Viết bởi: Chia Jeng Yang & Caroline Cahilly, Pantera Capital
Biên soạn bởi: TechFlow TechFlow
Pantera Capital gần đây đã xuất bản một bài viết dài, mô tả chi tiết và sâu sắc về xu hướng, chiến lược đầu tư, lĩnh vực trọng tâm và dự đoán xu hướng cho thị trường crypto năm 2024.
Vì bài viết dài nên chúng tôi đã chia thành nhiều phần khác nhau tùy theo chủ đề nội dung.
Bài viết này là bài thứ tư trong toàn văn và được viết bởi Chia Jeng Yang, giám đốc điều hành của Pantera và thực tập sinh Caroline.
Có thể thấy rằng anh ấy quan tâm đến sự kết hợp giữa AI và Web3, đồng thời đã phân tích chi tiết về sự kết hợp giữa AI và crypto, cho rằng Web3 có thể đóng một vai trò nào đó trong việc suy luận, bảo mật dữ liệu và khích lệ các hệ thống AI. Các bài hát liên quan Nó cũng chứa đựng các cơ hội.
TechFlow đã biên soạn phần này và sau đây là văn bản chính.
Tốc độ đổi mới diễn ra trong hệ sinh thái công nghệ blockchain tạo ra các thị trường và ngành dọc mới theo từng chu kỳ. Nghiên cứu mà chúng tôi tiến hành mở rộng luận điểm của mình và giúp chúng tôi đón đầu địa vị, đồng thời giúp chúng tôi tối đa hóa mức độ bao phủ khi tìm kiếm và đầu tư vào các giao dịch. Trong các bài viết sau, chúng tôi sẽ chia sẻ những lĩnh vực mà chúng tôi đang tích cực tập trung vào.
AI x WEB3
AI: kết hợp trí tuệ con người và máy tính
Đầu ra được tạo ra bởi các mô hình trí tuệ nhân tạo, chẳng hạn như mô hình ngôn ngữ lớn, phải là kết quả của sự tương tác tối ưu giữa bộ não con người và máy tính, dữ liệu và khích lệ.
Khả năng giao tiếp bằng ngôn ngữ tự nhiên là điều thú vị về LLM, bởi vì con người và AI có thể sử dụng cùng một ngôn ngữ để trình bày chi tiết các quy trình phức tạp. Đây là một bước quan trọng hướng tới tương lai của các hệ thống phối hợp trong đó con người. Để làm cho sự hợp tác này trở nên tốt hơn nữa, chúng ta vẫn cần phát triển các khung, cơ chế và công cụ mạnh mẽ giữa con người và máy móc để khuyến khích các hệ thống AI suy nghĩ hiệu quả hơn, đưa ra các câu trả lời hữu ích hơn và đạt được kết quả tối ưu.
Cách Web3 thúc đẩy sự tương tác này
Các khung khích lệ trên máy tính sẽ xác định cách con người tương tác với AI bằng cách khích lệ nguồn cung ứng từ cộng đồng, trách nhiệm giải trình, v.v. Mặt khác, chúng tôi muốn xem xét các sản phẩm tối đa hóa/tối ưu hóa sự tương tác xảy ra giữa bộ não máy tính/AI và bộ não con người (ví dụ: người nắm giữ token , nhà phát triển), đặc biệt tập trung vào các trường hợp sử dụng trung và dài hạn.
Trong thời gian sắp tới, chúng ta sẽ đi sâu vào ba khía cạnh sau đây của sự tương tác giữa con người và máy tính trong kỷ nguyên trí tuệ nhân tạo:
Dưới đây là một số điểm nổi bật về những gì crypto có thể cung cấp cho AI, sẽ được đề cập trong suốt bài viết:
Thanh toán: Thanh toán tài chính truyền thống được xác định rõ ràng. Crypto chỉ yêu cầu một vài dòng mã. Khả năng lập trình giúp tích hợp đơn giản các sản phẩm phần mềm, nhà phát triển chỉ cần nhúng địa chỉ ví vào cơ sở mã. Khả năng lập trình cũng cung cấp các khoản thanh toán dựa trên tính toán linh hoạt, đòi hỏi quá nhiều chi phí kiểm toán trong cơ sở hạ tầng hiện có. . Bằng cách tránh cơ sở hạ tầng tài chính toàn cầu lỗi thời, nó làm giảm rào cản gia nhập thị trường cho các sản phẩm có cơ sở người dùng quốc tế. Ngoài ra, giao dịch crypto có thể cung cấp mức phí thấp hơn so với thanh toán truyền thống. Tích hợp đơn giản và chi phí thấp đặc biệt có lợi cho các dự án mã nguồn mở mã nguồn mở thường có nguồn lực hạn chế và tính đơn giản là chìa khóa cho sự hợp tác và áp dụng.
