Sự hội nhập của AI và Web3: Phân tích hiện trạng và triển vọng phát triển
I. Giới thiệu: Sự phát triển của AI + Web3
Trong những năm gần đây, sự phát triển nhanh chóng của công nghệ trí tuệ nhân tạo (AI) và Web3 đã thu hút sự chú ý rộng rãi trên toàn cầu. AI, như một công nghệ mô phỏng và bắt chước trí tuệ con người, đã đạt được những bước đột phá quan trọng trong các lĩnh vực như nhận diện khuôn mặt, xử lý ngôn ngữ tự nhiên, học máy, mang lại những biến đổi và đổi mới to lớn cho mọi ngành nghề.
Năm 2023, quy mô thị trường của ngành AI đạt 200 tỷ USD, các doanh nghiệp xuất sắc như OpenAI, Character.AI, Midjourney nhanh chóng nổi lên, dẫn đầu cơn sốt AI. Đồng thời, Web3 như một mô hình mạng mới nổi, đang thay đổi nhận thức và cách sử dụng Internet của mọi người. Web3 dựa trên công nghệ blockchain phi tập trung, thông qua các chức năng như hợp đồng thông minh, lưu trữ phân tán và xác thực danh tính phi tập trung, đã đạt được sự chia sẻ và kiểm soát dữ liệu, tự trị của người dùng và thiết lập cơ chế tin cậy.
Hiện tại, thị trường Web3 đã đạt giá trị 25 triệu tỷ, các dự án như Bitcoin, Ethereum, Solana cũng như các ứng dụng như Uniswap, Stepn liên tục xuất hiện những câu chuyện và bối cảnh mới, thu hút ngày càng nhiều người tham gia vào ngành Web3. Sự kết hợp giữa AI và Web3 trở thành lĩnh vực được cả nhà phát triển và nhà đầu tư phương Đông và phương Tây rất quan tâm, làm thế nào để kết hợp hai yếu tố này một cách hiệu quả là một vấn đề đáng để khám phá.
Bài viết này sẽ tập trung khám phá tình hình phát triển của AI+Web3, phân tích tình trạng hiện tại của các dự án AI+Web3, và thảo luận sâu về những hạn chế và thách thức mà chúng đang phải đối mặt. Thông qua nghiên cứu này, chúng tôi hy vọng có thể cung cấp những tham khảo và hiểu biết có giá trị cho các nhà đầu tư và những người làm việc trong ngành liên quan.
Hai, Cách tương tác giữa AI và Web3
Sự phát triển của AI và Web3 giống như hai bên của cái cân, AI mang lại sự nâng cao năng suất, trong khi Web3 mang lại sự thay đổi trong quan hệ sản xuất. Vậy AI và Web3 có thể tạo ra những tia lửa gì? Chúng ta sẽ bắt đầu phân tích những khó khăn và không gian cải thiện mà mỗi ngành công nghiệp AI và Web3 đang phải đối mặt, sau đó thảo luận về cách mà chúng hỗ trợ nhau giải quyết những khó khăn này.
2.1 Những khó khăn mà ngành AI đang đối mặt
Ba yếu tố cốt lõi của ngành AI không thể tách rời: sức mạnh tính toán, thuật toán và dữ liệu.
Công suất tính toán: Các nhiệm vụ AI thường cần xử lý một lượng lớn dữ liệu và thực hiện các phép toán phức tạp, chẳng hạn như đào tạo mô hình mạng nơ-ron sâu. Khả năng tính toán mạnh mẽ có thể tăng tốc quá trình đào tạo và suy diễn mô hình, nâng cao hiệu suất và hiệu quả của hệ thống AI. Trong những năm gần đây, với sự phát triển của công nghệ phần cứng, như bộ xử lý đồ họa (GPU) và chip AI chuyên dụng (như TPU), sự gia tăng công suất tính toán đã đóng vai trò quan trọng trong sự phát triển của ngành AI.
Thuật toán: Thành phần cốt lõi của hệ thống AI, chúng là các phương pháp toán học và thống kê được sử dụng để giải quyết vấn đề và thực hiện nhiệm vụ. Thuật toán AI có thể được chia thành thuật toán học máy truyền thống và thuật toán học sâu, trong đó các thuật toán học sâu đã đạt được những bước đột phá đáng kể trong những năm gần đây. Việc lựa chọn và thiết kế thuật toán rất quan trọng đối với hiệu năng và hiệu quả của hệ thống AI.
