sự là các công ty khởi nghiệp vừa và nhỏ. Ví dụ: thu nhập của Chainbase từ một số khách hàng lớn không giảm, nhưng thu nhập từ khách hàng vừa và nhỏ giảm xuống 0 sau hai hoặc ba tháng. Điều này cho thấy các dự án này không thể tiếp tục do thiếu vốn.
Do đó, các nhà cung cấp dữ liệu sẽ khó kiếm tiền nếu không có nhà phát triển mới tham gia vào thị trường gấu. Điều này cũng phản ánh rằng hiện tại trong lĩnh vực Web3, các nhà cung cấp dữ liệu chủ yếu dựa vào các nhà phát triển và doanh nghiệp nhỏ, những người cho rằng dữ liệu hữu ích. Họ tích hợp dữ liệu nội bộ và sau đó kiếm tiền từ dữ liệu đó để cân bằng thu nhập và đầu ra.
Về cốt lõi, chúng tôi vẫn cảm thấy mô hình lợi nhuận hiện tại của các công ty dữ liệu Web3, dù là ToC hay ToB, không rõ ràng lắm, dẫn đến việc các nhà cung cấp dữ liệu không có dòng tiền mạnh và ổn định. Đặc biệt đối với các doanh nghiệp vừa và nhỏ, chúng tôi cho rằng đây là nhược điểm lớn nhất của ngành dữ liệu Web3 hiện nay.
Sau đó quay lại chủ đề kết hợp dữ liệu AI và Web. Gần đây chúng tôi cũng đã xem xét và đầu tư vào một số công ty dữ liệu liên quan đến AI. Tôi nghĩ các công ty dữ liệu AI thực sự phải đối mặt với cùng một vấn đề, đó là việc bán dữ liệu. Bạn cần xem xét sự cân bằng giữa chi phí mà khách hàng phải trả và hiệu quả đầu ra của họ. Hiện tại, tôi tương đối lạc quan về triển vọng lợi nhuận của các công ty dữ liệu AI, nhưng điều này chủ yếu chỉ giới hạn ở thị trường nước ngoài.
Nếu chúng ta chỉ nhắm vào thị trường nội địa, tôi lo lắng rằng kết quả cuối cùng có thể giống như đầu tư vào một công ty Web2 SaaS, có thể có thu nhập, nhưng quy mô việc kinh doanh sẽ không quá lớn và mức độ sẵn sàng chi trả của khách hàng cũng không cao lắm. mạnh. Bạn cũng có thể cần cung cấp các dịch vụ tùy chỉnh, do đó tỷ suất lợi nhuận gộp của bạn sẽ không cao lắm. Vì vậy, tôi tương đối bi quan khi thực hiện điều này trong nước và tương đối lạc quan khi thực hiện điều này ở nước ngoài.
2 Bạn cho rằng AI có thể mang lại giá trị gì cho cơ sở hạ tầng dữ liệu Web3 và các công ty dữ liệu Web3? Tác dụng của các dự án hiện tại sử dụng AI để hỗ trợ dữ liệu Web3 là gì? Có sự đổi mới nào trong mô hình kinh doanh không?
SevenX Ventures : Tôi cho rằng trợ giúp lớn nhất mà AI có thể mang lại cho dữ liệu Web3 là về mặt hiệu quả. Ví dụ: Dune đã phát hành một công cụ mô hình AI lớn để phát hiện sự bất thường của mã và lập chỉ mục thông tin. Người dùng có thể sử dụng ngôn ngữ tự nhiên để truy vấn dữ liệu tương ứng và mã của nó sẽ được tạo tương ứng, sau đó họ cũng có thể tối ưu hóa mã. một sự cải thiện về hiệu quả.
Ngoài ra còn có dự án sử dụng AI để cảnh báo an toàn, đó là Robot AI có thể nhanh chóng xác định các vấn đề về an toàn sau khi AI đã được huấn luyện phù hợp. Ví dụ, trong thuật toán AI có một thuật toán gọi là phát hiện bất thường, hiệu quả tốt hơn so với việc nhìn trực tiếp vào phương pháp dữ liệu và phát hiện một ngoại lệ thông qua thống kê toán học thuần túy, do đó loại AI này có thể thực hiện giám sát bảo mật hiệu quả hơn . .
