ChatGPT Anniversary Post-Anniversary Talk: Nút cổ chai của Generative AI và cơ hội của Web3

Tác giả: @chenyangjamie, @GryphsisAcademy

TL; Tiến sĩ:

1. Các ứng dụng thương mại của AI tạo ra đã gây bão trên thế giới vào năm 2022, nhưng khi sự mới lạ mất đi, một số vấn đề hiện tại với AI tạo ra đang trở nên rõ ràng. Lĩnh vực Web3 trưởng thành, với bản chất hoàn toàn minh bạch, có thể kiểm chứng và phi tập trung của blockchain, cung cấp những ý tưởng mới để giải quyết các vấn đề AI tạo ra.
2. Generative AI là một công nghệ mới nổi trong những năm gần đây, dựa trên khung mạng nơ-ron của deep learning, và mô hình lan truyền để tạo hình ảnh và mô hình ngôn ngữ lớn cho ChatGPT đã cho thấy tiềm năng thương mại hóa lớn.
3. Kiến trúc triển khai của AI phát sinh trong Web3 bao gồm cơ sở hạ tầng, mô hình, ứng dụng và dữ liệu, trong đó phần dữ liệu đặc biệt quan trọng khi kết hợp với Web3 và có dư địa phát triển rất lớn, đặc biệt là mô hình dữ liệu on-chain, các dự án proxy AI và các ứng dụng dọc, có tiềm năng trở thành hướng phát triển chính trong tương lai.
4. Hiện tại, các dự án phổ biến trong theo dõi AI trong Web3 trên thị trường đã cho thấy các đặc điểm của các nguyên tắc cơ bản không đủ và khả năng nắm bắt giá trị mã thông báo yếu, và họ chủ yếu mong đợi sức nóng mới hoặc cập nhật của nền kinh tế mã thông báo trong tương lai.
5. AI tạo ra có tiềm năng lớn trong không gian Web3 và có nhiều câu chuyện mới để mong đợi trong tương lai.

1. Tại sao AI và Web3 cần nhau?

Năm 2022 có thể được gọi là năm mà AI tạo ra (Trí tuệ nhân tạo) gây bão trên toàn thế giới, trước đó AI tạo ra chỉ giới hạn trong các công cụ phụ trợ của những người lao động chuyên nghiệp và sau sự xuất hiện liên tiếp của Dalle-2, Stable Diffusion, Imagen và Midjourney, **Nội dung do AI tạo ** (viết tắt). Là ứng dụng công nghệ mới nhất, AIGC đã tạo ra một làn sóng lớn nội dung thời thượng trên mạng xã hội. Và ChatGPT, được phát hành ngay sau đó, là một quả bom, đẩy xu hướng này lên đỉnh cao. Là công cụ AI đầu tiên có thể trả lời hầu hết mọi câu hỏi với đầu vào của một lệnh văn bản đơn giản (tức là ), ChatGPT từ lâu đã trở thành trợ lý công việc hàng ngày cho nhiều người. Lần đầu tiên, mọi người có thể cảm nhận được “trí thông minh” của trí tuệ nhân tạo, vì nó có thể xử lý nhiều công việc hàng ngày như viết tài liệu, trợ giúp bài tập về nhà, trợ lý email, sửa đổi bài luận và thậm chí dạy kèm cảm xúc, và Internet đang nhiệt tình nghiên cứu những bí ẩn khác nhau được sử dụng để tối ưu hóa kết quả do ChatGPT tạo ra. Theo một báo cáo của nhóm vĩ mô của Goldman Sachs, AI tạo ra có thể là một động lực thúc đẩy tăng trưởng năng suất lao động ở Hoa Kỳ, thúc đẩy tăng trưởng GDP toàn cầu thêm 7% (hoặc gần 7 nghìn tỷ đô la) và tăng tăng năng suất thêm 1,5 điểm phần trăm trong vòng 10 năm phát triển AI tạo ra.

** **

Lĩnh vực Web3 cũng đã cảm nhận được làn gió mùa xuân của AIGC và lĩnh vực AI đã vươn lên trên diện rộng vào tháng 1/2023

Nguồn:

Tuy nhiên, sau khi sự mới lạ ban đầu mờ dần, lưu lượng truy cập toàn cầu của ChatGPT đã giảm lần đầu tiên kể từ khi phát hành vào tháng 6/2023 (Nguồn: SimilarWeb) và đã đến lúc suy nghĩ lại về ý nghĩa của AI và những hạn chế của nó là gì. Từ tình hình hiện tại, những tình huống khó xử mà AI tạo ra gặp phải bao gồm (nhưng không giới hạn): thứ nhất, phương tiện truyền thông xã hội chứa đầy nội dung AIGC không được cấp phép và không thể truy cập được, thứ hai, chi phí bảo trì cao của ChatGPT đã buộc OpenAI phải chọn giảm chất lượng phát điện để giảm chi phí và tăng hiệu quả, và cuối cùng, ngay cả các mô hình lớn nhất thế giới vẫn thiên vị về một số khía cạnh của kết quả được tạo ra.

** **

Lưu lượng truy cập toàn cầu trên máy tính để bàn và thiết bị di động của ChatGPT

Nguồn: Similarweb

Đồng thời, Web3, đang dần trưởng thành, với các đặc điểm phi tập trung, hoàn toàn minh bạch và có thể kiểm chứng, cung cấp một giải pháp mới cho tình trạng tiến thoái lưỡng nan hiện tại của AI tạo ra:

1. Tính minh bạch và khả năng truy xuất nguồn gốc đầy đủ của Web3 có thể giải quyết các thách thức về bản quyền và quyền riêng tư của dữ liệu do AI tạo ra mang lại. Hai tính năng này của Web3 cho phép xác minh nguồn gốc và tính xác thực của nội dung một cách hiệu quả, làm tăng đáng kể chi phí cho nội dung giả mạo hoặc vi phạm do AI tạo ra, chẳng hạn như các bản phối lại ngắn gây nhầm lẫn bản quyền hoặc video hoán đổi khuôn mặt DeepFake vi phạm quyền riêng tư của người khác. Ngoài ra, việc áp dụng hợp đồng thông minh trong quản lý nội dung dự kiến sẽ giải quyết các vấn đề bản quyền và đảm bảo rằng người sáng tạo nội dung có thể nhận được bồi thường công bằng hơn cho nội dung họ tạo ra.

** **

Video DeepFake: Đây không phải là Morgan Freeman

Nguồn: Youtube

2. Việc phân cấp Web3 có thể làm giảm nguy cơ tập trung sức mạnh tính toán AI. ** AI tạo ra đòi hỏi tài nguyên điện toán khổng lồ, với ước tính chi phí ít nhất 2 triệu đô la để đào tạo ChatGPT dựa trên GPT-3 và khoảng 47.000 đô la mỗi ngày cho điện, một con số tăng theo cấp số nhân khi công nghệ và quy mô phát triển. Tài nguyên máy tính vẫn tập trung nhiều trong tay các công ty lớn, dẫn đến chi phí R&D, bảo trì và vận hành đáng kể, cũng như rủi ro tập trung, khiến các công ty nhỏ hơn khó cạnh tranh. Mặc dù việc đào tạo các mô hình lớn vẫn có thể cần phải diễn ra trong môi trường tập trung trong ngắn hạn, vì việc đào tạo các mô hình lớn đòi hỏi nhiều tài nguyên tính toán, trong Web3, công nghệ blockchain làm cho suy luận mô hình phân tán, quản trị bỏ phiếu cộng đồng và mã hóa các mô hình có thể, trong số những thứ khác. Sử dụng một sàn giao dịch phi tập trung hiện có như một trường hợp trưởng thành, chúng ta có thể thiết kế một hệ thống suy luận mô hình lớn AI phi tập trung hướng đến cộng đồng, trong đó quyền sở hữu mô hình lớn thuộc về cộng đồng và được quản lý bởi cộng đồng.

Ngay cả với H100 mới nhất để đào tạo GPT-3, chi phí cho mỗi FLOP vẫn còn cao

Nguồn: substake.com

3. Tận dụng các tính năng của Web3 để tối ưu hóa sự đa dạng của bộ dữ liệu AI và khả năng diễn giải của các mô hình AI. ** Các phương pháp thu thập dữ liệu truyền thống về cơ bản dựa trên các bộ dữ liệu công khai hoặc chính các nhà sản xuất mô hình và dữ liệu được thu thập thường bị giới hạn bởi địa lý và văn hóa. Điều này có thể dẫn đến nội dung do chương trình AIGC tạo ra và các câu trả lời do ChatGPT tạo ra với sự thiên vị chủ quan của một số nhóm dân tộc nhất định, chẳng hạn như thay đổi màu da của nhiệm vụ mục tiêu. Và với mô hình khuyến khích mã thông báo của Web3, chúng tôi có thể tối ưu hóa cách chúng tôi thu thập dữ liệu, thu thập và trọng số dữ liệu từ mọi nơi trên thế giới. Đồng thời, tính minh bạch và khả năng truy xuất nguồn gốc đầy đủ của Web3 có thể tăng thêm khả năng diễn giải của mô hình và khuyến khích đầu ra của các nền tảng đa dạng để làm phong phú thêm mô hình.