Nguồn lực cộng đồng: Khi phản hồi của con người về các mô hình LLM ngày càng trở nên quan trọng, khích lệ của Web3 cho phép nguồn lực cộng đồng dữ dữ liệu diễn ra với tốc độ và quy mô lớn hơn. Một hệ thống khen thưởng (và hình phạt) có cấu trúc cũng sẽ thúc đẩy thông tin chất lượng cao thu hút lượng lớn người đóng góp đến từ nhiều bối cảnh nhau.
Kiểm soát dữ liệu: Việc kiểm soát dữ liệu của riêng bạn (yêu cầu nguồn gốc dữ liệu và quyền riêng tư) ngày càng trở nên quan trọng trong bối cảnh này vì:
a. Nếu người dùng có thể dễ dàng được trả tiền hoặc có được trải nghiệm tốt hơn thì họ có thể chủ động kiểm soát dữ liệu của mình (điều này hiện có vẻ khả thi). Với sự gia tăng của các đại lý tự trị, người dùng sẽ có thể được trả tiền cho dữ liệu của họ mà không cần phải can thiệp tích cực. Và những người dùng nắm quyền kiểm soát dữ liệu của chính họ xứng đáng có trải nghiệm trải nghiệm trải nghiệm kém chất lượng hiện được cung cấp bởi các thuật toán cá nhân hóa. Không giống như các nỗ lực ví dữ liệu trước đây, LLM giờ đây không chỉ có thể tự động hóa việc thu thập dữ liệu thủ công trên các nền tảng trên quy mô lớn mà còn bối cảnh hóa tốt hơn dữ liệu ngôn ngữ tự nhiên phi cấu trúc.
b) Công ty có thể đi đầu trong việc kiểm soát dữ liệu để bảo vệ thông tin bí mật. Các tiêu chuẩn mới sau đó sẽ áp dụng cho các cá nhân.
Ba ý tưởng mà chúng tôi đặc biệt hứng thú là:
Lý luận phản hồi của con người: lý luận logic thông qua biểu đồ tri thức có nguồn gốc từ cộng đồng (zk)
Theo dõi máy học (ML) Tiền bản quyền nội dung do trí tuệ nhân tạo (AIGC): Sử dụng tính năng theo dõi ML để tính tiền bản quyền đối với nội dung dữ liệu thô đằng sau AIGC
Bản sao kỹ thuật số quảng cáo: Vì LLM thay thế các công cụ tìm kiếm làm yếu tố hình thức để truy xuất thông tin nên sở thích của người dùng sẽ được điều khiển bằng cách tương tác với LLM thay vì tìm kiếm qua các trang web. Quảng cáo trong thế giới AI sẽ yêu cầu cơ sở hạ tầng cho phép công nghệ quảng cáo tự động rút sở thích cá nhân từ bản sao kỹ thuật số.
lý luận
Bất chấp sự cường điệu của thị trường, LLM đã cho thấy khó khăn trong việc lập kế hoạch, lý luận, hiểu thế giới vật chất và nhiệm vụ tương tự nhiệm vụ con người vượt trội. Những lỗi này có thể xảy ra do lượng lớn LLM bắt chước lý luận dựa trên các mẫu dữ liệu mà không thực sự hiểu các nguyên tắc logic/vật lý cơ bản, do đó hiệu suất LLM không đủ tốt theo tiêu chuẩn của con người.
Giá trị của lý luận nguyên tắc nằm ở khả năng giải quyết các vấn đề chưa biết, đặc biệt khi đưa ra bằng chứng thuyết phục rằng máy biến áp không thể vượt qua dữ liệu huấn luyện. Chúng tôi đang tìm kiếm giải pháp cho vấn đề suy luận có thể hỗ trợ cả mô hình cơ sở và bất kỳ hệ thống tích hợp LLM nào hiện nay, tập trung vào cơ chế phản hồi của con người để suy luận tốt hơn.
Hợp lý
Sơ đồ tri thức (phương pháp nắm bắt mối quan hệ giữa các thực thể, sự kiện và khái niệm bằng cơ sở dữ liệu có cấu trúc) cung cấp một phương pháp thú vị để kết hợp lý luận logic vào LLM.