Ngoài ra, tôi đã thấy một số dự án sử dụng thuật toán AI, chẳng hạn như mô hình ngôn ngữ lớn, để truy xuất toàn bộ dữ liệu tin tức Web3 (không chỉ dữ liệu trên chuỗi), thực hiện tổng hợp thông tin và phân tích dư luận và hình thành Tác nhân AI. Ví dụ: người dùng có thể trực tiếp kiểm tra dư luận Internet về một token nhất định trong 30 ngày hoặc 90 ngày qua trong hộp thoại. Cho dù người dùng thiên bullish hay giảm, điểm tương ứng sẽ được đưa ra để phản ánh mức độ phổ biến ; nó cũng sẽ có một Đường cong, thông qua đường cong này, chúng ta có thể đánh giá liệu một token có đang ở thời điểm mọi người đang thảo luận hay không, nó đang đạt đến đỉnh điểm hay đang ở thời điểm đỉnh điểm của nó giảm hay đang ở thời điểm nó đang tăng? Những thứ này có thể hỗ trợ người dùng đầu tư và tôi nghĩ đây cũng là một phương pháp ứng dụng rất thú vị.
Tuy nhiên, cũng có một số dự án khác cho rằng dữ liệu của họ là nguồn dữ liệu của AI và sử dụng khái niệm AI, tôi nghĩ điều này hơi xa vời, bởi bất kỳ dữ liệu trên chuỗi đều có thể là nguồn dữ liệu của AI. Bởi vì công khai thì hơi bị nghi lợi dụng điểm nóng..
Matrix Partners- Zi Xi : Mô hình kinh doanh hiện đang là một vấn đề lớn trong lĩnh vực dữ liệu và rất khó tìm ra giải pháp. Có thể về phía ToC, sử dụng một số khái niệm của Web3, chẳng hạn như mã thông báo hoặc khái niệm phân tán, dữ liệu AI có thể áp dụng các mô hình kinh doanh khác nhau. Nhưng nếu là công nghệ AI trao quyền cho dữ liệu thì hiện tại không có nhiều điểm sáng.
AI có thể có vai trò hỗ trợ trong việc xử lý và làm sạch dữ liệu, nhưng đây chỉ là trợ giúp nội bộ, chẳng hạn như cải thiện chức năng hoặc trải nghiệm người dùng trong quá trình phát triển sản phẩm. Nhưng từ góc độ kinh doanh, không có nhiều thay đổi.
AI bot thực sự có thể tăng cường khả năng cạnh tranh và hỗ trợ người dùng, nhưng hiện tại đây không phải là lợi thế lớn, khả năng cạnh tranh cốt lõi vẫn phụ thuộc vào chất lượng của nguồn dữ liệu. Nếu nguồn dữ liệu đủ, tôi có thể lấy được thông tin mình cần. Vấn đề là nếu dữ liệu này được thương mại hóa thì những gì tôi tổng hợp lại phải có khả năng kiếm tiền được trước khi tôi sẵn sàng trả tiền cho dữ liệu. Vấn đề hiện nay là thị trường không tốt, các công ty khởi nghiệp không biết cách kiếm tiền từ dữ liệu và không có đủ công ty khởi nghiệp mới tham gia thị trường.
Tôi nghĩ điều thú vị hiện nay là một số công ty Web2 sử dụng công nghệ Web3. Ví dụ: một công ty dữ liệu tổng hợp tạo ra dữ liệu tổng hợp để sử dụng thông qua các mô hình lớn. Dữ liệu có thể được sử dụng chủ yếu trong kiểm thử phần mềm, phân tích dữ liệu và đào tạo mô hình lớn AI. Chúng liên quan đến nhiều vấn đề triển khai quyền riêng tư khi xử lý dữ liệu. Sử dụng blockchain Oasis có thể tránh được các vấn đề về quyền riêng tư dữ liệu một cách hiệu quả. Sau này, họ cũng muốn xây dựng một sàn giao dịch dữ liệu để đóng gói dữ liệu tổng hợp trong NFT để mua bán nhằm giải quyết các vấn đề về xác nhận quyền và quyền riêng tư. Tôi nghĩ đây là một ý tưởng hay, nó sử dụng công nghệ Web3 để hỗ trợ Web2 giải quyết vấn đề và không nhất thiết chỉ giới hạn ở các công ty Web3. Tuy nhiên, thị trường dữ liệu tổng hợp vẫn chưa đủ lớn và việc đầu tư vào những công ty như vậy ở giai đoạn đầu là rủi ro. Nếu thị trường hạ nguồn không thể phát triển mạnh hoặc có quá nhiều đối thủ cạnh tranh thì tình hình cũng sẽ trở nên lúng túng.