Dữ liệu: Nhiệm vụ cốt lõi của hệ thống AI là trích xuất các mẫu và quy luật từ dữ liệu thông qua việc học hỏi và đào tạo. Dữ liệu là cơ sở để huấn luyện và tối ưu hóa mô hình, thông qua các mẫu dữ liệu quy mô lớn, hệ thống AI có thể học được các mô hình chính xác hơn và thông minh hơn. Tập dữ liệu phong phú có thể cung cấp thông tin toàn diện và đa dạng hơn, giúp mô hình có thể tổng quát tốt hơn với các dữ liệu chưa thấy trước đó.
Các khó khăn chính mà ngành AI đang đối mặt bao gồm:
Về sức mạnh tính toán: Việc thu thập và quản lý sức mạnh tính toán quy mô lớn là một thách thức tốn kém và phức tạp. Chi phí, tiêu thụ năng lượng và bảo trì của thiết bị tính toán hiệu suất cao đều là vấn đề.
Về mặt thuật toán: Việc huấn luyện mạng nơ-ron sâu cần một lượng lớn dữ liệu và tài nguyên tính toán, khả năng giải thích và tính dễ hiểu của mô hình có thể không đủ. Độ bền và khả năng tổng quát của thuật toán cũng là một vấn đề quan trọng.
Về dữ liệu: Việc thu thập dữ liệu chất lượng cao và đa dạng vẫn là một thách thức. Chất lượng, độ chính xác và việc gán nhãn dữ liệu cũng là vấn đề, dữ liệu không đầy đủ hoặc có thiên lệch có thể dẫn đến hành vi sai lệch hoặc thiên lệch của mô hình.
Khả năng giải thích và tính minh bạch: Đặc điểm hộp đen của mô hình AI là một vấn đề được công chúng quan tâm. Đối với một số ứng dụng, như tài chính, y tế và tư pháp, quá trình ra quyết định của mô hình cần phải có khả năng giải thích và truy nguyên.
Mô hình kinh doanh: Nhiều mô hình kinh doanh của các dự án AI khởi nghiệp không rõ ràng, điều này khiến nhiều nhà khởi nghiệp AI cảm thấy bối rối.
2.2 Những thách thức mà ngành Web3 đang phải đối mặt
Ngành Web3 cũng gặp nhiều khó khăn khác nhau cần được giải quyết, bao gồm:
Phân tích dữ liệu Web3
Trải nghiệm người dùng kém của sản phẩm Web3
Vấn đề lỗ hổng mã hợp đồng thông minh và tấn công của hacker
AI như một công cụ nâng cao năng suất, cũng có nhiều tiềm năng phát huy trong những lĩnh vực này:
Năng lực phân tích và dự đoán dữ liệu: Công nghệ AI có thể giúp các nền tảng Web3 trích xuất thông tin giá trị từ dữ liệu khổng lồ và thực hiện các dự đoán và quyết định chính xác hơn. Điều này có ý nghĩa quan trọng đối với việc đánh giá rủi ro, dự đoán thị trường và quản lý tài sản trong lĩnh vực tài chính phi tập trung (DeFi).
Trải nghiệm người dùng và dịch vụ cá nhân hóa: Công nghệ AI có thể giúp các nền tảng Web3 cung cấp trải nghiệm người dùng tốt hơn và dịch vụ cá nhân hóa, nâng cao mức độ tham gia và sự hài lòng của người dùng.
An ninh và bảo vệ quyền riêng tư: Công nghệ AI có thể được sử dụng để phát hiện và phòng chống các cuộc tấn công mạng, nhận diện hành vi bất thường và cung cấp sự bảo vệ an ninh mạnh mẽ hơn. Đồng thời, AI cũng có thể được áp dụng vào bảo vệ quyền riêng tư dữ liệu, thông qua việc mã hóa dữ liệu và tính toán riêng tư, bảo vệ thông tin cá nhân của người dùng trên nền tảng Web3.
Kiểm toán hợp đồng thông minh: Công nghệ AI có thể được sử dụng để tự động hóa việc kiểm toán hợp đồng và phát hiện lỗ hổng, nâng cao tính an toàn và độ tin cậy của hợp đồng.
Ba, Phân tích tình trạng hiện tại của các dự án AI+Web3
Các dự án AI+Web3 chủ yếu tiếp cận từ hai khía cạnh lớn: sử dụng công nghệ blockchain để cải thiện hiệu suất của các dự án AI, và sử dụng công nghệ AI để phục vụ cho việc nâng cao các dự án Web3.
