Khi Jen-Hsun Huang phát biểu tại WGS ở Dubai, anh ấy đã đề xuất thuật ngữ “AI có chủ quyền”. Vậy AI có chủ quyền nào có thể đáp ứng được lợi ích và nhu cầu của cộng đồng Crypto?
Có lẽ nó cần được xây dựng dưới dạng Web3+AI.
Vitalik đã mô tả sức mạnh tổng hợp giữa AI và Crypto trong bài viết “Lời hứa và thách thức của các ứng dụng crypto + AI”: Dữ liệu phi tập trung của Blockchain có thể cân bằng sự tập trung của AI; Dữ liệu. Kiểu cộng tác này xuyên suốt toàn bộ bối cảnh công nghiệp của Web3+AI.
Hầu hết các dự án Web3 + AI đang sử dụng công nghệ blockchain để giải quyết các vấn đề xây dựng của các dự án cơ sở hạ tầng trong ngành AI và một số dự án đang sử dụng AI để giải quyết một số vấn đề nhất định trong ứng dụng Web3.
Bức tranh ngành Web3 + AI đại khái như sau:
Quá trình sản xuất và quy trình làm việc của AI đại khái như sau:
Trong các liên kết này, sự kết hợp giữa Web3 và AI chủ yếu được thể hiện ở 4 khía cạnh:
1. Lớp tỷ lệ băm : Tài sản tỷ lệ băm
Trong hai năm qua, tỷ lệ băm được sử dụng để đào tạo các mô hình AI lớn tăng trưởng theo cấp số nhân, về cơ bản tăng gấp đôi mỗi quý và tăng trưởng với tốc độ vượt xa Định luật Moore. Tình trạng này đã dẫn đến sự mất cân bằng lâu dài trong cung và cầu tỷ lệ băm AI, đồng thời giá phần cứng như GPU tăng nhanh, do đó làm tăng chi phí tỷ lệ băm.
Nhưng đồng thời, trên thị trường cũng có lượng lớn phần cứng tỷ lệ băm cấp trung đến cấp thấp nhàn rỗi. Có thể tỷ lệ băm đơn lẻ của bộ phận phần cứng cấp trung đến cấp thấp này không thể đáp ứng cao. -nhu cầu thực hiện. Tuy nhiên, nếu mạng tỷ lệ băm phân tán được xây dựng thông qua Web3 và mạng tài nguyên điện toán phi tập trung được tạo ra thông qua việc cho thuê và chia sẻ tỷ lệ băm , nó vẫn có thể đáp ứng nhu cầu của nhiều ứng dụng AI. Bởi vì nó sử dụng tỷ lệ băm nhàn rỗi được phân phối nên chi phí cho tỷ lệ băm AI có thể giảm đáng kể.
Phân tích lớp tỷ lệ băm bao gồm:
Tỷ lệ băm phi tập trung chung (như Arkash, Io.net, v.v.);
Tỷ lệ băm phi tập trung để đào tạo AI (như Gensyn, Flock.io, v.v.);
Tỷ lệ băm phi tập trung cho lý luận AI (chẳng hạn như Fetch.ai , Hyperbolic, v.v.);
Tỷ lệ băm phi tập trung để hiển thị 3D (chẳng hạn như Mạng kết xuất, v.v.).
Ưu điểm cốt lõi của tài sản tỷ lệ băm của Web3+AI nằm ở các dự án tỷ lệ băm phi tập trung . Kết hợp với khích lệ token , có thể dễ dàng mở rộng quy mô mạng và chi phí tài nguyên máy tính của nó thấp và tiết kiệm chi phí, có thể đáp ứng một số nhu cầu từ trung bình đến cao. -yêu cầu tỷ lệ băm cấp thấp.
2. Lớp dữ liệu : tài sản dữ liệu
Dữ liệu là dầu và máu của AI. Nếu không dựa vào Web3, nhìn chung chỉ những công ty khổng lồ mới có lượng lớn dữ liệu người dùng. Các công ty khởi nghiệp bình thường khó có được dữ liệu phong phú và giá trị của dữ liệu người dùng trong ngành AI không được phản hồi lại cho người dùng. Thông qua Web3+AI, các quy trình như thu thập dữ liệu, chú thích dữ liệu và lưu trữ dữ liệu phân tán có thể được thực hiện rẻ hơn, minh bạch hơn và có lợi hơn cho người dùng.
Thu thập dữ liệu chất lượng cao là điều kiện tiên quyết để đào tạo mô hình AI Thông qua Web3, bạn có thể sử dụng mạng phân tán, kết hợp với các cơ chế khích lệ Token phù hợp và phương pháp thu thập nguồn lực từ cộng đồng để có được dữ liệu rộng rãi và chất lượng cao với chi phí thấp hơn.
Theo mục đích của dự án, các dự án dữ liệu chủ yếu bao gồm các loại sau:
Các dự án thu thập dữ liệu(như Grass, v.v.);
Các dự án giao dịch dữ liệu(chẳng hạn như Ocean Protocol , v.v.);
Các dự án chú thích dữ liệu (như Taida, Alaya, v.v.);
Các dự án nguồn dữ liệu blockchain (như Spice AI, Không gian và thời gian, v.v.);
Các dự án lưu trữ phi tập trung(như Filecoin, Arweave , v.v.).