Một AI được thiết kế để tăng độ phân giải sẽ biến Obama thành một người da trắng

Nguồn: Twitter

4. ** Bạn có thể sử dụng dữ liệu on-chain khổng lồ của Web3 để đào tạo các mô hình AI độc đáo. **Các phương pháp đào tạo và thiết kế mô hình AI hiện tại thường dựa trên việc xây dựng cấu trúc dữ liệu mục tiêu (văn bản, giọng nói, hình ảnh hoặc video). Một hướng phát triển độc đáo trong tương lai cho sự kết hợp giữa Web3 và AI là tham khảo các phương pháp xây dựng và đào tạo các mô hình lớn ngôn ngữ tự nhiên và sử dụng cấu trúc dữ liệu độc đáo của dữ liệu trên chuỗi Web3 để thiết lập các mô hình lớn dữ liệu **on-chain **. Điều này cung cấp cho người dùng một góc nhìn độc đáo mà các phân tích dữ liệu khác không thể tiếp cận (theo dõi tiền thông minh, xu hướng tài trợ dự án, v.v.) và AI có lợi thế là có thể xử lý đồng thời lượng dữ liệu khổng lồ so với phân tích trên chuỗi thủ công.

Phân tích tự động trên chuỗi, giám sát thông tin trên chuỗi có thể có được thông tin trực tiếp

Nguồn: nansen.ai

5. Generative AI có tiềm năng trở thành một lực lượng mạnh mẽ trong việc hạ thấp rào cản gia nhập để mọi người tham gia vào thế giới Web3. **Mô hình tham gia chính thống hiện tại của các dự án Web3 đòi hỏi người tham gia phải có hiểu biết đáng kể về các khái niệm on-chain phức tạp khác nhau và logic hoạt động ví, điều này làm tăng đáng kể chi phí học tập và nguy cơ hoạt động sai cho người dùng, trong khi các ứng dụng tương tự trong Web2 đã thực hiện nguyên tắc “nguyên tắc của người lười biếng” về thiết kế sản phẩm trong nhiều năm, để người dùng có thể dễ dàng và không gặp rủi ro khi bắt đầu. Generative AI dự kiến sẽ cung cấp năng lượng cho các dự án tập trung vào mục đích có thể cải thiện đáng kể trải nghiệm người dùng của các sản phẩm Web3 bằng cách hoạt động như một “trợ lý thông minh” giữa người dùng và các giao thức trong Web3.

6. Web3 cũng đã tạo ra một nhu cầu rất lớn về nội dung và AI tạo ra đã trở thành một phương tiện chính để đáp ứng nhu cầu đó. Generative AI có thể tạo ra rất nhiều bài viết, hình ảnh, nội dung âm thanh và video cho Web3, thúc đẩy sự phát triển của các ứng dụng phi tập trung, từ thị trường NFT đến tài liệu cho các hợp đồng thông minh, tất cả đều có thể hưởng lợi từ nội dung đa dạng do AI tạo ra.

Mặc dù AI và Web3 có những thách thức riêng, nhưng nhu cầu chung và các giải pháp hợp tác của họ hy vọng sẽ định hình tương lai của thế giới kỹ thuật số. Sự hợp tác này sẽ cải thiện chất lượng và độ tin cậy của việc tạo nội dung, thúc đẩy sự phát triển hơn nữa của hệ sinh thái kỹ thuật số đồng thời cung cấp cho người dùng trải nghiệm kỹ thuật số có giá trị hơn. Sự đồng phát triển của AI và Web3 sẽ tạo ra một chương mới thú vị trong thời đại kỹ thuật số.

Thứ hai, tóm tắt kỹ thuật về AI tạo ra

2.1 Nền tảng kỹ thuật của Generative AI

Kể từ khi khái niệm AI được giới thiệu vào những năm 50 của thế kỷ 20, đã có một số thăng trầm, và mỗi đổi mới công nghệ quan trọng đều mang đến một làn sóng mới, và lần này AI tạo ra cũng không ngoại lệ. Là một khái niệm mới nổi chỉ mới được đề xuất trong 10 năm qua, AI tạo ra đã nổi bật so với nhiều hướng nghiên cứu phụ của AI do hiệu suất rực rỡ của các công nghệ và sản phẩm gần đây và đã thu hút sự chú ý của thế giới chỉ sau một đêm. Trước khi chúng ta đi sâu hơn vào kiến trúc kỹ thuật của AI tạo ra, trước tiên chúng ta cần giải thích ý nghĩa cụ thể của AI tạo ra được thảo luận trong bài viết này và xem xét ngắn gọn các thành phần kỹ thuật cốt lõi của AI tạo ra, đã bùng nổ gần đây.

Generative AI là một loại AI có thể được sử dụng để tạo nội dung và ý tưởng mới, bao gồm các cuộc trò chuyện, câu chuyện, hình ảnh, video và âm nhạc và là một mô hình được xây dựng trên khung mạng thần kinh dựa trên học sâu, được đào tạo với lượng lớn dữ liệu và được đóng gói với một số lượng lớn các tham số. Các sản phẩm AI tạo ra gần đây đã thu hút sự chú ý của mọi người có thể được chia thành hai loại đơn giản: một là các sản phẩm tạo hình ảnh (video) với đầu vào văn bản hoặc kiểu và loại còn lại là các sản phẩm ChatGPT có nhập văn bản. Hai loại sản phẩm này có cùng công nghệ lõi, đó là mô hình ngôn ngữ được đào tạo trước (LLM) dựa trên kiến trúc Transformer . Trên cơ sở này, loại sản phẩm trước đây bổ sung mô hình khuếch tán kết hợp đầu vào văn bản để tạo ra hình ảnh hoặc video chất lượng cao và loại sản phẩm thứ hai bổ sung học tăng cường từ phản hồi của con người (** RLHF **) để đạt được mức kết quả đầu ra hợp lý gần với con người.

2.2 Kiến trúc kỹ thuật hiện tại của Generative AI:

Nhiều bài viết hay nhất trong quá khứ đã thảo luận về tầm quan trọng của AI tạo ra đối với các kiến trúc kỹ thuật hiện có từ các quan điểm khác nhau, chẳng hạn như bài viết này từ A16z, “Ai sở hữu nền tảng AI tạo ra?”, tóm tắt toàn diện kiến trúc kỹ thuật hiện tại của AI tạo ra:

** **

Kiến trúc kỹ thuật chính của AI tạo ra

Nguồn: Ai sở hữu nền tảng AI tạo ra?

Trong bài viết nghiên cứu này, kiến trúc hiện tại của Web2 generative AI được chia thành ba cấp độ: cơ sở hạ tầng (sức mạnh tính toán), mô hình và ứng dụng, đồng thời đưa ra quan điểm về sự phát triển hiện tại của ba cấp độ này.

Đối với cơ sở hạ tầng, mặc dù logic xây dựng cơ sở hạ tầng trong Web2 vẫn là trụ cột, nhưng vẫn còn rất ít dự án cơ sở hạ tầng thực sự kết hợp Web3 và AI. Đồng thời, cơ sở hạ tầng cũng là phần thu được nhiều giá trị nhất ở giai đoạn này và các đầu sỏ công nghệ Web2 đã đạt được lợi nhuận đáng kể bằng cách “bán xẻng” trong giai đoạn khám phá AI hiện tại nhờ hàng thập kỷ canh tác sâu trong lĩnh vực lưu trữ và tính toán.

Đối với các mô hình, họ được cho là người sáng tạo và chủ sở hữu thực sự của AI, nhưng ở giai đoạn này, có rất ít mô hình kinh doanh có thể hỗ trợ các tác giả của mô hình để có được giá trị kinh doanh tương ứng.

Đối với các ứng dụng, một số ngành dọc đã tích lũy được hơn hàng trăm triệu đô la doanh thu, nhưng chi phí bảo trì cao và tỷ lệ giữ chân người dùng thấp không đủ để hỗ trợ mô hình kinh doanh dài hạn.

2.3 Ví dụ về các ứng dụng AI và Web3

2.3.1 Ứng dụng AI để phân tích dữ liệu khổng lồ của Web3

**Dữ liệu là trọng tâm của việc xây dựng các rào cản kỹ thuật trong tương lai phát triển AI. Để hiểu tại sao nó quan trọng, chúng ta hãy xem xét một nghiên cứu về các nguồn hiệu suất mô hình lớn. Nghiên cứu này cho thấy các mô hình AI lớn thể hiện một khả năng độc đáo để xuất hiện: bằng cách tăng kích thước của mô hình, độ chính xác của mô hình sẽ đột nhiên bùng nổ khi vượt quá một ngưỡng nhất định. Như thể hiện trong hình dưới đây, mỗi biểu đồ đại diện cho một nhiệm vụ đào tạo và mỗi dòng đáp ứng hiệu suất (độ chính xác) của một mô hình lớn. Các thí nghiệm trên các mô hình lớn khác nhau đã đi đến cùng một kết luận: sau khi kích thước mô hình vượt quá một ngưỡng nhất định, hiệu suất trên các nhiệm vụ khác nhau cho thấy sự tăng trưởng đột phá.