Dưới đây là ví dụ về cách chúng có thể được kết hợp:
Truy xuất tri thức động: Trong quá trình suy luận, các thông tin liên quan được truy xuất động từ biểu đồ theo một cơ chế chú ý nhất định.
Vòng phản hồi: Nếu kết quả đầu ra sai lệch đáng kể so với cách hiểu về biểu đồ, hãy sử dụng phản hồi này để tinh chỉnh thêm.
Sơ đồ tri thức được cộng đồng cung cấp : Crowdsourcing sẽ định nghĩa lại việc thu thập và chứng nhận thông tin, giúp phát triển một “kho chứa tất cả kiến thức và văn hóa của con người”.
Biểu đồ tri thức được cộng đồng cung cấp sẽ khích lệ người dùng đóng góp dữ liệu và kết nối logic của họ thông qua thanh toán tự động khi các mô hình truy cập đóng góp của họ. Để duy trì tính chính xác, những đóng góp không chính xác sẽ bị phạt, điều này được xác định bởi một nhóm người xác thực thực thi bộ tiêu chuẩn đã được thống nhất. Xác định các tiêu chí này (cho từng sơ đồ) sẽ là một trong những cân nhắc quan trọng nhất để thành công.
Web3 cung cấp một cách khích lệ tạo ra các biểu đồ tri thức ở quy mô cần thiết. Ngoài ra, các lỗ hổng trong suy luận LLM sẽ là mục tiêu di động và Web3 cung cấp một cách khích lệ việc cung cấp dữ liệu cụ thể khi xảy ra các lỗ hổng.
Ngoài ra, một hệ thống khen thưởng (và hình phạt) có cấu trúc sẽ thúc đẩy thông tin chất lượng cao và thu hút lượng lớn người đóng góp đến từ nhiều bối cảnh khác nhau. Đáng chú ý, người dùng tạo ra giá trị bằng cách chia sẻ dữ liệu theo cách hiệu quả, có tổng khác 0, không giống như các thị trường dự đoán có tổng bằng 0 và oracle phi tập trung .
Cuối cùng, việc cung cấp dịch vụ cộng đồng cho các biểu đồ này ở giới hạn của trí tuệ nhân tạo hiện tại sẽ giúp duy trì độ chính xác phù hợp (tức là không sao chép khả năng suy luận của LLM hiện có).
Cơ chế tín nhiệm và trách nhiệm giải trình
1. Quyền riêng tư dữ liệu
AI đang được phát triển để kiểm soát dữ liệu người dùng có thể sớm cạnh tranh với hệ sinh thái phần cứng của Apple. Chúng ta phải xem xét quyền riêng tư dữ liệu vì:
Khi AI thâm nhập liền mạch vào mọi khía cạnh trong cuộc sống của chúng ta, từ thiết bị nhà thông minh đến các ứng dụng chăm sóc sức khỏe, lượng thu thập dữ liệu AI đang tăng trưởng theo cấp số nhân.
Chúng tôi đang tiếp cận điểm uốn trong khả năng tạo nội dung được cá nhân hóa của AI (ví dụ: sử dụng LLM) và niềm tin của người dùng vào khả năng này. Khi người dùng ngày càng chuyển sang sử dụng AI để mang lại trải nghiệm và sản phẩm thực sự được cá nhân hóa thường xuyên hơn và trên quy mô lớn hơn, tốc độ chia sẻ dữ liệu với AI sẽ tăng lên đáng kể.
Do đó, quyền riêng tư dữ liệu rất quan trọng để xây dựng tín nhiệm của người dùng vào hệ thống AI và cho phép các nhà phát triển tránh lạm dụng dữ liệu như truy cập trái phép, đánh cắp danh tính và thao túng.
Các công nghệ Web3 như Bằng chứng không tri thức(zk-SNARK) và crypto đồng hình hoàn toàn (FHE) sẽ cho phép các cá nhân thực sự sở hữu/kiểm soát dữ liệu của riêng họ bằng cách cho phép tương tác crypto và đảm bảo rằng thông tin nhạy cảm vẫn nằm trong tay người dùng.
Lệnh điều hành gần đây của Hoa Kỳ về trí tuệ nhân tạo nhấn mạnh tầm quan trọng của việc “tăng cường nghiên cứu và công nghệ bảo vệ quyền riêng tư, chẳng hạn như các công cụ crypto để bảo vệ quyền riêng tư cá nhân” và đưa ra các yêu cầu báo cáo cho các mô hình lớn. Điều này có nghĩa là tính mở của quy định tăng lên đối với phương pháp về quyền riêng tư/nguồn gốc của Web3 và thậm chí có khả năng phương pháp này trở thành tiêu chuẩn tuân thủ.