3. Trong lĩnh vực dữ liệu AI+Web3, ông có đầu tư vào dự án nào tốt hơn không, định hướng tương ứng là gì? Đâu là yếu tố then chốt quyết định đầu tư vào chúng? Cho rằng ông, năng lực cạnh tranh cốt lõi của loại dự án này là gì? AI sẽ nâng cao khả năng cạnh tranh này?
Hashkey Capital-Harper : Chúng tôi đầu tư vào các dự án dữ liệu tương đối sớm. Về cơ bản, chúng tôi đầu tư vào chúng khi AI chưa được đặc biệt chú trọng, chẳng hạn như không gian và thời gian, 0xscope, mạng trí óc, zettablock, v.v. Chìa khóa để đầu tư là xem xét vị trí của chúng và chất lượng dữ liệu. . Giờ đây, tất cả các dự án này đều sẽ có kế hoạch AI và về cơ bản chúng sẽ bắt đầu với các tác nhân trò chuyện. không gian và thời gian và chainML đã hợp tác tung ra cơ sở hạ tầng tạo ra các tác nhân AI, trong đó nhân defi được tạo ra sẽ được sử dụng trong không gian và thời gian, đây cũng là một cách kết hợp AI.
SevenX Ventures-Yuxing : Nếu dự án được tích hợp tốt với AI thì tôi có thể sẽ quan tâm đến nó hơn. Một trong những yếu tố then chốt quyết định liệu tôi có đầu tư hay không là liệu có rào cản thị trường đối với dự án hay không. Tôi đã quan sát nhiều dự án khẳng định rằng sự kết hợp của chúng với AI có thể cải thiện hiệu quả, chẳng hạn như chức năng truy vấn dữ liệu nhanh. Một số dự án có thể nhanh chóng lấy được dữ liệu NFT trên chuỗi thông qua các truy vấn ngôn ngữ tự nhiên, chẳng hạn như truy vấn 10 NFT hàng đầu có giao dịch tích cực nhất gần đây. Một dự án như vậy có thể có lợi thế của người đi đầu nhưng rào cản thị trường có thể không mạnh.
Rào cản thực sự là việc ứng dụng AI và cách các kỹ sư áp dụng AI vào các tình huống cụ thể. Các kỹ sư có kỹ năng tinh chỉnh mô hình của họ thường có thể đạt được kết quả tốt. Đối với những dự án nâng cao hiệu quả, rào cản thị trường chủ yếu nằm ở nguồn dữ liệu. Không chỉ dữ liệu trên chuỗi mà còn cả cách bên dự án xử lý và phân tích dữ liệu này. Ví dụ, các dự án được đề cập trước đây có thể nhanh chóng truy xuất dữ liệu quan trọng thông qua thuật toán AI. Tuy nhiên, hiệu quả của việc các kỹ sư tinh chỉnh mô hình còn hạn chế và lợi thế duy trì thực sự nằm ở chất lượng của nguồn dữ liệu và khả năng tối ưu hóa liên tục của nó. Đây cũng là lý do tại sao một số công ty phân tích dữ liệu có thể nổi bật trên thị trường, họ không chỉ cung cấp dữ liệu dữ liệu còn bao gồm khả năng xử lý và phân tích dữ liệu. Sự khác biệt thường nằm ở năng lực kỹ thuật và tài năng của đội ngũ. Những yếu tố này liên quan trực tiếp đến hiệu quả cuối cùng của ứng dụng kết hợp AI.
Ngoài ra, tôi cũng chú ý đến các dự án công nghệ Web3 có thể làm AI tốt hơn, vì thị trường AI rất lớn. Nếu công nghệ Web3 có thể nâng cao khả năng của AI thì các kịch bản ứng dụng sẽ rất rộng. Đây là lý do tại sao dự án ZKML lại rất phổ biến. Tuy nhiên, tôi nhận thấy rằng các dự án Web3 có xu hướng đánh giá quá cao hoặc đánh giá thấp giá trị của chúng. Mặc dù các dự án như ZKML đã thu hút được nhiều sự chú ý nhưng lợi tức đầu tư của họ không nhanh như mọi người mong đợi và cơ chế thoát ra không rõ ràng vì họ khó phát hành token hơn. Vì vậy, mặc dù những dự án này mang tính đổi mới và có tiềm năng giá trị, nhưng các nhà đầu tư cần cân nhắc cẩn thận liệu chúng có đáng đầu tư vào thời điểm hiện tại hay không và cuối cùng chúng sẽ mang lại bao nhiêu lợi nhuận.