Mối quan hệ giữa kích thước mô hình và hiệu suất mô hình

Nguồn: Lý luận tương tự nổi bật trong các mô hình ngôn ngữ lớn

Nói một cách đơn giản, những thay đổi về số lượng trong quy mô của mô hình dẫn đến sự thay đổi về chất trong hiệu suất của mô hình. **Kích thước mô hình liên quan đến số lượng tham số mô hình, thời gian đào tạo và chất lượng của dữ liệu đào tạo. Ở giai đoạn này, trong trường hợp số lượng tham số mô hình (các công ty lớn có đội ngũ R &D hàng đầu chịu trách nhiệm thiết kế) và thời gian đào tạo (phần cứng máy tính được NVIDIA mua) không thể thu hẹp khoảng cách, nếu bạn muốn xây dựng một sản phẩm dẫn đầu đối thủ, một cách là tìm ra các điểm đau nhu cầu tốt nhất trong lĩnh vực phân khu để tạo ra một ứng dụng sát thủ, nhưng điều này đòi hỏi sự hiểu biết sâu sắc về lĩnh vực mục tiêu và cái nhìn sâu sắc tuyệt vời, trong khi cách khác là thực tế và khả thi hơn, nghĩa là thu thập dữ liệu ngày càng toàn diện hơn so với đối thủ cạnh tranh. **

Điều này cũng tìm thấy một điểm khởi đầu tốt cho các mô hình AI tạo ra để tham gia vào không gian Web3. Các mô hình lớn AI hiện có hoặc các mô hình cơ bản được đào tạo dựa trên lượng dữ liệu khổng lồ trong các lĩnh vực khác nhau và tính độc đáo của dữ liệu trên chuỗi trong Web3 làm cho mô hình dữ liệu trên chuỗi trở thành một con đường khả thi đáng để mong đợi. Hiện tại có hai logic sản phẩm cho hệ thống phân cấp dữ liệu trong Web3: thứ nhất là cung cấp các ưu đãi cho các nhà cung cấp dữ liệu để bảo vệ quyền riêng tư và quyền sở hữu của chủ sở hữu dữ liệu đồng thời khuyến khích người dùng chia sẻ quyền sử dụng dữ liệu với nhau. Ocean Protocol cung cấp một cách tuyệt vời để chia sẻ dữ liệu. Thứ hai là tích hợp dữ liệu và ứng dụng của nhóm dự án để cung cấp cho người dùng các dịch vụ cho một nhiệm vụ nhất định. **Ví dụ: Trusta Lab thu thập và phân tích dữ liệu trên chuỗi của người dùng và có thể cung cấp các dịch vụ như phân tích tài khoản phù thủy và phân tích rủi ro tài sản trên chuỗi thông qua hệ thống tính điểm MEDIA độc đáo.

**2.3.2 Ứng dụng proxy AI cho Web3 **

**Ứng dụng AI Agent trên chuỗi nói trên cũng đang được chú ý - với sự trợ giúp của mô hình ngôn ngữ lớn, nó cung cấp cho người dùng các dịch vụ trên chuỗi có thể định lượng được trên tiền đề đảm bảo quyền riêng tư của người dùng. **Theo một bài đăng trên blog từ Lilian Weng, Trưởng phòng Nghiên cứu AI tại OpenAI, Tác nhân AI có thể được chia thành bốn thành phần, đó là Tác nhân = LLM + Lập kế hoạch + Bộ nhớ + Sử dụng công cụ. Là cốt lõi của tác nhân AI, LLM chịu trách nhiệm tương tác với thế giới bên ngoài, học một lượng lớn dữ liệu và thể hiện nó một cách logic bằng ngôn ngữ tự nhiên. Phần Lập kế hoạch + Bộ nhớ tương tự như các khái niệm về hành động, chính sách và phần thưởng trong việc đào tạo kỹ thuật học tăng cường của AlphaGo. Mục tiêu nhiệm vụ được phân tách thành từng mục tiêu nhỏ và giải pháp tối ưu hóa của mục tiêu nhiệm vụ được học từng bước từ kết quả và phản hồi của nhiều lần đào tạo lặp đi lặp lại và thông tin thu được được lưu trữ trong các loại bộ nhớ khác nhau cho các chức năng khác nhau. Đối với việc sử dụng công cụ, nó đề cập đến việc sử dụng các công cụ như gọi các công cụ mô-đun, truy xuất thông tin Internet, kết nối với các nguồn thông tin hoặc API độc quyền, v.v. và điều đáng chú ý là hầu hết thông tin này sẽ khó thay đổi sau khi đào tạo trước.

Sơ đồ toàn cầu của AI Agent

Nguồn: LLM Powered Autonomous Agents

Kết hợp với logic triển khai cụ thể của AI Agent, chúng ta có thể mạnh dạn hình dung rằng sự kết hợp của Web3 + AI Agent sẽ mang đến trí tưởng tượng vô hạn, chẳng hạn như:

1. ** Chế độ AI Agent có thể được thêm vào ứng dụng giao dịch hiện tại **, có thể cung cấp cho khách hàng giao diện tương tác ở cấp độ ngôn ngữ tự nhiên, bao gồm nhưng không giới hạn ở dự đoán giá, chiến lược giao dịch, chiến lược cắt lỗ, điều chỉnh đòn bẩy động, sao chép thông minh KOL, cho vay, v.v.
2. Khi thực hiện chiến lược định lượng, chiến lược có thể được phân tách thành ** mỗi nhiệm vụ phụ và bàn giao cho các tác nhân AI khác nhau để thực hiện ** và mỗi tác nhân AI hợp tác với nhau, điều này không chỉ có thể cải thiện tính bảo mật của bảo vệ quyền riêng tư mà còn giám sát trong thời gian thực để ngăn chặn đối tác khai thác lỗ hổng để đảo ngược robot.
3. ** Một số lượng lớn NPC trong các trò chơi dây chuyền ** cũng phù hợp tự nhiên với AI Agent và bây giờ có một dự án áp dụng GPT để tự động tạo nội dung đối thoại nhân vật trò chơi và trong tương lai, dự kiến nó sẽ không bị giới hạn ở văn bản đặt trước, mà sẽ được nâng cấp lên tương tác NPC trò chơi thời gian thực thực tế hơn (hoặc thậm chí là con người kỹ thuật số), có thể nhận ra sự tự tương tác mà không cần sự can thiệp của người chơi. “Thị trấn ảo” của Đại học Stanford là một ví dụ tuyệt vời về điều này.

Mặc dù trung tâm dự án Web3 + AI Agent hiện tại vẫn tập trung ở thị trường sơ cấp hoặc bên cạnh cơ sở hạ tầng AI, và vẫn chưa có ứng dụng sát thủ của To C, nhưng người ta tin rằng các dự án Web3 + AI thay đổi cuộc chơi trong tương lai đáng để mong đợi bằng cách kết hợp các đặc điểm khác nhau của blockchain, chẳng hạn như quản trị trên chuỗi phân tán, suy luận bằng chứng không có kiến thức, phân phối mô hình, cải thiện khả năng diễn giải, v.v.

**2.3.3 Các ứng dụng dọc tiềm năng của Web3 + AI **

A. Ứng dụng trong lĩnh vực giáo dục

Sự kết hợp giữa Web3 và AI đã mở ra một cuộc cách mạng trong giáo dục, nơi các lớp học thực tế ảo là một sự đổi mới hấp dẫn. Bằng cách nhúng công nghệ AI vào nền tảng học tập trực tuyến, sinh viên có thể có được trải nghiệm học tập được cá nhân hóa tạo ra nội dung giáo dục tùy chỉnh dựa trên lịch sử học tập và sở thích của họ. Cách tiếp cận cá nhân hóa này được kỳ vọng sẽ làm tăng động lực và hiệu quả học tập của học sinh, đưa giáo dục đến gần hơn với nhu cầu cá nhân.

Học sinh tham gia các lớp học thực tế ảo thông qua các thiết bị VR nhập vai

Nguồn: V-SENSE Team

Ngoài ra, ưu đãi tín dụng mô hình mã thông báo cũng là một thực tiễn sáng tạo trong lĩnh vực giáo dục. Thông qua công nghệ blockchain, các khoản tín dụng và thành tích của sinh viên có thể được mã hóa thành mã thông báo để tạo thành một hệ thống tín dụng kỹ thuật số. Những ưu đãi như vậy khuyến khích sinh viên tích cực tham gia vào các hoạt động học tập, tạo ra một môi trường học tập có sự tham gia và thúc đẩy hơn.

**Đồng thời, lấy cảm hứng từ dự án SocialFi nổi tiếng gần đây FriendTech, một logic định giá chính tương tự bị ràng buộc với ID cũng có thể được sử dụng để xây dựng hệ thống đánh giá ngang hàng **, điều này cũng mang lại nhiều yếu tố xã hội hơn cho giáo dục. Với sự trợ giúp của tính bất biến của blockchain, việc đánh giá giữa các sinh viên công bằng và minh bạch hơn. Cơ chế đánh giá lẫn nhau này không chỉ giúp trau dồi kỹ năng làm việc nhóm và xã hội của học sinh mà còn cung cấp đánh giá toàn diện và đa góc độ hơn về kết quả học tập của học sinh, giới thiệu các phương pháp đánh giá đa dạng và toàn diện hơn cho hệ thống giáo dục.