3.1 Web3 hỗ trợ AI
3.1.1 Tính toán phi tập trung
Với sự phát triển nhanh chóng của AI, nhu cầu về GPU đã tăng mạnh, dẫn đến tình trạng cung không đủ cầu. Một số dự án Web3 bắt đầu thử nghiệm cung cấp dịch vụ tính toán thông qua cách tiếp cận phi tập trung, như Akash, Render, Gensyn, v.v. Các dự án này khuyến khích người dùng cung cấp sức mạnh GPU nhàn rỗi thông qua việc phát hành token, trở thành bên cung cấp sức mạnh tính toán, hỗ trợ cho khách hàng AI.
Cung cấp bên bao gồm các nhà cung cấp dịch vụ đám mây, thợ mỏ tiền điện tử và các doanh nghiệp lớn. Hiện tại, những người chơi trong lĩnh vực này chủ yếu được chia thành hai loại: một loại sử dụng sức mạnh tính toán phi tập trung cho suy diễn AI, loại còn lại sử dụng sức mạnh tính toán phi tập trung cho việc huấn luyện AI.
Cốt lõi của dự án tính toán phi tập trung nằm ở việc thu hút các nhà cung cấp thông qua cơ chế khuyến khích bằng token, sau đó thu hút người dùng sử dụng, từ đó đạt được khởi động lạnh của dự án và cơ chế vận hành cốt lõi. Dưới vòng lặp này, phía cung cấp nhận được nhiều phần thưởng token có giá trị hơn, trong khi phía cầu có được dịch vụ với chi phí thấp hơn và hiệu quả hơn.
3.1.2 Mô hình thuật toán phi tập trung
Một số dự án cố gắng xây dựng thị trường dịch vụ thuật toán AI phi tập trung, kết nối nhiều mô hình AI khác nhau. Khi người dùng đặt câu hỏi, thị trường sẽ chọn ra mô hình AI phù hợp nhất để cung cấp câu trả lời.
Lấy Bittensor làm ví dụ, phía cung cấp của mô hình thuật toán (thợ mỏ) sẽ đóng góp các mô hình học máy của họ cho mạng. Người cung cấp mô hình sẽ nhận được token tiền điện tử TAO như một phần thưởng cho sự đóng góp của mình. Để đảm bảo chất lượng câu trả lời, Bittensor sử dụng cơ chế đồng thuận độc đáo để đảm bảo mạng đạt được sự đồng thuận về câu trả lời tốt nhất.
3.1.3 Thu thập dữ liệu phi tập trung
Một số dự án kết hợp Web3 thông qua cách khuyến khích bằng token để thực hiện việc thu thập dữ liệu phi tập trung. Ví dụ, PublicAI cho phép người dùng chia sẻ nội dung có giá trị trên mạng xã hội và nhận được khuyến khích bằng token. Cách này thúc đẩy mối quan hệ hợp tác giữa những người đóng góp dữ liệu và phát triển ngành công nghiệp trí tuệ nhân tạo.
3.1.4 Bảo vệ quyền riêng tư của người dùng trong AI bằng ZK
Công nghệ chứng minh không kiến thức có thể giúp giải quyết mâu thuẫn giữa bảo vệ quyền riêng tư và chia sẻ dữ liệu. ZKML (Học máy không kiến thức) cho phép đào tạo và suy diễn mô hình học máy mà không tiết lộ dữ liệu gốc nhờ vào việc sử dụng công nghệ chứng minh không kiến thức.
3.2 AI hỗ trợ web3
3.2.1 Phân tích và dự đoán dữ liệu
Nhiều dự án Web3 bắt đầu tích hợp các dịch vụ AI hiện có hoặc công cụ AI tự phát triển để cung cấp cho người dùng các dịch vụ phân tích dữ liệu và dự đoán. Những dịch vụ này bao gồm các khía cạnh như chiến lược đầu tư, phân tích trên chuỗi, dự đoán giá cả và thị trường.
Ví dụ, Pond sử dụng thuật toán hình ảnh AI để dự đoán các token alpha có giá trị trong tương lai; BullBear AI được đào tạo dựa trên dữ liệu lịch sử của người dùng, lịch sử giá và xu hướng thị trường để cung cấp dự đoán chính xác về xu hướng giá; Numerai là một nền tảng thi đấu đầu tư, nơi người tham gia dự đoán thị trường chứng khoán dựa trên AI và mô hình ngôn ngữ lớn.
