Các dự án Web3 với khái niệm AI đang trở thành mục tiêu hút vốn trên thị trường sơ cấp và thứ cấp.
Cơ hội của Web3 trong ngành AI được thể hiện qua: việc sử dụng các động lực phân phối để phối hợp nguồn cung tiềm năng trong đuôi dài - qua dữ liệu, lưu trữ và tính toán; trong khi đó, xây dựng một mô hình mã nguồn mở cũng như một thị trường phi tập trung cho AI Agent.
AI trong ngành Web3 chủ yếu được sử dụng trong tài chính trên chuỗi (thanh toán tiền điện tử, giao dịch, phân tích dữ liệu) và hỗ trợ phát triển.
Tính hữu ích của AI+Web3 được thể hiện qua sự bổ sung của cả hai: Web3 hy vọng chống lại sự tập trung hóa của AI, trong khi AI hy vọng giúp Web3 thoát khỏi giới hạn.
Giới thiệu
Trong hai năm qua, sự phát triển của AI giống như đã được ấn nút tăng tốc, cánh bướm do Chatgpt kích động không chỉ mở ra một thế giới mới của trí tuệ nhân tạo sinh tạo, mà còn tạo ra một làn sóng mạnh mẽ bên kia là Web3.
Dưới sự hỗ trợ của khái niệm AI, việc huy động vốn trên thị trường tiền điện tử đã có sự hồi phục rõ rệt so với sự chậm lại. Các phương tiện truyền thông thống kê, chỉ trong nửa đầu năm 2024, đã có tổng cộng 64 dự án Web3+AI hoàn thành việc huy động vốn, trong đó hệ điều hành dựa trên trí tuệ nhân tạo Zyber365 đã đạt được số tiền huy động cao nhất là 100 triệu USD trong vòng gọi vốn A.
Thị trường thứ cấp ngày càng sôi động, dữ liệu từ trang tổng hợp tiền điện tử Coingecko cho thấy, chỉ trong hơn một năm, tổng giá trị thị trường của lĩnh vực AI đã đạt 48,5 tỷ USD, khối lượng giao dịch trong 24 giờ gần 8,6 tỷ USD; những lợi ích rõ ràng từ sự phát triển công nghệ AI chủ đạo, sau khi mô hình chuyển văn bản thành video Sora của OpenAI được phát hành, giá trung bình của lĩnh vực AI đã tăng 151%; tác động của AI cũng đã lan tỏa đến một trong những lĩnh vực thu hút vốn trong tiền điện tử là Meme: MemeCoin đầu tiên với khái niệm AI Agent - GOAT nhanh chóng nổi tiếng và đạt được định giá 1,4 tỷ USD, thành công khơi dậy cơn sốt AI Meme.
Về nghiên cứu và các chủ đề liên quan đến AI+Web3 cũng đang rất sôi nổi, từ AI+Depin đến AI Memecoin cho đến hiện tại là AI Agent và AI DAO, tâm lý FOMO đã không theo kịp tốc độ thay đổi của các câu chuyện mới.
AI+Web3, cụm thuật ngữ đầy tiền nóng, cơ hội và ảo tưởng tương lai này, khó tránh khỏi bị coi là một cuộc hôn nhân sắp đặt do vốn đầu tư kết hợp, chúng ta dường như rất khó để phân biệt dưới lớp áo hoa mỹ này, rốt cuộc là sân chơi của những kẻ đầu cơ, hay là đêm trước của sự bùng nổ bình minh?
Để trả lời câu hỏi này, một suy nghĩ quan trọng đối với cả hai bên là liệu có thể trở nên tốt hơn khi có đối phương không? Liệu có thể hưởng lợi từ mô hình của đối phương không? Trong bài viết này, chúng tôi cũng cố gắng đứng trên vai của những người đi trước để xem xét mô hình này: Web3 có thể phát huy vai trò như thế nào trong từng khâu của công nghệ AI, và AI có thể mang lại những sinh khí mới gì cho Web3?
Cơ hội nào cho Web3 dưới nền tảng AI?
Trước khi mở rộng chủ đề này, chúng ta cần hiểu về công nghệ của mô hình AI lớn:
Nguồn hình: Delphi Digital
Diễn đạt toàn bộ quá trình bằng ngôn ngữ dễ hiểu hơn: "Mô hình lớn" giống như bộ não của con người, trong giai đoạn đầu, bộ não này thuộc về một em bé mới sinh, cần quan sát và tiếp thu một lượng thông tin khổng lồ từ môi trường xung quanh để hiểu thế giới, đó là giai đoạn "thu thập" dữ liệu; do máy tính không có các giác quan như thị giác, thính giác của con người, trước khi huấn luyện, thông tin không được gán nhãn quy mô lớn từ bên ngoài cần được "tiền xử lý" để chuyển đổi thành định dạng thông tin mà máy tính có thể hiểu và sử dụng.