B. Ứng dụng y tế

Trong chăm sóc sức khỏe, sự kết hợp giữa Web3 và AI đang thúc đẩy sự phát triển của học tập liên kết và suy luận phân tán. Bằng cách kết hợp điện toán phân tán và học máy, các chuyên gia chăm sóc sức khỏe có thể chia sẻ dữ liệu trên quy mô lớn để học nhóm sâu hơn, toàn diện hơn. Cách tiếp cận trí tuệ tập thể này có thể đẩy nhanh sự phát triển của các lựa chọn chẩn đoán và điều trị bệnh, và thúc đẩy lĩnh vực y học.

Bảo vệ quyền riêng tư là một vấn đề quan trọng không thể bỏ qua trong các ứng dụng y tế. Thông qua sự phân cấp của Web3 và tính bất biến của blockchain, dữ liệu y tế của bệnh nhân có thể được lưu trữ và truyền tải an toàn hơn. Hợp đồng thông minh có thể đạt được sự kiểm soát và quản lý chính xác dữ liệu y tế, đảm bảo rằng chỉ những người được ủy quyền mới có thể truy cập thông tin nhạy cảm của bệnh nhân, do đó duy trì quyền riêng tư của dữ liệu y tế.

C. Ứng dụng trong lĩnh vực bảo hiểm

Trong lĩnh vực bảo hiểm, việc tích hợp Web3 và AI được kỳ vọng sẽ mang lại các giải pháp hiệu quả và thông minh hơn cho các doanh nghiệp truyền thống. Ví dụ, trong bảo hiểm ô tô và nhà, việc sử dụng công nghệ thị giác máy tính cho phép các công ty bảo hiểm đánh giá hiệu quả hơn giá trị và mức độ rủi ro của tài sản thông qua phân tích và định giá hình ảnh. Điều này cung cấp cho các công ty bảo hiểm các chiến lược định giá tinh tế và cá nhân hóa hơn, đồng thời cải thiện mức độ quản lý rủi ro trong ngành bảo hiểm.

Sử dụng công nghệ AI để định giá khiếu nại

Nguồn: Tractable Inc

Đồng thời, giải quyết khiếu nại tự động trên chuỗi cũng là một sự đổi mới trong ngành bảo hiểm. Dựa trên các hợp đồng thông minh và công nghệ blockchain, quy trình yêu cầu bồi thường có thể minh bạch và hiệu quả hơn, giảm khả năng các thủ tục rườm rà và sự can thiệp của con người. Điều này không chỉ làm tăng tốc độ giải quyết khiếu nại mà còn giảm chi phí hoạt động, mang lại trải nghiệm tốt hơn cho các công ty bảo hiểm và khách hàng.

Điều chỉnh phí bảo hiểm động là một thực tiễn sáng tạo khác, thông qua phân tích dữ liệu thời gian thực và thuật toán học máy, các công ty bảo hiểm có thể điều chỉnh phí bảo hiểm chính xác và kịp thời hơn, đồng thời cá nhân hóa giá theo hồ sơ rủi ro thực tế của người được bảo hiểm. Điều này không chỉ làm cho phí bảo hiểm công bằng hơn mà còn khuyến khích những người được bảo hiểm áp dụng các hành vi lành mạnh và an toàn hơn, thúc đẩy quản lý rủi ro và các biện pháp phòng ngừa cho toàn xã hội.

D. Ứng dụng trong lĩnh vực quyền tác giả

Trong lĩnh vực bản quyền, sự kết hợp giữa Web3 và AI đã mang lại một mô hình hoàn toàn mới cho việc tạo nội dung kỹ thuật số, đề xuất quản lý và phát triển mã. Thông qua hợp đồng thông minh và lưu trữ phi tập trung, thông tin bản quyền cho nội dung kỹ thuật số có thể được bảo vệ tốt hơn và người tạo ra tác phẩm có thể dễ dàng theo dõi và quản lý tài sản trí tuệ của họ hơn. Đồng thời, thông qua công nghệ blockchain, các hồ sơ sáng tạo minh bạch và chống giả mạo có thể được thiết lập, cung cấp một phương tiện đáng tin cậy hơn cho việc truy xuất nguồn gốc và xác thực các tác phẩm.

Sự đổi mới của mô hình làm việc cũng là một thay đổi quan trọng trong lĩnh vực bản quyền. Cộng tác công việc được khuyến khích bằng mã thông báo khuyến khích người sáng tạo, nhà lập kế hoạch và nhà phát triển tham gia vào dự án bằng cách kết hợp đóng góp công việc với các ưu đãi mã thông báo. Điều này không chỉ thúc đẩy sự hợp tác giữa các nhóm sáng tạo mà còn cung cấp cho người tham gia cơ hội hưởng lợi trực tiếp từ sự thành công của dự án, dẫn đến công việc tuyệt vời hơn.

Mặt khác, việc áp dụng mã thông báo làm bằng chứng về bản quyền định hình lại mô hình phân phối lợi ích. Thông qua cơ chế cổ tức được thực hiện tự động bởi các hợp đồng thông minh, mỗi người tham gia vào công việc có thể nhận được phần lợi nhuận tương ứng trong thời gian thực khi công việc được sử dụng, bán hoặc chuyển nhượng. Mô hình cổ tức phi tập trung này giải quyết hiệu quả các vấn đề về độ mờ và độ trễ trong mô hình bản quyền truyền thống, đồng thời cung cấp cơ chế phân phối lợi ích công bằng và hiệu quả hơn cho người sáng tạo.

E. Ứng dụng Metaverse

Trong lĩnh vực metaverse, việc tích hợp Web3 và AI cung cấp những khả năng mới để tạo nội dung trò chơi chuỗi chứa đầy AIGC chi phí thấp. Môi trường ảo và các nhân vật được tạo ra bởi các thuật toán AI có thể làm phong phú thêm nội dung của trò chơi chuỗi, cung cấp cho người dùng trải nghiệm trò chơi sống động và đa dạng hơn, đồng thời giảm chi phí nhân lực và thời gian trong quá trình sản xuất.

Sản xuất con người kỹ thuật số là một sự đổi mới trong các ứng dụng metaverse. Kết hợp với việc tạo ra ngoại hình cho đến tóc và xây dựng tư duy dựa trên các mô hình ngôn ngữ lớn, con người kỹ thuật số được tạo ra có thể đóng nhiều vai trò khác nhau trong metaverse, tương tác với người dùng và thậm chí tham gia vào cặp song sinh kỹ thuật số của các kịch bản trong thế giới thực. Điều này mang lại trải nghiệm thực tế và sâu sắc hơn cho sự phát triển của thực tế ảo, đồng thời thúc đẩy ứng dụng rộng rãi công nghệ con người ảo kỹ thuật số trong giải trí, giáo dục và các lĩnh vực khác.

** Tự động tạo nội dung quảng cáo theo chân dung người dùng trên chuỗi ** Đây là một ứng dụng sáng tạo quảng cáo thông minh trong lĩnh vực metaverse. Bằng cách phân tích hành vi và sở thích của người dùng trong metaverse, các thuật toán AI có thể tạo ra nội dung quảng cáo được cá nhân hóa và hấp dẫn hơn, cải thiện tỷ lệ nhấp và mức độ tương tác của người dùng đối với quảng cáo. Phương pháp tạo quảng cáo này không chỉ phù hợp hơn với sở thích của người dùng mà còn cung cấp cho các nhà quảng cáo một cách quảng bá hiệu quả hơn.

NFT tương tác tạo ra là một công nghệ hấp dẫn trong không gian metaverse. Bằng cách kết hợp NFT với thiết kế tổng quát, người dùng có thể tham gia vào việc tạo ra tác phẩm nghệ thuật NFT của riêng họ trong metaverse, mang lại cho nó tính tương tác và độc đáo. Điều này mở ra những khả năng mới cho việc tạo và giao dịch tài sản kỹ thuật số, thúc đẩy sự phát triển của nghệ thuật kỹ thuật số và nền kinh tế ảo trong metaverse.

III. Mục tiêu liên quan đến Web3

Ở đây tác giả đã chọn năm dự án, ** Render Network ** và ** Akash Network ** là các nhà lãnh đạo kỳ cựu của cơ sở hạ tầng AI nói chung và theo dõi AI, ** Bittensor ** là dự án phổ biến trong danh mục mô hình, Alethea.ai là dự án ứng dụng mạnh mẽ của AI tạo ra, Fetch.ai là dự án mang tính bước ngoặt trong lĩnh vực đại lý AI, để có cái nhìn thoáng qua về tình trạng hiện tại của các dự án AI tạo ra trong lĩnh vực Web3.