Đồ thị tri thức ZK được cung cấp bởi cộng đồng : Thông qua các biểu đồ không có kiến thức được cung cấp bởi cộng đồng , AI có thể hưởng lợi từ dữ liệu sở hữu tư nhân . Cụ thể, chúng sẽ có nút"công khai"trong đó dữ liệu công khai cũng như nút " sở hữu tư nhân " trong đó dữ liệu crypto . Các mô hình có thể sử dụng các kết nối logic giữa nút để đi đến câu trả lời mà không tiết lộ kiến thức, tức là nút được tham chiếu trong câu trả lời cuối cùng sẽ được công khai, nhưng nút được sử dụng để đi đến câu trả lời không cần phải công khai.
Những biểu đồ này cũng có thể giúp xóa dữ liệu người dùng dễ dàng hơn vì việc truy cập chúng trong thời gian thực (ví dụ: thông qua truy xuất kiến thức động) sẽ tránh việc lưu trữ dữ liệu ngầm trong mô hình được đào tạo.
2. Nguồn
Nếu không có nguồn gốc xuất xứ, AI có thể tạo ra hoàn cảnh ngụy tạo độ sâu và sử dụng dữ liệu cá nhân/riêng tư/độc quyền một cách tự do. Với Web3, chúng tôi có thể xác định nguồn gốc của dữ liệu được sử dụng bởi NFT, các nội dung và mô hình truyền thông khác, cung cấp nhiều giải pháp đầy hứa hẹn.
Học máy theo dõi tiền bản quyền nội dung do AI tạo ra: Ngụy tạo độ sâu , sự nổi lên của AIGC trong nghệ thuật đặt ra những thách thức đặc biệt đối với sở hữu trí tuệ và tiền bản quyền. Ví dụ: nếu hệ thống AIGC tạo ra một bản kết hợp các bài hát của hai nghệ sĩ nổi tiếng, thì tín dụng và phần thưởng tài chính sẽ được phân bổ như thế nào cho các nghệ sĩ? Các mô hình truyền thống được sử dụng để xác định sự phân bổ như vậy ngày càng không phù hợp với AIGC do tính phức tạp và tính biến đổi của chúng.
Khả năng truy xuất nguồn gốc bằng máy học cung cấp một phương pháp để xác định các thành phần ban đầu của công việc AIGC và việc kiểm soát xuất xứ tại thời điểm AIGC được tạo ra là rất quan trọng để cho phép khả năng truy xuất nguồn gốc này.
Trong trường hợp AIGC không có cơ sở hạ tầng thanh toán toàn cầu mạnh mẽ, các nền tảng như YouTube vốn đã có cơ chế thanh toán tiền bản quyền sẽ có lợi thế và có cơ hội tập trung hơn nữa quyền lực/ảnh hưởng của mình.
Để dân chủ hóa hoạt động sáng tạo của AIGC và đảm bảo các nghệ sĩ được trả thù lao công bằng, cần có một hệ thống thanh toán mới. Mạng thanh toán blockchain tích hợp nguyên bản với mô hình AIGC cho phép thanh toán toàn cầu ngay lập tức ngay từ ngày đầu tiên. Khả năng truy xuất nguồn gốc của máy học và blockchain sau đó có thể tích hợp vào nhiều nền tảng khác nhau, làm giảm đi những lợi thế mà các nền tảng hiện có như YouTube hiện có.
Đầu tư vào công nghệ này có thể hỗ trợ việc phân phối tiền bản quyền một cách công bằng và cũng có thể thúc đẩy sự đổi mới của AIGC bằng cách mở ra cơ hội cho nhiều người sáng tạo hơn.
Khích lệ AI
Khi các mô hình AI hoạt động ngày càng tự chủ, chúng tôi hy vọng sẽ phát triển các hệ thống có thể khích lệ chúng hành xử phù hợp với mong muốn của con người.
đại lý tự trị
Tác nhân tự trị là các mô hình có thể tương tác thông minh với hoàn cảnh của chúng (ví dụ: tận dụng các công cụ và tạo lệnh gọi API để truy cập dữ liệu thời gian thực), tương tác với các thuật toán để suy luận và ra quyết định cũng như thực hiện các hành động mà không cần sự kiểm soát trực tiếp của con người. Họ thể hiện hành vi hướng đến mục tiêu và có thể học hỏi kinh nghiệm, nhưng chỉ đáng tin cậy trong hoàn cảnh rất hẹp (ví dụ: lái xe tự động). Khi các mô hình AI ngày càng chuyển từ truy xuất thông tin sang các tác nhân tự trị được người dùng con người ủy quyền có thể xác minh để thực hiện các hành động thay mặt người dùng, thì việc áp dụng thương mại bằng cách sử dụng tiền tệ kỹ thuật số có thể sẽ tăng lên.