3.2.2 Dịch vụ cá nhân hóa
Một số dự án Web3 tối ưu hóa trải nghiệm người dùng thông qua việc tích hợp AI. Ví dụ, nền tảng phân tích dữ liệu Dune đã ra mắt công cụ Wand để viết truy vấn SQL bằng cách sử dụng các mô hình ngôn ngữ lớn; nền tảng truyền thông Web3 Followin tích hợp ChatGPT để tóm tắt quan điểm và tin tức mới nhất trong một lĩnh vực nhất định; nền tảng bách khoa toàn thư Web3 IQ.wiki tích hợp GPT-4 để tóm tắt các bài viết trên wiki.
3.2.3 AI kiểm toán hợp đồng thông minh
Một số dự án sử dụng AI để thực hiện kiểm tra mã hợp đồng thông minh, nhằm xác định và phát hiện các lỗ hổng trong mã một cách hiệu quả và chính xác hơn. Ví dụ, dự án 0x0.ai cung cấp một công cụ kiểm tra hợp đồng thông minh bằng trí tuệ nhân tạo, sử dụng các thuật toán tiên tiến để phân tích hợp đồng thông minh và xác định các lỗ hổng hoặc vấn đề tiềm ẩn.
Bốn, Hạn chế và Thách thức Hiện tại của Dự án AI+Web3
4.1 Các rào cản thực tế trong lĩnh vực sức mạnh tính toán phi tập trung
Các sản phẩm tính toán phi tập trung phải đối mặt với những thách thức sau:
Hiệu suất và độ ổn định có thể kém hơn các sản phẩm tính toán tập trung.
Tính khả dụng bị ảnh hưởng bởi mức độ phù hợp giữa cung và cầu.
Chi phí sử dụng của người dùng khá cao, cần tìm hiểu thêm về các chi tiết kỹ thuật.
Hiện tại chủ yếu giới hạn ở suy luận AI chứ không phải đào tạo AI.
Để đào tạo AI mô hình lớn cần một khối lượng dữ liệu rất lớn và băng thông truyền thông tốc độ cao, hiện tại sức mạnh tính toán phi tập trung khó có thể đáp ứng được những yêu cầu này. So với đó, yêu cầu về dữ liệu và băng thông của suy diễn AI nhỏ hơn, khả năng thực hiện lớn hơn.
Sự kết hợp giữa AI và Web3 còn khá thô sơ, chưa đạt được 1+1＞2
Hiện tại, sự kết hợp giữa AI và Web3 chủ yếu được thể hiện qua hai khía cạnh sau:
Nhiều dự án chỉ đơn giản là sử dụng AI để nâng cao hiệu suất và phân tích, mà không thể hiện sự hòa quyện tự nhiên giữa AI và tiền điện tử cùng các giải pháp đổi mới sáng tạo.
Một số đội ngũ Web3 chủ yếu sử dụng khái niệm AI ở khía cạnh tiếp thị, nhưng vẫn còn rất nhiều khoảng trống trong thực sự đổi mới.
4.3 Kinh tế token trở thành chất đệm cho câu chuyện dự án AI
Với việc ngày càng nhiều mô hình lớn bắt đầu mở nguồn dần dần, nhiều dự án AI+Web3 chọn cách kết hợp câu chuyện Web3 và kinh tế token để thúc đẩy sự tham gia của người dùng. Tuy nhiên, việc tích hợp kinh tế token có thực sự giúp các dự án AI giải quyết nhu cầu thực tế hay chỉ là câu chuyện đơn thuần hoặc theo đuổi giá trị ngắn hạn, vẫn cần được quan sát và xác minh thêm.
Năm, Tóm tắt
Sự kết hợp giữa AI và Web3 mang đến những khả năng vô hạn cho sự đổi mới công nghệ và phát triển kinh tế trong tương lai. Công nghệ AI có thể cung cấp những ứng dụng hiệu quả và thông minh hơn cho Web3, trong khi các đặc điểm phi tập trung và có thể lập trình của Web3 cũng mang đến những cơ hội mới cho sự phát triển của công nghệ AI.
Mặc dù các dự án AI + Web3 hiện tại vẫn ở giai đoạn đầu và phải đối mặt với nhiều thách thức, nhưng chúng cũng mang lại một số lợi ích. Ví dụ, các dự án tính toán phi tập trung và thu thập dữ liệu có thể giảm sự phụ thuộc vào các tổ chức tập trung, cung cấp sự minh bạch và khả năng kiểm toán lớn hơn, cũng như đạt được sự tham gia và đổi mới rộng rãi hơn.
Trong tương lai, chúng tôi mong đợi thấy những nghiên cứu và đổi mới sâu sắc hơn để đạt được sự kết hợp chặt chẽ hơn giữa AI và Web3, cũng như trong lĩnh vực tài chính, phi tập trung.
Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
13 thích
Phần thưởng
13
5
Chia sẻ
Bình luận
0/400
FarmToRiches
· 10giờ trước
Tiến bộ công nghệ mới là điều quan trọng.
Xem bản gốcTrả lời0
ThatsNotARugPull
· 07-27 11:09
炒到 k tỷ rồi? Quá đáng
Xem bản gốcTrả lời0
ChainWatcher
· 07-27 11:03
Xe không chạy đúng giờ mà còn muốn tích hợp AI sao?
Tình trạng và thách thức của sự kết hợp AI+Web3: Cơ hội và hạn chế dưới sự giao thoa của công nghệ mới nổi
Sự hội nhập của AI và Web3: Phân tích hiện trạng và triển vọng phát triển
I. Giới thiệu: Sự phát triển của AI + Web3
Trong những năm gần đây, sự phát triển nhanh chóng của công nghệ trí tuệ nhân tạo (AI) và Web3 đã thu hút sự chú ý rộng rãi trên toàn cầu. AI, như một công nghệ mô phỏng và bắt chước trí tuệ con người, đã đạt được những bước đột phá quan trọng trong các lĩnh vực như nhận diện khuôn mặt, xử lý ngôn ngữ tự nhiên, học máy, mang lại những biến đổi và đổi mới to lớn cho mọi ngành nghề.
Năm 2023, quy mô thị trường của ngành AI đạt 200 tỷ USD, các doanh nghiệp xuất sắc như OpenAI, Character.AI, Midjourney nhanh chóng nổi lên, dẫn đầu cơn sốt AI. Đồng thời, Web3 như một mô hình mạng mới nổi, đang thay đổi nhận thức và cách sử dụng Internet của mọi người. Web3 dựa trên công nghệ blockchain phi tập trung, thông qua các chức năng như hợp đồng thông minh, lưu trữ phân tán và xác thực danh tính phi tập trung, đã đạt được sự chia sẻ và kiểm soát dữ liệu, tự trị của người dùng và thiết lập cơ chế tin cậy.
Hiện tại, thị trường Web3 đã đạt giá trị 25 triệu tỷ, các dự án như Bitcoin, Ethereum, Solana cũng như các ứng dụng như Uniswap, Stepn liên tục xuất hiện những câu chuyện và bối cảnh mới, thu hút ngày càng nhiều người tham gia vào ngành Web3. Sự kết hợp giữa AI và Web3 trở thành lĩnh vực được cả nhà phát triển và nhà đầu tư phương Đông và phương Tây rất quan tâm, làm thế nào để kết hợp hai yếu tố này một cách hiệu quả là một vấn đề đáng để khám phá.
Bài viết này sẽ tập trung khám phá tình hình phát triển của AI+Web3, phân tích tình trạng hiện tại của các dự án AI+Web3, và thảo luận sâu về những hạn chế và thách thức mà chúng đang phải đối mặt. Thông qua nghiên cứu này, chúng tôi hy vọng có thể cung cấp những tham khảo và hiểu biết có giá trị cho các nhà đầu tư và những người làm việc trong ngành liên quan.
Hai, Cách tương tác giữa AI và Web3
Sự phát triển của AI và Web3 giống như hai bên của cái cân, AI mang lại sự nâng cao năng suất, trong khi Web3 mang lại sự thay đổi trong quan hệ sản xuất. Vậy AI và Web3 có thể tạo ra những tia lửa gì? Chúng ta sẽ bắt đầu phân tích những khó khăn và không gian cải thiện mà mỗi ngành công nghiệp AI và Web3 đang phải đối mặt, sau đó thảo luận về cách mà chúng hỗ trợ nhau giải quyết những khó khăn này.
2.1 Những khó khăn mà ngành AI đang đối mặt
Ba yếu tố cốt lõi của ngành AI không thể tách rời: sức mạnh tính toán, thuật toán và dữ liệu.
Công suất tính toán: Các nhiệm vụ AI thường cần xử lý một lượng lớn dữ liệu và thực hiện các phép toán phức tạp, chẳng hạn như đào tạo mô hình mạng nơ-ron sâu. Khả năng tính toán mạnh mẽ có thể tăng tốc quá trình đào tạo và suy diễn mô hình, nâng cao hiệu suất và hiệu quả của hệ thống AI. Trong những năm gần đây, với sự phát triển của công nghệ phần cứng, như bộ xử lý đồ họa (GPU) và chip AI chuyên dụng (như TPU), sự gia tăng công suất tính toán đã đóng vai trò quan trọng trong sự phát triển của ngành AI.