Matrix Partners- Zixi : Chúng tôi đã đầu tư vào một công ty kết hợp AI và Web3, đó là một công ty chú thích dữ liệu có tên Questlab. Họ sử dụng công nghệ blockchain để cung cấp dịch vụ cộng đồng cho việc chú thích dữ liệu. Chú thích dữ liệu ban đầu là một ngành hoạt động trực tiếp hoặc hợp đồng phụ và rất khó để đạt được mức độ bao phủ đầy đủ của lĩnh vực kiến thức.
Theo như chú thích dữ liệu truyền thống, nó thường được chia thành ba loại: hoạt động trực tiếp, hợp đồng phụ và cung cấp dịch vụ cộng đồng. Nhưng trên thực tế, có tương đối ít người làm dịch vụ cộng đồng. Các yếu tố mà các công ty trong 3 mô hình này cần cân nhắc khi lựa chọn dịch vụ chú thích dữ liệu là: giá có rẻ không, chất lượng chú thích có cao không và hiệu quả như thế nào. Một vấn đề khác là liệu họ có thể bao quát được ngành mà họ đang tham gia hay không. Nếu bạn chỉ làm một số ngôn ngữ mô hình chung hoặc chú thích hình ảnh thì thực ra rất đơn giản, chỉ để nhận dạng từ hoặc hình ảnh tiếng Anh. Dù khó đến mấy, chẳng hạn như bạn cần phân biệt mèo, chó, mặt trăng, xe đẩy, v.v., điều này không khó. Nhưng nếu điều bạn cần làm là chú thích chuyên nghiệp hơn, chẳng hạn như chú thích mà cộng đồng robot giọng nói yêu cầu thì phức tạp hơn nhiều. Họ có thể cần gắn nhãn cho nhiều phương ngữ và nhiều ngôn ngữ, bao gồm phương ngữ tiếng Trung, phương ngữ tiếng Anh và ngôn ngữ từ các lĩnh vực thích hợp khác nhau. Rất ít studio truyền thống sẵn sàng làm công việc như vậy.
Một ví dụ phức tạp hơn là một công ty pháp lý cộng với AI, cần dán nhãn lượng lớn kiến thức pháp lý để đào tạo các mô hình khác nhau, rất khó tìm được người vừa hiểu luật vừa dán nhãn chuyên nghiệp, bạn cần phải hiểu luật của nhiều quốc gia. đồng thời, am hiểu nhiều ngành nghề khác nhau, các lĩnh vực pháp lý như luật hợp đồng, luật cho thuê, luật dân sự, luật hình sự, v.v. Hầu như không có công ty chú thích dữ liệu nào trên thị trường có thể cung cấp dịch vụ chuyên nghiệp như vậy. Luật là nghề nghiệp, cũng như tài chính, sinh học, chăm sóc y tế, giáo dục, v.v. Do đó, công việc chú thích trong các lĩnh vực này thường chỉ có thể được hoàn thành bởi đội ngũ nội bộ, những người sử dụng phương pháp cung cấp dịch vụ cộng đồng để giải quyết vấn đề bao phủ kiến thức chuyên môn.
Chúng tôi cho rằng rằng việc sử dụng blockchain để cung cấp dịch vụ cộng đồng là một hướng đi tốt, giống như những gì YGG đang làm trong lĩnh vực Gamefi. Đây là những gì chúng tôi cho rằng là một hướng đi đầy hứa hẹn.
Ngoài ra, chúng tôi cảm thấy rằng sẽ có một số cơ hội tốt trong cộng đồng mô hình mã nguồn mở. Ví dụ, một dự án do Polychain đầu tư là một mặt ôm tương tự như web3, được sử dụng để giải quyết bài toán kinh tế của những người sáng tạo nội dung mô hình.
Về sự kết hợp giữa AI và Web3 khác, tôi nghĩ rằng nếu hướng ToC có thể được kết hợp với một số trò chơi mã thông báo để cải thiện tính gắn bó, hoạt động hàng ngày và cảm xúc của toàn bộ cộng đồng, chúng tôi nghĩ điều này là khả thi. Điều này cũng giúp nhà đầu tư dễ dàng rút tiền hơn nhưng quy mô thị trường vẫn chưa chắc chắn. Đây là một số quan điểm của tôi về AI và Web3. Tôi nghĩ nếu là việc kinh doanh ToB thuần túy thì không cần dùng Web3, dùng Web2 cũng tốt.