Sau khi nhập dữ liệu, AI thông qua "đào tạo" đã xây dựng một mô hình có khả năng hiểu và dự đoán, có thể được coi là quá trình trẻ em dần hiểu và học hỏi về thế giới bên ngoài. Các tham số của mô hình giống như khả năng ngôn ngữ của trẻ em liên tục được điều chỉnh trong quá trình học tập. Khi nội dung học bắt đầu được phân chia theo chuyên môn, hoặc khi giao tiếp với người khác nhận được phản hồi và được điều chỉnh, thì nó bước vào giai đoạn "tinh chỉnh" của mô hình lớn.
Trẻ em dần lớn lên và khi biết nói, chúng có thể hiểu ý nghĩa và diễn đạt cảm xúc cũng như suy nghĩ của mình trong các cuộc hội thoại mới, giai đoạn này tương tự như "suy luận" của mô hình AI lớn, mô hình có khả năng dự đoán và phân tích các đầu vào ngôn ngữ và văn bản mới. Trẻ sơ sinh thể hiện cảm xúc, mô tả đối tượng và giải quyết nhiều vấn đề thông qua khả năng ngôn ngữ, điều này cũng tương tự như việc mô hình AI lớn được áp dụng vào các nhiệm vụ cụ thể sau khi hoàn thành đào tạo và đưa vào sử dụng trong giai đoạn suy luận, chẳng hạn như phân loại hình ảnh, nhận dạng giọng nói, v.v.
Mặt khác, AI Agent gần với dạng mô hình lớn tiếp theo – có khả năng thực hiện nhiệm vụ độc lập và theo đuổi các mục tiêu phức tạp, không chỉ có khả năng suy nghĩ mà còn có khả năng ghi nhớ, lập kế hoạch và sử dụng các công cụ để tương tác với thế giới.
Hiện tại, đối với những điểm đau của AI trong các ngăn xếp khác nhau, Web3 hiện đã hình thành một hệ sinh thái đa tầng, kết nối lẫn nhau, bao gồm tất cả các giai đoạn của quy trình mô hình AI.
Một, Tầng cơ sở: Airbnb cho sức mạnh tính toán và dữ liệu
tính toán sức mạnh
Hiện tại, một trong những chi phí cao nhất của AI là sức mạnh tính toán và năng lượng cần thiết để đào tạo mô hình và suy luận mô hình.
Ví dụ, LLAMA3 của Meta yêu cầu 16.000 H100GPU được sản xuất bởi NVIDIA, một đơn vị xử lý đồ họa hàng đầu được thiết kế cho AI và khối lượng công việc điện toán hiệu suất cao. 30 ngày để hoàn thành khóa đào tạo. Phiên bản 80GB của phiên bản thứ hai có giá từ 30.000 đến 40.000 đô la mỗi chiếc, đòi hỏi 4-700 triệu đô la đầu tư phần cứng máy tính (GPU + chip mạng), đồng thời tiêu thụ 1,6 tỷ kWh đào tạo mỗi tháng và gần 20 triệu đô la mỗi tháng chi tiêu năng lượng.
Việc giải nén sức mạnh AI cũng chính là lĩnh vực đầu tiên mà Web3 giao thoa với AI - DePin (Mạng hạ tầng vật lý phi tập trung). Hiện tại, trang dữ liệu DePin Ninja đã liệt kê hơn 1400 dự án, trong đó các dự án đại diện cho việc chia sẻ sức mạnh GPU bao gồm io.net, Aethir, Akash, Render Network, v.v.
Logic chính của nó là: nền tảng cho phép cá nhân hoặc tổ chức sở hữu tài nguyên GPU nhàn rỗi đóng góp khả năng tính toán của họ theo cách phi tập trung không cần giấy phép, thông qua một thị trường trực tuyến giữa người mua và người bán tương tự như Uber hoặc Airbnb, nâng cao tỷ lệ sử dụng tài nguyên GPU chưa được khai thác đầy đủ, và người dùng cuối do đó nhận được nguồn tài nguyên tính toán hiệu quả với chi phí thấp hơn; đồng thời, cơ chế staking cũng đảm bảo rằng nếu có sự vi phạm cơ chế kiểm soát chất lượng hoặc gián đoạn mạng xảy ra, các nhà cung cấp tài nguyên sẽ phải chịu hình phạt tương ứng.