Thuật toán: Thành phần cốt lõi của hệ thống AI, chúng là các phương pháp toán học và thống kê được sử dụng để giải quyết vấn đề và thực hiện nhiệm vụ. Thuật toán AI có thể được chia thành thuật toán học máy truyền thống và thuật toán học sâu, trong đó các thuật toán học sâu đã đạt được những bước đột phá đáng kể trong những năm gần đây. Việc lựa chọn và thiết kế thuật toán rất quan trọng đối với hiệu năng và hiệu quả của hệ thống AI.
Dữ liệu: Nhiệm vụ cốt lõi của hệ thống AI là trích xuất các mẫu và quy luật từ dữ liệu thông qua việc học hỏi và đào tạo. Dữ liệu là cơ sở để huấn luyện và tối ưu hóa mô hình, thông qua các mẫu dữ liệu quy mô lớn, hệ thống AI có thể học được các mô hình chính xác hơn và thông minh hơn. Tập dữ liệu phong phú có thể cung cấp thông tin toàn diện và đa dạng hơn, giúp mô hình có thể tổng quát tốt hơn với các dữ liệu chưa thấy trước đó.
Các khó khăn chính mà ngành AI đang đối mặt bao gồm:
Về sức mạnh tính toán: Việc thu thập và quản lý sức mạnh tính toán quy mô lớn là một thách thức tốn kém và phức tạp. Chi phí, tiêu thụ năng lượng và bảo trì của thiết bị tính toán hiệu suất cao đều là vấn đề.
Về mặt thuật toán: Việc huấn luyện mạng nơ-ron sâu cần một lượng lớn dữ liệu và tài nguyên tính toán, khả năng giải thích và tính dễ hiểu của mô hình có thể không đủ. Độ bền và khả năng tổng quát của thuật toán cũng là một vấn đề quan trọng.
Về dữ liệu: Việc thu thập dữ liệu chất lượng cao và đa dạng vẫn là một thách thức. Chất lượng, độ chính xác và việc gán nhãn dữ liệu cũng là vấn đề, dữ liệu không đầy đủ hoặc có thiên lệch có thể dẫn đến hành vi sai lệch hoặc thiên lệch của mô hình.
Khả năng giải thích và tính minh bạch: Đặc điểm hộp đen của mô hình AI là một vấn đề được công chúng quan tâm. Đối với một số ứng dụng, như tài chính, y tế và tư pháp, quá trình ra quyết định của mô hình cần phải có khả năng giải thích và truy nguyên.
Mô hình kinh doanh: Nhiều mô hình kinh doanh của các dự án AI khởi nghiệp không rõ ràng, điều này khiến nhiều nhà khởi nghiệp AI cảm thấy bối rối.
2.2 Những thách thức mà ngành Web3 đang phải đối mặt
Ngành Web3 cũng gặp nhiều khó khăn khác nhau cần được giải quyết, bao gồm:
AI như một công cụ nâng cao năng suất, cũng có nhiều tiềm năng phát huy trong những lĩnh vực này:
Năng lực phân tích và dự đoán dữ liệu: Công nghệ AI có thể giúp các nền tảng Web3 trích xuất thông tin giá trị từ dữ liệu khổng lồ và thực hiện các dự đoán và quyết định chính xác hơn. Điều này có ý nghĩa quan trọng đối với việc đánh giá rủi ro, dự đoán thị trường và quản lý tài sản trong lĩnh vực tài chính phi tập trung (DeFi).
Trải nghiệm người dùng và dịch vụ cá nhân hóa: Công nghệ AI có thể giúp các nền tảng Web3 cung cấp trải nghiệm người dùng tốt hơn và dịch vụ cá nhân hóa, nâng cao mức độ tham gia và sự hài lòng của người dùng.
An ninh và bảo vệ quyền riêng tư: Công nghệ AI có thể được sử dụng để phát hiện và phòng chống các cuộc tấn công mạng, nhận diện hành vi bất thường và cung cấp sự bảo vệ an ninh mạnh mẽ hơn. Đồng thời, AI cũng có thể được áp dụng vào bảo vệ quyền riêng tư dữ liệu, thông qua việc mã hóa dữ liệu và tính toán riêng tư, bảo vệ thông tin cá nhân của người dùng trên nền tảng Web3.
Kiểm toán hợp đồng thông minh: Công nghệ AI có thể được sử dụng để tự động hóa việc kiểm toán hợp đồng và phát hiện lỗ hổng, nâng cao tính an toàn và độ tin cậy của hợp đồng.