Đối tác liên doanh Qiming- Tang Yi : Hiện tại, một số dự án dữ liệu mà chúng tôi đầu tư đang hoạt động trong các tình huống bảo mật thông qua dữ liệu trên chuỗi. Tôi cho rằng một số công việc nhận dạng mẫu AI cơ bản hoặc khám phá tính năng có liên quan và kết quả khá tốt. Tuy nhiên, công việc nâng cao hơn, chẳng hạn như nhập lượng lớn dữ liệu hoạt động vào mô hình và xác định nhiều loại thông tin, vẫn đang trong giai đoạn thử nghiệm và hiệu quả cần được xác minh. Ngoài lĩnh vực bảo mật, tình trạng tương tự còn tồn tại ở nhiều lĩnh vực khác.
Một ví dụ gần đây là khoản đầu tư của chúng tôi vào NFTGo, dựa trên phân tích dữ liệu lớn để định giá NFT. Nó có mức độ chính xác nhất định và có kế hoạch sử dụng nó để định giá Oracle và các mục đích khác. Mặc dù hệ thống này nghe có vẻ thú vị nhưng nó vẫn cần được xác nhận về mặt sản phẩm và sự chấp nhận của người dùng. Bởi vì mặc dù hiện tại có thể đạt được độ chính xác là 90 điểm hoặc 85 điểm, nhưng người dùng có thể yêu cầu mức cao hơn, chẳng hạn như 98 điểm hoặc 95 điểm, vì vậy cần phải xác minh thêm. Do đó, mặc dù một số dự án đang áp dụng các khả năng AI đơn giản như phân tích dữ liệu và nhận dạng mẫu cho sản phẩm, nhưng liệu nó có trở thành yếu tố chính hay không vẫn chưa được xác minh.
Về mức độ sẵn sàng đầu tư, cá nhân tôi sẽ không có xu hướng đầu tư nhiều hơn chỉ vì dự án có một số mánh lới quảng cáo AI, bởi vì tôi cho rằng hiệu quả thực tế và liệu dự án có thể đạt được mục tiêu và mang lại lợi ích hay không quan trọng hơn. Tôi có thể hiểu nếu một dự án chỉ gây chú ý về mặt tên gọi hoặc hoạt động tiếp thị như một chiêu trò tiếp thị để thu hút nhiều sự chú ý hoặc hiển thị hơn. Nhưng trong các quyết định đầu tư, tôi cho rằng điều quan trọng hơn là kết quả thực tế.
Ví dụ, một số dự án đang làm việc trên ZKML, đường đua này dường như đã thu hút được nhiều sự chú ý, nhưng đồng thời cũng có một câu hỏi lớn, đó là nó được sử dụng cho kịch bản nào. Tôi nghĩ rằng sự không chắc chắn đặc biệt mạnh mẽ vào lúc này và nó thiên về một câu chuyện lớn hơn.
4 Từ góc độ phát triển chung của ngành, đâu là những cơ hội hoặc hướng phát triển tiềm năng cho đường dữ liệu AI + Web3 trong tương lai? Trong tương lai, liệu AI có thể nâng cấp hoàn toàn các sản phẩm dữ liệu và đưa ra các khái niệm mới? Liệu nó có làm tăng mức độ sẵn sàng chi trả của người dùng không?
Hashkey Capital-Harper : Chắc chắn có những cơ hội tiềm năng. Hướng phát triển trong tương lai thực sự còn tụt hậu so với AI web2, nơi mà khả năng sáng tạo rõ ràng mạnh mẽ hơn. AI trên web3 có lẽ cũng là sự triển khai bản đồ của AI web2.
Đối tác ma trận- Zixi : Tôi nghĩ Miaoya Camera gần đây đã khiến mọi người nhận ra rằng mọi người thực sự sẵn sàng trả tiền cho các sản phẩm AI. Điều này không giống như các sản phẩm hoặc trò chơi SaaS truyền thống, nơi mọi người mong đợi được sử dụng chúng miễn phí. Sự sẵn lòng trả tiền cho AI của người dùng thực sự khá mạnh mẽ.
