Sự kết hợp giữa Web3 và AI: Xây dựng một hệ sinh thái trí tuệ nhân tạo minh bạch hơn, Phi tập trung

Tại hội nghị thượng đỉnh chính phủ thế giới gần đây, một lãnh đạo trong ngành công nghệ đã đưa ra khái niệm "AI chủ quyền". Điều này đã khơi dậy suy nghĩ của mọi người: AI như thế nào thực sự có thể đáp ứng lợi ích và nhu cầu của cộng đồng tiền điện tử? Câu trả lời có thể được tìm thấy trong sự kết hợp giữa Web3 và AI.

Người sáng lập Ethereum trong một bài viết đã giải thích về hiệu ứng cộng sinh giữa công nghệ mã hóa và AI: sự Phi tập trung của mã hóa có thể cân bằng xu hướng tập trung của AI; độ minh bạch mà mã hóa mang lại có thể giảm thiểu tính không minh bạch của AI; blockchain có lợi cho việc lưu trữ và theo dõi dữ liệu cần thiết cho AI. Hiệu ứng cộng sinh này xuyên suốt toàn bộ bức tranh công nghiệp Web3+AI.

Hiện nay, hầu hết các dự án Web3+AI đều tập trung vào việc sử dụng công nghệ blockchain để giải quyết các vấn đề xây dựng cơ sở hạ tầng trong ngành AI, trong khi một số ít dự án sử dụng AI để giải quyết các vấn đề cụ thể trong ứng dụng Web3. Sự kết hợp giữa Web3 và AI chủ yếu được thể hiện ở bốn cấp độ:

1. Tầng sức mạnh: Tài sản hóa sức mạnh tính toán

Trong những năm gần đây, sức mạnh tính toán cần thiết cho việc đào tạo các mô hình lớn AI đã tăng theo cấp số nhân, vượt xa quy luật Moore. Điều này dẫn đến sự mất cân bằng cung cầu về sức mạnh tính toán AI, giá phần cứng như GPU tăng vọt, làm tăng chi phí sức mạnh tính toán.

Giải pháp Web3 có thể thông qua việc xây dựng mạng lưới tính toán phân tán, tích hợp các tài nguyên phần cứng trung và thấp đang nhàn rỗi, tạo ra mạng lưới tài nguyên tính toán Phi tập trung. Cách này có thể giảm đáng kể chi phí tính toán AI, đáp ứng nhu cầu của nhiều ứng dụng AI.

Lớp sức mạnh tính toán được phân chia bao gồm:

• Công suất phi tập trung chung
• AI đào tạo chuyên dụng Phi tập trung tính toán
• AI suy luận chuyên dụng Phi tập trung tính toán
• 3D kết xuất chuyên dụng Phi tập trung tính toán

Lợi thế cốt lõi của việc tài sản hóa sức mạnh tính toán Web3+AI là: các dự án sức mạnh tính toán phi tập trung có thể mở rộng quy mô mạng nhanh chóng nhờ vào khuyến khích bằng token, cung cấp nguồn tài nguyên tính toán với chi phí hiệu quả cao, đáp ứng nhu cầu về sức mạnh tính toán trung bình và thấp.

2. Lớp dữ liệu: Tài sản hóa dữ liệu

Dữ liệu là nguồn tài nguyên cốt lõi của AI. Dưới mô hình truyền thống, chỉ có các doanh nghiệp lớn nắm giữ một lượng lớn dữ liệu người dùng, các công ty khởi nghiệp thông thường khó có thể thu thập dữ liệu rộng rãi, người dùng cũng không thể hưởng lợi từ giá trị dữ liệu. Web3+AI có thể giúp việc thu thập, chú thích, lưu trữ dữ liệu trở nên tiết kiệm chi phí hơn, minh bạch hơn, có lợi hơn cho người dùng.

Dự án thuộc loại dữ liệu chủ yếu bao gồm:

• Thu thập dữ liệu
• Giao dịch dữ liệu
• Gán nhãn dữ liệu
• Nguồn dữ liệu blockchain
• Phi tập trung lưu trữ

Các dự án loại này phải đối mặt với nhiều thách thức hơn khi thiết kế mô hình kinh tế token, vì dữ liệu khó tiêu chuẩn hóa hơn sức mạnh tính toán.

3. Nền tảng: Tài sản hóa giá trị nền tảng

Các dự án nền tảng chủ yếu đối chiếu với một nền tảng phát triển AI nổi tiếng, cốt lõi là tích hợp các loại tài nguyên trong ngành AI. Những nền tảng này tập hợp dữ liệu, sức mạnh tính toán, mô hình, nhà phát triển, tài nguyên blockchain, để giải quyết các nhu cầu một cách thuận tiện hơn.

Một số dự án tập trung vào việc xây dựng nền tảng suy diễn máy học đáng tin cậy và minh bạch, ứng dụng công nghệ mật mã để xác minh quá trình suy diễn mô hình. Còn có những dự án cam kết xây dựng chuỗi công khai hoặc mạng lớp hai chuyên dụng cho AI, kết nối các loại sức mạnh tính toán, dữ liệu, mô hình, nhà phát triển và các tài nguyên khác, giúp các ứng dụng Web3+AI nhanh chóng được xây dựng và phát triển.

Các dự án nền tảng chủ yếu thông qua việc sử dụng token để thu hút giá trị nền tảng, khuyến khích các bên tham gia xây dựng cùng nhau. Điều này rất hữu ích cho quá trình từ 0 đến 1 của các dự án khởi nghiệp, có thể giảm bớt khó khăn trong việc tìm kiếm đối tác.

4. Ứng dụng: Tài sản giá trị AI

Các dự án ở tầng ứng dụng ngày càng tận dụng AI để giải quyết các vấn đề của ứng dụng Web3. Có hai hướng đáng chú ý:

Một là AI như một người tham gia Web3. Ví dụ, trong trò chơi Web3, AI có thể giúp người chơi nhanh chóng hiểu quy tắc và hoàn thành nhiệm vụ hiệu quả; trong các sàn giao dịch Phi tập trung, AI đã đóng vai trò trong giao dịch chênh lệch giá; trong thị trường dự đoán, AI có thể giúp người dùng đưa ra dự đoán chính xác hơn.

Thứ hai là tạo ra AI tư nhân phi tập trung có thể mở rộng. Điều này có thể giải quyết những lo ngại của người dùng về hộp đen AI, sự thiên kiến, v.v., cho phép người dùng có quyền quản trị AI giống như tham gia vào các dự án Web3.

Hiện tại, tầng ứng dụng Web3+AI vẫn chưa xuất hiện dự án ngôi sao thực sự, vẫn còn nhiều không gian phát triển lớn.

Kết luận

Web3+AI vẫn đang ở giai đoạn đầu, trong ngành có sự khác biệt về triển vọng của nó. Chúng tôi hy vọng sự kết hợp giữa Web3 và AI có thể tạo ra những sản phẩm có giá trị hơn so với AI Phi tập trung, giúp AI thoát khỏi những nhãn mác như "kiểm soát của các ông lớn", "độc quyền", và thực hiện "quản trị AI" theo cách cộng đồng hơn. Có thể trong quá trình tham gia quản trị sâu hơn, con người sẽ có thêm sự kính trọng và bớt đi nỗi sợ hãi đối với AI.