3.1 Mạng kết xuất ($ RNDR)

Render Network được thành lập vào năm 2017 bởi Jules Urbach, người sáng lập công ty mẹ OTOY. Hoạt động kinh doanh cốt lõi của OTOY là kết xuất đồ họa trên đám mây và nó đã làm việc trong các dự án phim và truyền hình đoạt giải Oscar, với những người đồng sáng lập Google và Mozilla làm cố vấn, và đã làm việc trên một số dự án với Apple. Mục đích của Render Network, mở rộng từ OTOY sang lĩnh vực Web3, là sử dụng bản chất phân tán của công nghệ blockchain để kết nối kết xuất quy mô nhỏ hơn và nhu cầu và tài nguyên AI với nền tảng phi tập trung, do đó tiết kiệm chi phí cho các hội thảo nhỏ chi phí thuê tài nguyên điện toán tập trung đắt tiền (như AWS, MS Azure và Alibaba Cloud), đồng thời cung cấp thu nhập cho những người có tài nguyên điện toán nhàn rỗi.

Bởi vì Render là một công ty OTOY đã phát triển độc lập trình kết xuất hiệu suất cao Octane Render, cùng với logic kinh doanh nhất định, nó được coi là một dự án Web3 với nhu cầu và nguyên tắc cơ bản riêng khi bắt đầu ra mắt. Trong giai đoạn AI tạo ra đang thịnh hành, nhu cầu xác minh phân tán và các nhiệm vụ suy luận phân tán là hoàn toàn phù hợp với kiến trúc kỹ thuật của Render và nó được coi là một trong những hướng phát triển đầy hứa hẹn của nó trong tương lai. Đồng thời, Render đã chiếm vị trí hàng đầu trong đường đua AI trong lĩnh vực Web3 trong nhiều năm gần đây trong những năm gần đây và đã có được một mức độ nhất định về bản chất meme.

Vào tháng 2 năm 2023, Render Network đã công bố bản cập nhật sắp tới cho các mức giá mới và cơ chế bình ổn giá RNDR đô la do cộng đồng bình chọn (tuy nhiên, vẫn chưa được xác nhận khi nào nó sẽ đi vào hoạt động), đồng thời thông báo rằng dự án sẽ được chuyển từ Polygon sang Solana (cùng với việc nâng cấp mã thông báo RNDR đô la lên mã thông báo $RENDER dựa trên tiêu chuẩn Solana SPL, đã được hoàn thành vào tháng 11 năm 2023).

Hệ thống phân loại giá mới do Render Network phát hành chia các dịch vụ trên chuỗi thành ba tầng, từ cao đến thấp, tương ứng với các mức giá và chất lượng dịch vụ kết xuất khác nhau, có thể được lựa chọn bởi người yêu cầu kết xuất.

Ba bậc của bậc giá mới của Render Network

Cơ chế bình ổn giá RNDR đô la, được cộng đồng bình chọn, đã được thay đổi từ việc mua lại bất thường trước đó sang sử dụng mô hình “Cân bằng Burn-and-Mint (BME)”, làm cho việc định vị RNDR đô la như một mã thông báo thanh toán ổn định giá thay vì nắm giữ tài sản trong một thời gian dài rõ ràng hơn. Quy trình kinh doanh cụ thể trong Kỷ nguyên BME được thể hiện trong sơ đồ sau:

1. Tạo sản phẩm. “Người tạo sản phẩm” trên Render, nghĩa là kết xuất các nhà cung cấp tài nguyên, những người đóng gói tài nguyên kết xuất nhàn rỗi vào các sản phẩm (nút) và chờ được sử dụng trên mạng.
2. “Mua sản phẩm”. Khách hàng có nhu cầu kết xuất sẽ trực tiếp đốt mã thông báo dưới dạng thanh toán cho các dịch vụ nếu họ có mã thông báo RNDR đô la và nếu không, trước tiên họ sẽ mua mã thông báo RNDR đô la bằng tiền tệ fiat trên DEX. Giá trả cho dịch vụ được ghi nhận công khai trên chuỗi.
3. Mint token “Mint Token”. Theo các quy tắc đặt trước, một mã thông báo mới được phân bổ.

Lưu ý: Render Network thu 5% phí mà người mua sản phẩm phải trả từ mỗi giao dịch cho hoạt động của dự án.

Kỷ nguyên cân bằng Burn-and-Mint

Tín dụng cho Petar Atanasovski

Nguồn: Medium

Theo các quy tắc đặt trước, trong mỗi kỷ nguyên được thực hiện bởi BME, một số lượng mã thông báo mới đặt trước sẽ được đúc (số lượng đặt trước sẽ giảm dần theo thời gian). Các token mới được đúc sẽ được phân phối cho ba bên:

1. Người tạo sản phẩm. Người tạo ra sản phẩm có được theo hai cách:

2. Phần thưởng khi hoàn thành nhiệm vụ. Thật dễ hiểu khi mỗi nút sản phẩm được thưởng theo số lượng tác vụ kết xuất đã hoàn thành.

3. Phần thưởng trực tuyến. Phần thưởng sẽ được trao theo thị trường chờ trực tuyến của mỗi nút sản phẩm và nhiều công việc trực tuyến sẽ được khuyến khích để hạn chế tài nguyên.

4. Người mua sản phẩm. Tương tự như giảm giá sản phẩm trung tâm mua sắm, người mua có thể nhận được tới 100% khoản giảm giá token RNDR đô la để khuyến khích tiếp tục sử dụng Render Network trong tương lai.

5. Nhà cung cấp thanh khoản DEX (Sàn giao dịch phi tập trung). Các nhà cung cấp thanh khoản trong các DEX hợp tác có thể được thưởng theo số tiền đặt cọc RNDR đô la bằng cách đảm bảo rằng họ có thể mua đủ số tiền RNDR đô la với giá hợp lý khi họ cần đốt RNDR đô la.

** **

Nguồn: coingecko.com

Từ xu hướng giá RNDR USD trong năm qua, có thể thấy là dự án hàng đầu của đường đua AI trong Web3 trong nhiều năm, RNDR USD đã ăn cổ tức của làn sóng bùng nổ AI do ChatGPT thúc đẩy vào cuối năm 2022 và đầu năm 2023, đồng thời, với việc phát hành cơ chế mã thông báo mới, giá RNDR USD đã đạt mức cao nhất trong nửa đầu năm 2023. Sau nửa cuối năm đi ngang, giá RNDR đô la đã đạt đến mức cao trong những năm gần đây với sự phục hồi của AI do cuộc họp báo mới của OpenAI mang lại, sự di chuyển của Render Network sang Solana và sắp triển khai cơ chế mã thông báo mới. Vì những thay đổi cơ bản của RNDR đô la là tối thiểu, đối với các nhà đầu tư, khoản đầu tư RNDR đô la trong tương lai cần phải thận trọng hơn trong quản lý vị thế và quản lý rủi ro.

Số lượng nút Render Network mỗi tháng

** **

Render Network Số cảnh được render mỗi tháng

Nguồn: Dune.com

Đồng thời, như bạn có thể thấy từ bảng điều khiển Dune, tổng số công việc kết xuất đã tăng lên kể từ đầu năm 2023, nhưng số lượng nút kết xuất không tăng. Kết hợp với sự bùng nổ AI vào cuối năm 2022, có thể suy luận rằng các tác vụ kết xuất bổ sung đều là các tác vụ liên quan đến AI tạo ra. Hiện tại, rất khó để nói liệu phần nhu cầu này có phải là nhu cầu dài hạn hay không, và nó cần được theo dõi để quan sát.

3.2 Mạng Akash ($ AKT)

Akash Network là một nền tảng điện toán đám mây phi tập trung nhằm cung cấp cho các nhà phát triển và doanh nghiệp một giải pháp điện toán đám mây linh hoạt, hiệu quả và tiết kiệm chi phí hơn. Nền tảng “siêu đám mây” do dự án xây dựng được xây dựng trên công nghệ blockchain phân tán, tận dụng bản chất phi tập trung của blockchain để cung cấp cho người dùng cơ sở hạ tầng đám mây phi tập trung có thể triển khai và chạy các ứng dụng trên quy mô toàn cầu, bao gồm các tài nguyên điện toán đa dạng bao gồm CPU, GPU và lưu trữ.

Những người sáng lập Akash Network, Greg Osuri và Adam Bozanich, là những doanh nhân nối tiếp đã làm việc cùng nhau trong nhiều năm, mỗi người có nhiều năm kinh nghiệm dự án, đã đồng sáng lập dự án Overclock Labs, vẫn là người tham gia cốt lõi trong Akash Network. Nhóm sáng lập đã có tầm nhìn rõ ràng về sứ mệnh chính của Akash Network, đó là giảm chi phí điện toán đám mây, tăng tính khả dụng và tăng quyền kiểm soát của người dùng đối với tài nguyên máy tính. Thông qua đấu thầu mở, khuyến khích các nhà cung cấp tài nguyên mở tài nguyên máy tính nhàn rỗi trong mạng của họ, Akash Network cho phép sử dụng tài nguyên hiệu quả hơn, do đó cung cấp giá cả cạnh tranh hơn cho người yêu cầu tài nguyên.