Tôi có thể cung cấp một số ý tưởng trong tương lai. Có một bước quan trọng trong quy trình gắn nhãn dữ liệu của chúng tôi được gọi là gắn nhãn trước, nghĩa là chúng tôi huấn luyện một mô hình và để mô hình đó thực hiện việc gắn nhãn chính. Bước này rất có giá trị và có thể tiết kiệm rất nhiều chi phí lao động. Chúng tôi đưa dữ liệu thô vào mô hình được đào tạo trước để chú thích trước, sau đó thực hiện xử lý dữ liệu bán tự động và cuối cùng thực hiện chú thích chính xác theo cách thủ công. Chú thích trước có thể cải thiện đáng kể hiệu quả. Ban đầu có thể cần 100 người, giờ đây có thể chỉ cần 50 đến 70 người.
Ngoài ra, việc ghi nhãn trước còn liên quan đến sự cộng tác giữa AI và con người. Thông qua phản hồi của bạn, khả năng ghi nhãn trước của mô hình có thể được cải thiện liên tục, từ đó giảm số lượng người cần thiết cho đội ngũ ghi nhãn dữ liệu . Khi AI và con người cộng tác ngày càng tốt hơn, đội ngũ 100 người có thể chỉ cần 30 người. Tuy nhiên, quá trình này có giới hạn thấp hơn, ngay cả khi việc cộng tác AI được thực hiện rất tốt thì vẫn cần một lượng lao động thủ công nhất định để chú thích và đánh giá cuối cùng.
Trong các lĩnh vực khác, vì tôi không phải là nhà khoa học dữ liệu nên cá nhân tôi chưa làm sạch dữ liệu hoặc sử dụng dữ liệu để thực hiện các truy vấn SQL, vì vậy tôi không biết AI có thể cung cấp bao nhiêu trợ giúp trong các lĩnh vực này.
Đối tác liên doanh Qiming- Tang Yi : Tôi nghĩ về lâu dài nên có sự giao thoa giữa Web3 và AI. Ví dụ, từ góc độ ý thức hệ, hệ thống giá trị của Web3 có thể được kết hợp với AI và rất phù hợp làm hệ thống tài khoản hoặc hệ thống chuyển đổi giá trị của bot. Hãy tưởng tượng một robot có tài khoản riêng và có thể kiếm tiền từ các bộ phận thông minh của nó, cũng như trả tiền để duy trì sức mạnh tính toán cơ bản của nó, v.v. Những khái niệm này hơi giống khoa học viễn tưởng và các ứng dụng thực tế có thể vẫn còn rất xa.
Hướng khả thi thứ hai là xác minh xem đầu ra của mô hình AI có dựa trên một danh mục cụ thể hay một mô hình cụ thể hoặc dữ liệu cụ thể hay không và liệu nó có đáng tin cậy hay không. Những lĩnh vực này có thể được sử dụng trong các mô hình AI đáng tin cậy. Đây là những điều rất thú vị từ góc độ kỹ thuật, nhưng liệu có đủ nhu cầu thị trường hay không thì vẫn chưa chắc chắn.
Mặt khác, sự xuất hiện của AI đã khiến việc tạo ra nội dung dữ liệu trở nên phổ biến và rẻ tiền. Đối với những nội dung như tác phẩm kỹ thuật số, rất khó để xác định chất lượng và người sáng tạo. Về vấn đề này, việc xác minh nội dung dữ liệu có thể yêu cầu một hệ thống hoàn toàn mới, bao gồm cả nhân vật của người tạo và người đại diện. Nhưng nhìn chung, những vấn đề này có thể vẫn cần được giải quyết và nội dung tường thuật có thể mất nhiều thời gian hơn để phát triển. Trong ngắn hạn, chúng ta nên tiếp tục tập trung vào chất lượng của dữ liệu cơ bản và kỳ vọng các mô hình sẽ trở nên mạnh mẽ hơn.
Ngoài ra, xét về mặt thương mại hóa, việc thương mại hóa các sản phẩm dữ liệu quả thực rất khó khăn. Nhưng tôi cho rằng ở góc độ kinh doanh, AI có thể không phải là giải pháp cho vấn đề thương mại hóa sản phẩm dữ liệu trong ngắn hạn. Thương mại hóa đòi hỏi nhiều nỗ lực sản xuất hơn, không chỉ khả năng dữ liệu. Vì vậy, các dự án này có thể yêu cầu phát triển các sản phẩm bổ sung để thương mại hóa.