Đặc điểm của nó là:
Tập hợp tài nguyên GPU nhàn rỗi: Bên cung cấp chủ yếu là các trung tâm dữ liệu độc lập nhỏ và vừa bên thứ ba, các nhà khai thác tài nguyên tính toán dư thừa của các mỏ tiền điện tử, phần cứng khai thác với cơ chế đồng thuận PoS, như máy khai thác FileCoin và ETH. Hiện tại cũng có các dự án cố gắng khởi động thiết bị với ngưỡng tham gia thấp hơn, như exolab sử dụng MacBook, iPhone, iPad và các thiết bị địa phương khác để thiết lập mạng lưới tính toán cho suy diễn mô hình lớn.
Đối mặt với thị trường dài đuôi sức mạnh AI: a. "Về mặt công nghệ" thị trường sức mạnh phi tập trung phù hợp hơn cho các bước suy diễn. Đào tạo phụ thuộc nhiều vào khả năng xử lý dữ liệu do GPU quy mô siêu lớn mang lại, trong khi suy diễn yêu cầu hiệu suất tính toán GPU tương đối thấp, như Aethir tập trung vào công việc kết xuất độ trễ thấp và ứng dụng suy diễn AI. b. "Về phía nhu cầu" các bên cần sức mạnh tính toán vừa và nhỏ sẽ không tự đào tạo mô hình lớn của riêng họ, mà chỉ chọn tối ưu hóa và điều chỉnh xung quanh một số mô hình lớn hàng đầu, và những kịch bản này tự nhiên phù hợp với tài nguyên sức mạnh tính toán nhàn rỗi phân tán.
Quyền sở hữu phi tập trung: Ý nghĩa kỹ thuật của blockchain là chủ sở hữu tài nguyên luôn giữ quyền kiểm soát tài nguyên của họ, linh hoạt điều chỉnh theo nhu cầu của họ và đồng thời kiếm tiền.
dữ liệu
Dữ liệu là nền tảng của AI. Nếu không có dữ liệu, tính toán sẽ giống như cỏ lác không có ích gì, và mối quan hệ giữa dữ liệu và mô hình giống như câu tục ngữ "Garbage in, Garbage out", số lượng dữ liệu và chất lượng đầu vào quyết định chất lượng đầu ra cuối cùng của mô hình. Đối với việc huấn luyện mô hình AI hiện tại, dữ liệu quyết định khả năng ngôn ngữ, khả năng hiểu biết, thậm chí là quan điểm và cách thể hiện nhân văn của mô hình. Hiện nay, những khó khăn trong việc đáp ứng nhu cầu dữ liệu của AI chủ yếu tập trung vào bốn khía cạnh sau:
Khát dữ liệu: Việc huấn luyện mô hình AI phụ thuộc vào lượng dữ liệu đầu vào lớn. Tài liệu công khai cho thấy, số lượng tham số mà OpenAI sử dụng để huấn luyện GPT-4 đã đạt đến cấp độ hàng triệu tỷ.
Chất lượng dữ liệu: Với sự kết hợp của AI và các ngành công nghiệp khác nhau, tính kịp thời của dữ liệu, sự đa dạng của dữ liệu, tính chuyên nghiệp của dữ liệu dọc và việc thu nạp các nguồn dữ liệu mới nổi như tâm lý truyền thông xã hội cũng đặt ra những yêu cầu mới về chất lượng của chúng.
Vấn đề về quyền riêng tư và tuân thủ: Hiện nay, các quốc gia và doanh nghiệp đang dần nhận ra tầm quan trọng của các tập dữ liệu chất lượng, và đang tiến hành hạn chế việc thu thập dữ liệu.
Chi phí xử lý dữ liệu cao: Khối lượng dữ liệu lớn, quy trình xử lý phức tạp. Tài liệu công khai cho thấy, hơn 30% chi phí nghiên cứu và phát triển của các công ty AI được sử dụng cho việc thu thập và xử lý dữ liệu cơ bản.
Hiện tại, giải pháp web3 thể hiện ở bốn khía cạnh sau:
Thu thập dữ liệu: Việc cung cấp miễn phí dữ liệu thực tế được thu thập đang nhanh chóng cạn kiệt, chi phí mà các công ty AI phải trả cho dữ liệu tăng lên theo từng năm. Nhưng đồng thời, khoản chi này không được tái đầu tư cho những người đóng góp thực sự cho dữ liệu, mà các nền tảng hoàn toàn hưởng lợi từ giá trị mà dữ liệu mang lại, như Reddit đã đạt doanh thu tổng cộng 203 triệu USD thông qua các thỏa thuận cấp phép dữ liệu với các công ty AI.