Nhắm mục tiêu song sinh kỹ thuật số : Quảng cáo dựa trên tìm kiếm truyền thống đang giảm do các mô hình AI đàm thoại như ChatGPT được kỳ vọng sẽ trở thành nguồn truy xuất thông tin chính. Điều này đặt ra thách thức đối với ngành AdTech vì quảng cáo truyền thống thông qua công cụ tìm kiếm và cookie phải đối mặt với lợi nhuận giảm dần.
Khi thị trường bắt đầu nhận ra rằng các mô hình cá nhân này, chứ không phải cookie, là đơn vị cơ bản để hiểu sở thích của người dùng, các mô hình cho phép nhà quảng cáo rút tùy chọn của người dùng từ các mô hình hiện có khác có thể bắt đầu vị trí chủ đạo . Bằng cách sử dụng các mô hình này, nhà quảng cáo có thể đạt được mức độ cá nhân hóa chưa từng có trước đây trong khi vẫn duy trì quyền riêng tư của người dùng thông qua phương pháp crypto .
Một nền tảng mới tạo điều kiện cho sự tương tác này có khả năng vượt qua những gã khổng lồ về phần mềm và phần cứng hiện có như Google và Apple.
Cụ thể, khi người dùng quyết định tạo bản sao kỹ thuật số, họ cấp cho nó quyền truy cập vào lịch sử tìm kiếm, tài khoản hiện tại của họ (ví dụ: Google, ChatGPT, Amazon), ổ cứng, v.v. Cặp song sinh sẽ phát triển bản tóm tắt ban đầu về dữ liệu của họ, bao gồm các công ty mà họ tương tác, sở thích, v.v. và liên tục cập nhật dữ liệu đó.
Sau đó, người dùng có thể đặt quyền về cách thức và đối tượng mà bản song sinh kỹ thuật số được phép bán dữ liệu của mình. Ví dụ: hãy tưởng tượng một nút có nội dung "Hãy để bot quảng cáo của tôi giao tiếp với GPT-4, Meta AI, v.v." Bản song sinh kỹ thuật số sẽ tự động tương tác với mô hình AI của nhà quảng cáo. Mô hình của nhà quảng cáo sẽ xác định liệu nó có đáng để nhắm mục tiêu hay không mà không cần biết danh tính của người dùng. Khi được nhắm mục tiêu, người dùng sẽ nhận được quảng cáo dưới nhiều hình thức khác nhau (ví dụ: qua văn bản, thảo luận với LLM, v.v.) và được trả tiền dưới dạng khuyến khích.
Trong thị trường song sinh kỹ thuật số này, mạng thanh toán crypto có thể là cách dễ dàng nhất để cho phép các mô hình bù đắp cho sự tương tác của chúng với các mô hình khác, vì các giao dịch chỉ yêu cầu một vài dòng mã. Ngoài ra, khích lệ nên được thiết kế để đảm bảo rằng các bản sao kỹ thuật số được nhắm mục tiêu mang lại giá trị tối đa cho các nhà quảng cáo. Do đó, nhà quảng cáo chỉ nên nhắm mục tiêu đến bản sao kỹ thuật số có dữ liệu rõ ràng, chính xác thể hiện sở thích của người dùng.
Tóm tắt
Sự kết hợp giữa công nghệ AI và Web3 có khả năng cách mạng hóa lý luận, quyền riêng tư dữ liệu và khích lệ các hệ thống AI. Các giải pháp dựa trên blockchain sẽ tạo điều kiện thuận lợi cho các giao dịch và xử lý dữ liệu an toàn và hiệu quả, đồng thời khích lệ đóng góp từ các nguồn khác nhau để tăng cường phát triển và ứng dụng trí tuệ nhân tạo. Sự cộng sinh giữa trí tuệ nhân tạo và crypto này có khả năng tạo ra các hệ thống trí tuệ nhân tạo mạnh mẽ, hiệu quả, lấy người dùng làm trung tâm hơn để giải quyết các thách thức chính trong lĩnh vực trí tuệ nhân tạo.