Akash Network bắt đầu chương trình cập nhật Akash Network Economics 2.0 vào tháng 1/2023, với mục tiêu giải quyết nhiều bất cập của nền kinh tế token hiện tại, bao gồm:

1. Giá thị trường của mã thông báo $ AKT dao động, khiến giá của hợp đồng dài hạn không khớp với giá trị
2. Ưu đãi cho các nhà cung cấp tài nguyên không đủ để giải phóng lượng lớn sức mạnh tính toán trong tay họ
3. Không đủ ưu đãi cộng đồng gây bất lợi cho sự phát triển lâu dài của dự án Akash
4. Nắm bắt không đủ giá trị của mã thông báo $ AKT có nguy cơ ảnh hưởng đến sự ổn định của dự án

Theo thông tin được cung cấp trên trang web chính thức, các giải pháp được đề xuất bởi kế hoạch Akash Network Economics 2.0 bao gồm giới thiệu thanh toán stablecoin, bổ sung đơn đặt hàng của nhà sản xuất và phí ăn trứng để tăng doanh thu giao thức, tăng ưu đãi cho các nhà cung cấp tài nguyên và tăng số lượng ưu đãi cộng đồng, v.v., trong đó chức năng thanh toán **stablecoin ** và ** chức năng phí người nhận nhà sản xuất ** đã được đưa ra và triển khai.

Là token gốc của Akash Network, $AKT có nhiều cách sử dụng khác nhau trong giao thức, bao gồm xác minh đặt cọc (bảo mật), ưu đãi, quản trị mạng và thanh toán phí giao dịch. Theo dữ liệu được cung cấp trên trang web chính thức, tổng nguồn cung AKT đô la là 388 triệu đô la và tính đến tháng 11 năm 2023, 229 triệu đã được mở khóa cho đến nay, chiếm khoảng 59%. Các token sáng lập được phân phối khi ra mắt dự án đã được mở khóa hoàn toàn vào tháng 3/2023 và sẽ đi vào lưu thông thị trường thứ cấp. Tỷ lệ phân phối của genesis token như sau:

Đáng chú ý, về mặt nắm bắt giá trị, một tính năng mà AKT đô la đề xuất thực hiện chưa được thực hiện nhưng được đề cập trong whitepaper là Akash có kế hoạch tính “phí phí” cho mỗi lần thuê thành công. Sau đó, nó sẽ gửi các khoản phí này đến Nhóm Thu nhập Lấy để chúng có thể được phân phối cho chủ sở hữu. Chương trình cung cấp một khoản phí 10% cho các giao dịch AKT đô la và phí 20% cho các giao dịch sử dụng các loại tiền điện tử khác. Ngoài ra, Akash cũng có kế hoạch thưởng cho những người nắm giữ khóa cổ phần AKT đô la của họ trong một thời gian dài hơn. Do đó, các nhà đầu tư nắm giữ trong một khoảng thời gian dài hơn sẽ đủ điều kiện nhận phần thưởng hào phóng hơn. Nếu dự án này được triển khai thành công trong tương lai, nó chắc chắn sẽ trở thành động lực chính cho giá của đồng tiền, và nó cũng sẽ giúp ước tính tốt hơn giá trị của dự án.

** **

Nguồn: coingecko.com

Có thể thấy từ xu hướng giá thể hiện trên coingecko.com, mức giá AKT USD cũng mở ra mức tăng lần lượt vào giữa tháng 8 và cuối tháng 11/2023, nhưng vẫn không tốt bằng mức tăng cùng kỳ của các dự án khác trong đường đua AI, có thể liên quan đến xu hướng tâm lý vốn hiện tại. Nhìn chung, dự án của Akash, là một trong một số dự án chất lượng cao trong đường đua AI, có các nguyên tắc cơ bản tốt hơn hầu hết các đối thủ cạnh tranh trong đường đua AI. Với sự phát triển của ngành công nghiệp AI và sự tăng cường tài nguyên điện toán đám mây, người ta tin rằng Akash Network sẽ có thể tăng vọt trong làn sóng AI tiếp theo trong tương lai.

3.3 Bittensor ($ TAO)

Nếu người đọc đã quen thuộc với kiến trúc kỹ thuật BTC đô la, sẽ rất dễ hiểu thiết kế của Bittensor. Trên thực tế, khi thiết kế Bittensor, các tác giả của nó đã vay mượn rất nhiều đặc điểm của cựu chiến binh tiền điện tử BTC đô la, bao gồm: tổng cộng 21 triệu mã thông báo, giảm một nửa sản lượng khoảng bốn năm một lần, cơ chế đồng thuận liên quan đến PoW, v.v. Cụ thể, hãy tưởng tượng một quy trình sản xuất BTC ban đầu, sau đó thay thế quá trình “khai thác” để tính toán các con số ngẫu nhiên không thể tạo ra giá trị thực bằng cách đào tạo và xác thực các mô hình AI, đồng thời khuyến khích các thợ đào làm việc dựa trên hiệu suất và độ tin cậy của các mô hình AI, đó là một bản tóm tắt đơn giản về kiến trúc dự án của Bittensor ($ TAO).

Dự án Bittensor được thành lập lần đầu tiên vào năm 2019 bởi hai nhà nghiên cứu AI, Jacob Steeves và Ala Shaabana, và khuôn khổ chính của nó dựa trên nội dung của một sách trắng được viết bởi một tác giả bí ẩn, Yuma Rao. Tóm lại, nó thiết kế một giao thức nguồn mở không cần cấp phép và xây dựng kiến trúc mạng bao gồm nhiều mạng con được kết nối bởi các mạng con khác nhau chịu trách nhiệm cho các tác vụ khác nhau (dịch máy, nhận dạng và tạo hình ảnh, mô hình ngôn ngữ lớn, v.v.) và hoàn thành nhiệm vụ tuyệt vời sẽ được khuyến khích, đồng thời cho phép các mạng con tương tác và học hỏi lẫn nhau.

Nhìn lại các mô hình AI lớn hiện nay trên thị trường, không có ngoại lệ, chúng đều đến từ lượng tài nguyên tính toán và dữ liệu khổng lồ được đầu tư bởi các ông lớn công nghệ. Mặc dù đúng là các sản phẩm AI được đào tạo theo cách này hoạt động ấn tượng, nhưng chúng cũng có nguy cơ cao trở thành ác quỷ. Cơ sở hạ tầng Bittensor được thiết kế để cho phép một mạng lưới các chuyên gia giao tiếp giao tiếp và học hỏi lẫn nhau, đặt nền tảng cho việc đào tạo phi tập trung cho các mô hình lớn. Tầm nhìn dài hạn của Bittensor là cạnh tranh với các mô hình nguồn đóng của những gã khổng lồ như OpenAI, Meta, Google, v.v., để đạt được hiệu suất suy luận phù hợp trong khi vẫn duy trì bản chất phi tập trung của mô hình.

Cốt lõi kỹ thuật của mạng Bittensor đến từ cơ chế đồng thuận được thiết kế độc đáo của Yuma Rao, còn được gọi là đồng thuận Yuma, là một cơ chế đồng thuận kết hợp PoW và PoS. Những người tham gia chính ở phía cung được chia thành “máy chủ” (tức là thợ mỏ) và “người xác nhận”, và những người tham gia ở phía cầu là “khách hàng” (tức là khách hàng) sử dụng các mô hình trong mạng. Các thợ đào chịu trách nhiệm cung cấp các mô hình được đào tạo trước cho nhiệm vụ mạng con hiện tại và các ưu đãi nhận được phụ thuộc vào chất lượng của các mô hình được cung cấp, trong khi người xác nhận chịu trách nhiệm xác minh hiệu suất mô hình và đóng vai trò trung gian trước người khai thác và khách hàng. Quy trình cụ thể như sau:

** **

1. Máy khách gửi các yêu cầu sử dụng mô hình trong mạng con và dữ liệu cần được tính toán cho trình xác thực
2. Trình xác thực phân bổ dữ liệu cho từng thợ đào trong mạng con
3. Người khai thác trả về kết quả sau khi suy luận mô hình bằng cách sử dụng mô hình của riêng họ và dữ liệu được chấp nhận
4. Trình xác thực sắp xếp các kết quả suy luận nhận được theo chất lượng của chúng và kết quả sắp xếp được lưu trữ trên chuỗi
5. Kết quả suy luận tối ưu được trả về cho người dùng, thợ đào được sắp xếp theo thứ tự và trình xác thực được thưởng theo khối lượng công việc

Cần lưu ý rằng trong phần lớn các mạng con, bản thân Bittensor không đào tạo bất kỳ mô hình nào và vai trò của nó giống như liên kết các nhà cung cấp mô hình và người yêu cầu mô hình và trên cơ sở này, nó tiếp tục sử dụng sự tương tác giữa các mô hình nhỏ để cải thiện hiệu suất trong các tác vụ khác nhau. Hiện tại, có 30 mạng con đã trực tuyến (hoặc đã trực tuyến), tương ứng với các mô hình tác vụ khác nhau.

Là mã thông báo gốc của Bittensor, TAO đô la đóng một vai trò quan trọng trong hệ sinh thái bằng cách tạo mạng con, đăng ký mạng con, thanh toán cho các dịch vụ, trình xác thực đặt cọc và hơn thế nữa. Đồng thời, do dự án Bittensor thực hành tôn vinh tinh thần BTC, TAO đô la đã chọn một khởi đầu công bằng, nghĩa là tất cả các mã thông báo sẽ được tạo ra bằng cách đóng góp cho mạng. Hiện tại, sản lượng hàng ngày là TAO đô la là khoảng 7200, được chia đều cho các thợ đào và người xác nhận. Kể từ khi ra mắt dự án, khoảng 26,3% trong tổng số 21 triệu đã được tạo ra, trong đó 87,21% mã thông báo đã được sử dụng để đặt cọc và xác minh. Đồng thời, dự án được thiết kế để giảm một nửa sản lượng (giống như BTC) cứ sau 4 năm, gần đây nhất sẽ diễn ra vào ngày 20/9/2025, đây cũng sẽ là động lực lớn thúc đẩy tăng giá.