Ba, Phân tích tình trạng hiện tại của các dự án AI+Web3
Các dự án AI+Web3 chủ yếu tiếp cận từ hai khía cạnh lớn: sử dụng công nghệ blockchain để cải thiện hiệu suất của các dự án AI, và sử dụng công nghệ AI để phục vụ cho việc nâng cao các dự án Web3.
3.1 Web3 hỗ trợ AI
3.1.1 Tính toán phi tập trung
Với sự phát triển nhanh chóng của AI, nhu cầu về GPU đã tăng mạnh, dẫn đến tình trạng cung không đủ cầu. Một số dự án Web3 bắt đầu thử nghiệm cung cấp dịch vụ tính toán thông qua cách tiếp cận phi tập trung, như Akash, Render, Gensyn, v.v. Các dự án này khuyến khích người dùng cung cấp sức mạnh GPU nhàn rỗi thông qua việc phát hành token, trở thành bên cung cấp sức mạnh tính toán, hỗ trợ cho khách hàng AI.
Cung cấp bên bao gồm các nhà cung cấp dịch vụ đám mây, thợ mỏ tiền điện tử và các doanh nghiệp lớn. Hiện tại, những người chơi trong lĩnh vực này chủ yếu được chia thành hai loại: một loại sử dụng sức mạnh tính toán phi tập trung cho suy diễn AI, loại còn lại sử dụng sức mạnh tính toán phi tập trung cho việc huấn luyện AI.
Cốt lõi của dự án tính toán phi tập trung nằm ở việc thu hút các nhà cung cấp thông qua cơ chế khuyến khích bằng token, sau đó thu hút người dùng sử dụng, từ đó đạt được khởi động lạnh của dự án và cơ chế vận hành cốt lõi. Dưới vòng lặp này, phía cung cấp nhận được nhiều phần thưởng token có giá trị hơn, trong khi phía cầu có được dịch vụ với chi phí thấp hơn và hiệu quả hơn.
3.1.2 Mô hình thuật toán phi tập trung
Một số dự án cố gắng xây dựng thị trường dịch vụ thuật toán AI phi tập trung, kết nối nhiều mô hình AI khác nhau. Khi người dùng đặt câu hỏi, thị trường sẽ chọn ra mô hình AI phù hợp nhất để cung cấp câu trả lời.
Lấy Bittensor làm ví dụ, phía cung cấp của mô hình thuật toán (thợ mỏ) sẽ đóng góp các mô hình học máy của họ cho mạng. Người cung cấp mô hình sẽ nhận được token tiền điện tử TAO như một phần thưởng cho sự đóng góp của mình. Để đảm bảo chất lượng câu trả lời, Bittensor sử dụng cơ chế đồng thuận độc đáo để đảm bảo mạng đạt được sự đồng thuận về câu trả lời tốt nhất.
3.1.3 Thu thập dữ liệu phi tập trung
Một số dự án kết hợp Web3 thông qua cách khuyến khích bằng token để thực hiện việc thu thập dữ liệu phi tập trung. Ví dụ, PublicAI cho phép người dùng chia sẻ nội dung có giá trị trên mạng xã hội và nhận được khuyến khích bằng token. Cách này thúc đẩy mối quan hệ hợp tác giữa những người đóng góp dữ liệu và phát triển ngành công nghiệp trí tuệ nhân tạo.
3.1.4 Bảo vệ quyền riêng tư của người dùng trong AI bằng ZK
Công nghệ chứng minh không kiến thức có thể giúp giải quyết mâu thuẫn giữa bảo vệ quyền riêng tư và chia sẻ dữ liệu. ZKML (Học máy không kiến thức) cho phép đào tạo và suy diễn mô hình học máy mà không tiết lộ dữ liệu gốc nhờ vào việc sử dụng công nghệ chứng minh không kiến thức.
3.2 AI hỗ trợ web3
3.2.1 Phân tích và dự đoán dữ liệu
Nhiều dự án Web3 bắt đầu tích hợp các dịch vụ AI hiện có hoặc công cụ AI tự phát triển để cung cấp cho người dùng các dịch vụ phân tích dữ liệu và dự đoán. Những dịch vụ này bao gồm các khía cạnh như chiến lược đầu tư, phân tích trên chuỗi, dự đoán giá cả và thị trường.
Ví dụ, Pond sử dụng thuật toán hình ảnh AI để dự đoán các token alpha có giá trị trong tương lai; BullBear AI được đào tạo dựa trên dữ liệu lịch sử của người dùng, lịch sử giá và xu hướng thị trường để cung cấp dự đoán chính xác về xu hướng giá; Numerai là một nền tảng thi đấu đầu tư, nơi người tham gia dự đoán thị trường chứng khoán dựa trên AI và mô hình ngôn ngữ lớn.