Các dự án Web3+AI dựa trên dữ liệu gặp nhiều thách thức hơn trong quá trình thiết kế mô hình kinh tế Token vì dữ liệu khó chuẩn hóa hơn tỷ lệ băm.
3. Lớp nền tảng: Tài sản giá trị nền tảng
Hầu hết các dự án nền tảng sẽ được so sánh với Hugging Face, với cốt lõi là tích hợp nhiều nguồn lực khác nhau trong ngành AI. Thiết lập một nền tảng tổng hợp các liên kết đến nhiều tài nguyên và nhân vật khác nhau như dữ liệu, tỷ lệ băm, mô hình, nhà phát triển AI và blockchain để giải quyết các nhu cầu khác nhau một cách thuận tiện hơn với nền tảng làm trung tâm. Ví dụ, Giza tập trung vào việc xây dựng nền tảng vận hành zkML toàn diện, nhằm mục đích làm cho suy luận của máy học trở nên đáng tin cậy và minh bạch, bởi vì hộp đen dữ liệu và mô hình là những vấn đề phổ biến trong AI hiện nay. Nó sử dụng các mật khẩu như ZK và FHE thông qua kỹ thuật Web3 Learning. Việc xác minh rằng lý luận của mô hình thực sự được thực hiện chính xác sớm hay muộn sẽ được ngành công nghiệp kêu gọi.
Ngoài ra còn có layer1/ Layer2 dành cho Focus AI, chẳng hạn như Nuroblocks, Janction, v.v. Câu chuyện cốt lõi kết nối nhiều tỷ lệ băm, dữ liệu, mô hình, nhà phát triển AI, nút và các tài nguyên khác, đồng thời giúp các ứng dụng Web3+AI đạt được sự xây dựng và phát triển nhanh chóng bằng cách đóng gói các thành phần chung và SDK chung.
Ngoài ra còn có các nền tảng loại Mạng tác nhân, dựa trên đó Tác nhân AI có thể được xây dựng cho các tình huống ứng dụng khác nhau, chẳng hạn như Olas, ChainML, v.v.
Các dự án Web3+AI loại nền tảng chủ yếu sử dụng Token để nắm bắt giá trị của nền tảng và khích lệ tất cả những người tham gia nền tảng cùng nhau xây dựng nó. Nó rất hữu ích cho các dự án khởi nghiệp từ 0 đến 1 và có thể giảm bớt khó khăn cho các bên dự án trong việc tìm kiếm đối tác như tỷ lệ băm, dữ liệu, cộng đồng nhà phát triển AI, nút, v.v.
4. Lớp ứng dụng: Tài sản giá trị AI
Hầu hết các dự án cơ sở hạ tầng trước đây đều sử dụng công nghệ blockchain để giải quyết các vấn đề về xây dựng dự án cơ sở hạ tầng trong ngành AI. Các dự án lớp ứng dụng thiên về sử dụng AI để giải quyết các vấn đề trong ứng dụng Web3.
Ví dụ, Vitalik đã đề cập đến hai hướng trong bài viết mà tôi nghĩ là rất có ý nghĩa.
Một là AI với tư cách là người tham gia Web3. Ví dụ: trong Trò chơi Web3, AI có thể hoạt động như một người chơi trò chơi, nó có thể nhanh chóng hiểu luật chơi và hoàn thành nhiệm vụ trò chơi một cách hiệu quả nhất; trong DEX, AI đã đóng vai trò trong giao dịch chênh lệch giá trong nhiều năm; , Tác nhân AI có thể chấp nhận rộng rãi lượng lớn dữ liệu , cơ sở tri thức và thông tin, đào tạo khả năng phân tích và dự đoán cho mô hình của nó và cung cấp cho người dùng dưới dạng sản phẩm, giúp người dùng dự đoán các sự kiện cụ thể thông qua suy luận mô hình, chẳng hạn như các sự kiện thể thao , bầu cử tổng thống, v.v.
Thứ hai là tạo ra AI riêng tư phi tập trung mở rộng rộng. Bởi vì nhiều người dùng lo lắng về vấn đề hộp đen của AI và sự thiên vị trong hệ thống; hoặc họ lo lắng về sự tồn tại của một số dApps đánh lừa người dùng thông qua công nghệ AI để kiếm lợi nhuận. Về cơ bản, điều này là do người dùng không có quyền xem xét và quản trị quá trình suy luận và đào tạo mô hình AI. Nhưng nếu bạn tạo AI Web3, giống như dự án Web3, cộng đồng đã phân bổ quyền quản trị cho AI này, điều này có thể dễ dàng được chấp nhận hơn.
Tính đến thời điểm hiện tại, không có dự án bạch mã nào có trần cao trong lớp ứng dụng Web3+AI.
Tóm tắt
Web3 + AI vẫn đang trong giai đoạn đầu và ngành đang bị chia rẽ về triển vọng phát triển của con đường này. Chúng tôi sẽ tiếp tục chú ý đến con đường này. Chúng tôi hy vọng rằng sự kết hợp giữa Web3 và AI có thể tạo ra những sản phẩm có giá trị hơn AI tập trung, cho phép AI thoát khỏi nhãn hiệu “sự kiểm soát khổng lồ” và “độc quyền” và “cùng quản lý AI” theo cách dựa vào cộng đồng hơn . Có lẽ trong quá trình tham gia và quản trị chặt chẽ hơn, con người sẽ có nhiều “sợ” hơn và bớt “sợ” AI hơn.