Tín dụng: taostats.io

** **

Từ xu hướng giá, chúng ta có thể thấy rằng mức giá TAO USD đã tăng mạnh kể từ cuối tháng 10/2023 và người ta suy đoán rằng động lực chính là một vòng bùng nổ AI mới do cuộc họp báo của OpenAI mang lại, điều này đã khiến lĩnh vực vốn xoay vòng sang lĩnh vực AI. Đồng thời, $ TAO Là một dự án mới nổi trong đường đua Web3 + AI, chất lượng dự án tuyệt vời và tầm nhìn dự án dài hạn cũng là một lý do chính để thu hút vốn. Tuy nhiên, chúng ta phải thừa nhận rằng, giống như các dự án AI khác, mặc dù sự kết hợp của Web3 + AI có tiềm năng lớn, nhưng ứng dụng của nó trong kinh doanh thực tế là không đủ để hỗ trợ một dự án có lợi nhuận lâu dài.

3.4 Alethea.ai($ALI)

Được thành lập vào năm 2020, Alethea.ai là một dự án dành riêng cho việc mang lại quyền sở hữu phi tập trung và quản trị phi tập trung cho nội dung tạo ra bằng công nghệ blockchain. Những người sáng lập Alethea.ai tin rằng AI tạo ra sẽ đưa chúng ta vào thời đại mà nội dung tạo ra dẫn đến dư thừa thông tin, nơi một lượng lớn nội dung điện tử được sao chép và dán hoặc tạo ra chỉ bằng một cú nhấp chuột và những người tạo ra giá trị ngay từ đầu sẽ không thể hưởng lợi từ nó. Bằng cách kết nối các nguyên thủy trên chuỗi (chẳng hạn như NFT) với AI tạo ra, quyền sở hữu AI tạo ra và nội dung của nó có thể được đảm bảo và quản trị cộng đồng có thể được thực hiện trên cơ sở này.

Được thúc đẩy bởi triết lý này, Early Alethea.ai đã giới thiệu một tiêu chuẩn NFT mới, iNFT, tận dụng Intelligence Pod để tạo hoạt ảnh AI nhúng, tổng hợp giọng nói và thậm chí là AI tạo thành hình ảnh. Ngoài ra, Alethea.ai còn hợp tác với các nghệ sĩ để biến tác phẩm nghệ thuật của họ thành iNFT, thu về 478,000 đô la tại Sotheby’s.

Tiêm linh hồn vào NFT

Nguồn: Alethea.ai

Sau đó, Alethea.ai đã ra mắt Giao thức AI, cho phép bất kỳ nhà phát triển và người tạo AI tạo ra nào cũng có thể tạo với tiêu chuẩn iNFT mà không cần cấp phép. Đồng thời, để làm mẫu cho các dự án khác trên AI Protocol của riêng mình, Alethea.ai cũng mượn lý thuyết về mô hình lớn của GPT để khởi chạy CharacterGPT, một công cụ tạo NFT tương tác. Hơn nữa, gần đây Alethea.ai cũng đã phát hành Open Fusion, cho phép bất kỳ NFT ERC-721 nào trên thị trường được kết hợp với Trí thông minh và được phát hành lên Giao thức AI.

Mã thông báo gốc của Alethea.ai là ALI đô la và mục đích sử dụng chính của nó là gấp bốn lần:

1. Khóa một số tiền nhất định ALI đô la để tạo iNFT
2. Càng bị khóa, cấp độ của Intelligence Pod càng cao
3. Chủ sở hữu $ ALI tham gia quản trị cộng đồng
4. $ ALI có thể được sử dụng làm thông tin xác thực để tham gia vào các tương tác giữa các iNFT (chưa có trường hợp sử dụng trong thế giới thực)

Nguồn: coingecko.com

Như có thể thấy từ trường hợp sử dụng ALI đô la, việc nắm bắt giá trị hiện tại của mã thông báo này vẫn ở cấp độ tường thuật và suy luận này cũng có thể được xác nhận từ sự thay đổi giá của tiền tệ trong vòng một năm: ALI đô la đã gặt hái được cổ tức từ sự bùng nổ AI do ChatGPT dẫn đầu kể từ tháng 12 năm 2022. Đồng thời, vào tháng 6 năm nay, khi Alethea.ai công bố ra mắt tính năng Open Fusion mới nhất của mình, nó cũng mang lại một làn sóng tăng trưởng. Trên hết, mức giá ALI USD đang có xu hướng giảm và ngay cả sự bùng nổ AI vào cuối năm 2023 cũng không thể đẩy giá lên mức trung bình của các dự án trong cùng một đường đua.

Ngoài native token, chúng ta hãy cùng điểm qua hiệu suất của các dự án NFT, iNFT của Alethea.ai (bao gồm cả các bộ sưu tập được phát hành chính thức) trên thị trường NFT.

Doanh số hàng ngày của Intelligence Pod trên Opensea

** **

Doanh thu hàng ngày của Revenants Collection trên Opensea

Nguồn: Dune.com

Từ thống kê bảng điều khiển của Dune, chúng ta có thể thấy rằng cả Intelligence Pod, được bán cho bên thứ ba và bộ sưu tập Revenants, được phát hành bởi bên thứ nhất Alethea.ai, dần biến mất sau một thời gian sau khi phát hành lần đầu. Lý do chính cho điều này, tác giả cho rằng, nên là sau khi sự mới lạ ban đầu mất dần, không có giá trị thực tế hoặc sự phổ biến của cộng đồng để giữ chân người dùng.

3.5 Fetch.ai($FET)

Fetch.ai là một dự án dành riêng cho việc thúc đẩy sự hội tụ của trí tuệ nhân tạo và công nghệ blockchain. Mục tiêu của công ty là xây dựng một nền kinh tế phi tập trung, thông minh, cung cấp năng lượng cho hoạt động kinh tế giữa các tác nhân thông minh thông qua sự kết hợp giữa học máy, blockchain và công nghệ sổ cái phân tán.

Fetch.ai được thành lập vào năm 2019 bởi các nhà khoa học đến từ Vương quốc Anh, Humayun Sheikh, Toby Simpson và Thomas Hain. Ba người sáng lập đến từ nhiều nền tảng khác nhau, bao gồm Humayun Sheikh là nhà đầu tư ban đầu vào Deepmind, Toby Simpson là giám đốc điều hành tại một số công ty và Thomas Hain là giáo sư trí tuệ nhân tạo tại Đại học Sheffield. Fetch.ai Nền tảng sâu sắc của nhóm sáng lập đã mang lại nguồn lực công nghiệp phong phú cho công ty, bao gồm các công ty CNTT truyền thống, các dự án ngôi sao blockchain, các dự án y tế và siêu máy tính và các lĩnh vực khác.

Nhiệm vụ của Fetch.ai là xây dựng một nền tảng web phi tập trung bao gồm các tác nhân kinh tế tự trị và các ứng dụng AI, cho phép các nhà phát triển hoàn thành các nhiệm vụ mục tiêu đặt trước bằng cách tạo ra các tác nhân tự trị. Công nghệ cốt lõi của nền tảng là kiến trúc ba tầng độc đáo:

• Cơ sở: Một mạng hợp đồng thông minh cơ bản dựa trên PoS-uD (tức là cơ chế đồng thuận bằng chứng cổ phần không được phép) hỗ trợ cộng tác giữa các thợ mỏ và đào tạo và suy luận học máy cơ bản
• Lớp giữa: OEF (Open Economic Framework) cung cấp một không gian chung cho các AEA tương tác với nhau, cho phép AEA tương tác với giao thức cơ bản và cũng hỗ trợ các AEA tìm kiếm, khám phá và giao dịch với nhau
• Thượng: AEA (Autonomous Economic Agent), là thành phần cốt lõi của Fetch.ai. Mỗi AEA là một phần mềm trợ lý thông minh cho phép các chức năng khác nhau thông qua nhiều mô-đun kỹ năng khác nhau để hoàn thành các nhiệm vụ được xác định trước thay mặt cho người dùng. Thay vì chạy trực tiếp trên blockchain, phần mềm đại lý tương tác với blockchain và các hợp đồng thông minh thông qua một lớp trung gian OEF. Loại phần mềm trợ lý thông minh này có thể là phần mềm thuần túy, hoặc nó có thể bị ràng buộc với phần cứng thực tế, chẳng hạn như điện thoại di động, máy tính, ô tô, v.v. Chính thức, một bộ công cụ phát triển dựa trên Python, khung AEA, có sẵn, có thể kết hợp, cho phép các nhà phát triển xây dựng phần mềm tác nhân thông minh của riêng họ với nó.