3.2.2 Dịch vụ cá nhân hóa
Một số dự án Web3 tối ưu hóa trải nghiệm người dùng thông qua việc tích hợp AI. Ví dụ, nền tảng phân tích dữ liệu Dune đã ra mắt công cụ Wand để viết truy vấn SQL bằng cách sử dụng các mô hình ngôn ngữ lớn; nền tảng truyền thông Web3 Followin tích hợp ChatGPT để tóm tắt quan điểm và tin tức mới nhất trong một lĩnh vực nhất định; nền tảng bách khoa toàn thư Web3 IQ.wiki tích hợp GPT-4 để tóm tắt các bài viết trên wiki.
3.2.3 AI kiểm toán hợp đồng thông minh
Một số dự án sử dụng AI để thực hiện kiểm tra mã hợp đồng thông minh, nhằm xác định và phát hiện các lỗ hổng trong mã một cách hiệu quả và chính xác hơn. Ví dụ, dự án 0x0.ai cung cấp một công cụ kiểm tra hợp đồng thông minh bằng trí tuệ nhân tạo, sử dụng các thuật toán tiên tiến để phân tích hợp đồng thông minh và xác định các lỗ hổng hoặc vấn đề tiềm ẩn.
Bốn, Hạn chế và Thách thức Hiện tại của Dự án AI+Web3
4.1 Các rào cản thực tế trong lĩnh vực sức mạnh tính toán phi tập trung
Các sản phẩm tính toán phi tập trung phải đối mặt với những thách thức sau:
Để đào tạo AI mô hình lớn cần một khối lượng dữ liệu rất lớn và băng thông truyền thông tốc độ cao, hiện tại sức mạnh tính toán phi tập trung khó có thể đáp ứng được những yêu cầu này. So với đó, yêu cầu về dữ liệu và băng thông của suy diễn AI nhỏ hơn, khả năng thực hiện lớn hơn.
Sự kết hợp giữa AI và Web3 còn khá thô sơ, chưa đạt được 1+1＞2
Hiện tại, sự kết hợp giữa AI và Web3 chủ yếu được thể hiện qua hai khía cạnh sau:
Nhiều dự án chỉ đơn giản là sử dụng AI để nâng cao hiệu suất và phân tích, mà không thể hiện sự hòa quyện tự nhiên giữa AI và tiền điện tử cùng các giải pháp đổi mới sáng tạo.
Một số đội ngũ Web3 chủ yếu sử dụng khái niệm AI ở khía cạnh tiếp thị, nhưng vẫn còn rất nhiều khoảng trống trong thực sự đổi mới.
4.3 Kinh tế token trở thành chất đệm cho câu chuyện dự án AI
Với việc ngày càng nhiều mô hình lớn bắt đầu mở nguồn dần dần, nhiều dự án AI+Web3 chọn cách kết hợp câu chuyện Web3 và kinh tế token để thúc đẩy sự tham gia của người dùng. Tuy nhiên, việc tích hợp kinh tế token có thực sự giúp các dự án AI giải quyết nhu cầu thực tế hay chỉ là câu chuyện đơn thuần hoặc theo đuổi giá trị ngắn hạn, vẫn cần được quan sát và xác minh thêm.
Năm, Tóm tắt
Sự kết hợp giữa AI và Web3 mang đến những khả năng vô hạn cho sự đổi mới công nghệ và phát triển kinh tế trong tương lai. Công nghệ AI có thể cung cấp những ứng dụng hiệu quả và thông minh hơn cho Web3, trong khi các đặc điểm phi tập trung và có thể lập trình của Web3 cũng mang đến những cơ hội mới cho sự phát triển của công nghệ AI.
Mặc dù các dự án AI + Web3 hiện tại vẫn ở giai đoạn đầu và phải đối mặt với nhiều thách thức, nhưng chúng cũng mang lại một số lợi ích. Ví dụ, các dự án tính toán phi tập trung và thu thập dữ liệu có thể giảm sự phụ thuộc vào các tổ chức tập trung, cung cấp sự minh bạch và khả năng kiểm toán lớn hơn, cũng như đạt được sự tham gia và đổi mới rộng rãi hơn.
Trong tương lai, chúng tôi mong đợi thấy những nghiên cứu và đổi mới sâu sắc hơn để đạt được sự kết hợp chặt chẽ hơn giữa AI và Web3, cũng như trong lĩnh vực tài chính, phi tập trung.