Dựa trên kiến trúc này, Fetch.ai cũng đã tung ra một số sản phẩm và dịch vụ tiếp theo, chẳng hạn như Co-Learn (mô hình học máy dùng chung giữa các tác nhân) và Metaverse (dịch vụ lưu trữ đám mây trợ lý thông minh) để cho phép người dùng phát triển các tác nhân thông minh của riêng họ trên nền tảng của mình.

Về mặt mã thông báo, FET đô la, với tư cách là mã thông báo gốc của Fetch.ai, bao gồm vai trò thường xuyên của việc thanh toán gas, xác minh đặt cọc và mua dịch vụ trong mạng. Hơn 90% mã thông báo đã được mở khóa cho đến nay bằng FET đô la, được phân phối như sau:

Kể từ khi ra mắt dự án, Fetch.ai đã nhận được nhiều vòng tài trợ dưới dạng nắm giữ mã thông báo pha loãng, gần đây nhất là vào ngày 29 tháng 3 năm 2023, khi Fetch.ai nhận được 30 triệu đô la tài trợ từ DWF Lab. Vì mã thông báo FET đô la không nắm bắt được giá trị của dự án về doanh thu, động lực tăng giá chủ yếu là từ bản cập nhật dự án và tâm lý của thị trường đối với đường đua AI. Có thể thấy, giá Fetch.ai đã tăng vọt hơn 100% vào đầu năm 2023 và cuối năm 2023.

Nguồn: coingecko.com

So với các cách khác để các dự án blockchain phát triển và thu hút sự chú ý, con đường phát triển của Fetch.ai giống như một dự án khởi nghiệp AI trong Web2.0, tập trung vào việc đánh bóng trình độ kỹ thuật, tạo dựng tên tuổi và tìm kiếm điểm lợi nhuận thông qua tài chính liên tục và hợp tác sâu rộng. Cách tiếp cận này để lại rất nhiều chỗ cho các ứng dụng trong tương lai được phát triển dựa trên Fetch.ai, nhưng mô hình phát triển cũng khiến nó kém hấp dẫn hơn đối với các dự án blockchain khác để kích hoạt hệ sinh thái (một trong những người sáng lập Fetch.ai đã đích thân thành lập dự án DEX dựa trên Fetch.ai Mettalex DEX, cuối cùng đã thất bại). Là một dự án định hướng cơ sở hạ tầng, rất khó để nâng cao giá trị nội tại của dự án Fetch.ai do sự héo tàn của hệ sinh thái.

Thứ tư, AI tạo ra có một tương lai đầy hứa hẹn

Giám đốc điều hành Nvidia Jensen Huang gọi việc phát hành các mô hình thế hệ là thời điểm “iPhone” của AI và nguồn lực khan hiếm để sản xuất AI ở giai đoạn này là cơ sở hạ tầng tập trung vào chip điện toán hiệu suất cao. Là con đường phụ AI khóa nhiều tiền nhất trong Web3, các dự án cơ sở hạ tầng AI luôn là trọng tâm đầu tư và nghiên cứu dài hạn của các nhà đầu tư. Có thể thấy trước rằng với việc nâng cấp dần thiết bị sức mạnh tính toán của những gã khổng lồ chip, cải thiện dần sức mạnh tính toán AI và mở khóa các khả năng AI, có thể thấy trước rằng nhiều dự án cơ sở hạ tầng AI trong các lĩnh vực được chia nhỏ trong Web3 sẽ xuất hiện trong tương lai và thậm chí có thể mong đợi rằng các chip được thiết kế và sản xuất đặc biệt để đào tạo AI trong Web3 sẽ ra mắt trong tương lai. **

Mặc dù sự phát triển của các sản phẩm AI thế hệ của ToC vẫn đang trong giai đoạn thử nghiệm, một số sản phẩm cấp công nghiệp ToB của nó đã cho thấy tiềm năng lớn. Một trong số đó là công nghệ “bản sao số” di chuyển các kịch bản trong thế giới thực sang lĩnh vực kỹ thuật số, kết hợp với nền tảng điện toán khoa học bản sao kỹ thuật số do NVIDIA phát hành cho tầm nhìn metaverse, trong bối cảnh vẫn còn một lượng lớn giá trị dữ liệu trong ngành chưa được phát hành, AI sẽ trở thành trợ thủ đắc lực quan trọng cho cặp song sinh kỹ thuật số trong các kịch bản công nghiệp. Tiến xa hơn vào lĩnh vực Web3, bao gồm metaverse, sáng tạo nội dung kỹ thuật số, tài sản trong thế giới thực, v.v., sẽ bị ảnh hưởng bởi công nghệ bản sao kỹ thuật số được hỗ trợ bởi AI.

Sự phát triển của phần cứng tương tác mới cũng là một mắt xích không thể bỏ qua. Trong lịch sử, mọi đổi mới phần cứng trong thế giới máy tính đều mang lại sự thay đổi địa chấn và cơ hội phát triển mới, chẳng hạn như chuột máy tính phổ biến ngày nay hoặc iPhone 4 với màn hình điện dung cảm ứng đa điểm. Apple Vision Pro, được công bố sẽ ra mắt vào quý đầu tiên của năm 2024, đã thu hút rất nhiều sự chú ý trên toàn thế giới với bản demo tuyệt đẹp, sẽ mang lại những thay đổi và cơ hội bất ngờ cho các ngành công nghiệp khác nhau khi nó thực sự được ra mắt. Với lợi thế sản xuất nội dung nhanh, phổ biến nhanh và phạm vi rộng, lĩnh vực giải trí thường là lĩnh vực đầu tiên được hưởng lợi sau mỗi lần cập nhật công nghệ phần cứng. Tất nhiên, điều này cũng bao gồm nhiều bản nhạc giải trí trực quan khác nhau như metaverse, trò chơi dây chuyền và NFT trong Web3, đáng để độc giả quan tâm và nghiên cứu lâu dài trong tương lai.

Về lâu dài, sự phát triển của AI thế hệ là một quá trình thay đổi về số lượng dẫn đến thay đổi về chất. Bản chất của ChatGPT là một giải pháp cho vấn đề lý luận Q&A, đây là một vấn đề đã được theo dõi và nghiên cứu rộng rãi trong giới học thuật trong một thời gian dài. Sau khi lặp lại lâu dài dữ liệu và mô hình, cuối cùng nó đã đạt đến cấp độ GPT-4, khiến thế giới kinh ngạc. Điều tương tự cũng đúng với các ứng dụng AI trong Web3, vẫn đang trong giai đoạn giới thiệu các mô hình từ Web2 vào Web3 và các mô hình được phát triển hoàn toàn dựa trên dữ liệu Web3 vẫn chưa xuất hiện. Trong tương lai, các bên dự án có tầm nhìn xa và rất nhiều nguồn lực sẽ cần được đầu tư vào việc nghiên cứu các vấn đề thực tế trong Web3, để ứng dụng sát thủ cấp độ ChatGPT của Web3 có thể dần tiến gần hơn.

Ở giai đoạn này, có nhiều hướng đáng để khám phá dưới nền tảng kỹ thuật của AI tạo ra, một trong số đó là công nghệ Chain-of-Thought mà việc thực hiện logic phụ thuộc vào. Nói một cách đơn giản, thông qua chuỗi công nghệ tư duy, các mô hình ngôn ngữ lớn đã có thể tạo ra một bước nhảy vọt về chất trong lý luận nhiều bước. Tuy nhiên, việc sử dụng chuỗi tư duy chưa được giải quyết, hoặc ở một mức độ nào đó, nó đã dẫn đến vấn đề không đủ khả năng suy luận của các mô hình lớn trong logic phức tạp. Độc giả quan tâm đến khía cạnh này nên đọc bài báo của tác giả gốc của chuỗi suy nghĩ.

Sự thành công của ChatGPT đã dẫn đến sự xuất hiện của nhiều chuỗi GPT phổ biến khác nhau trong Web3, nhưng sự kết hợp đơn giản và thô sơ giữa GPT và hợp đồng thông minh không thể thực sự giải quyết được nhu cầu của người dùng. Đã khoảng một năm kể từ khi phát hành ChatGPT, và về lâu dài, nó chỉ là một cái búng tay, và các sản phẩm trong tương lai cũng nên bắt đầu từ nhu cầu thực sự của chính người dùng Web3, và với công nghệ Web3 ngày càng trưởng thành, tôi tin rằng việc ứng dụng AI tạo ra trong Web3 có khả năng vô hạn đáng để mong đợi.

Tham khảo

Google Cloud Tech - Giới thiệu về Generative AI

AWS - Generative AI là gì

Tính kinh tế của các mô hình ngôn ngữ lớn

Ngay sau khi Mô hình khuếch tán bị ép buộc, GAN trở nên lỗi thời???

Minh họa học tăng cường từ phản hồi của con người (RLHF)

AI và Web3

Ai sở hữu nền tảng Generative AI?

Apple Vision Pro Full Moon suy nghĩ lại: XR, RNDR và tương lai của điện toán không gian

AI được đúc như một NFT như thế nào?

Lý luận tương tự nổi bật trong các mô hình ngôn ngữ lớn

Mã thông báo mạng Akash (AKT) Lịch trình mở khóa Genesis và ước tính nguồn cung