Cho phép những người dùng thực sự đóng góp tham gia vào việc tạo ra giá trị từ dữ liệu, cũng như thu thập dữ liệu cá nhân hơn và có giá trị hơn từ người dùng bằng cách sử dụng mạng phân phối và cơ chế khuyến khích với chi phí thấp, đó là tầm nhìn của Web3.
Grass là một lớp dữ liệu và mạng phi tập trung, người dùng có thể chạy nút Grass, đóng góp băng thông nhàn rỗi và lưu lượng trung gian để thu thập dữ liệu thời gian thực từ toàn bộ Internet, và nhận phần thưởng bằng token;
Vana giới thiệu khái niệm Nhóm thanh khoản dữ liệu (DLP) độc đáo, nơi người dùng có thể tải dữ liệu cá nhân của họ (chẳng hạn như lịch sử mua sắm, thói quen duyệt web, hoạt động truyền thông xã hội, v.v.) lên một DLP cụ thể và linh hoạt lựa chọn có ủy quyền cho các bên thứ ba cụ thể hay không.
Trong PublicAI, người dùng có thể sử dụng #AI 或#Web3 làm nhãn phân loại trên X và @PublicAI để thực hiện việc thu thập dữ liệu.
Xử lý dữ liệu: Trong quá trình xử lý dữ liệu của AI, do dữ liệu thu thập thường ồn ào và chứa lỗi, nên trước khi đào tạo mô hình, cần phải làm sạch và chuyển đổi chúng thành định dạng có thể sử dụng, liên quan đến các nhiệm vụ tiêu chuẩn hóa, lọc và xử lý các giá trị thiếu. Giai đoạn này là một trong số ít các bước thủ công trong ngành AI, đã phát sinh ra ngành nghề người đánh dấu dữ liệu. Khi yêu cầu về chất lượng dữ liệu của mô hình ngày càng cao, tiêu chuẩn cho người đánh dấu dữ liệu cũng tăng theo, và nhiệm vụ này một cách tự nhiên phù hợp với cơ chế khuyến khích phi tập trung của Web3.
Hiện tại, Grass và OpenLayer đều đang xem xét việc tham gia vào giai đoạn quan trọng của việc đánh dấu dữ liệu.
Synesis đã đưa ra khái niệm "Train2earn", nhấn mạnh chất lượng dữ liệu, người dùng có thể nhận được phần thưởng bằng cách cung cấp dữ liệu gán nhãn, chú thích hoặc các hình thức đầu vào khác.
Dự án gán nhãn dữ liệu Sapien đã gamify nhiệm vụ gán nhãn và cho phép người dùng stake điểm để kiếm thêm điểm.
Quyền riêng tư và an ninh dữ liệu: Cần làm rõ rằng quyền riêng tư và an ninh dữ liệu là hai khái niệm khác nhau. Quyền riêng tư dữ liệu liên quan đến việc xử lý dữ liệu nhạy cảm, trong khi an ninh dữ liệu bảo vệ thông tin dữ liệu khỏi việc truy cập, phá hủy và đánh cắp trái phép. Do đó, lợi thế công nghệ quyền riêng tư Web3 và các ứng dụng tiềm năng được thể hiện ở hai khía cạnh: (1) Đào tạo dữ liệu nhạy cảm; (2) Hợp tác dữ liệu: Nhiều chủ sở hữu dữ liệu có thể cùng tham gia đào tạo AI mà không cần chia sẻ dữ liệu gốc của họ.
Các công nghệ bảo mật phổ biến trong Web3 hiện nay bao gồm:
Môi trường thực thi đáng tin cậy (TEE), chẳng hạn như Super Protocol;
Mã hóa đồng nhất hoàn toàn (FHE), ví dụ như BasedAI, Fhenix.io hoặc Inco Network;
Công nghệ Zero Knowledge (zk), như giao thức Reclaim sử dụng công nghệ zkTLS, tạo ra các bằng chứng Zero Knowledge cho lưu lượng HTTPS, cho phép người dùng an toàn nhập dữ liệu hoạt động, danh tiếng và danh tính từ các trang web bên ngoài mà không cần tiết lộ thông tin nhạy cảm.
Tuy nhiên, lĩnh vực này vẫn đang ở giai đoạn đầu, hầu hết các dự án vẫn đang trong quá trình khám phá, hiện tại một trong những khó khăn là chi phí tính toán quá cao, một số ví dụ là:
Khung zkML EZKL cần khoảng 80 phút để tạo ra một chứng minh cho mô hình 1M-nanoGPT.
Theo dữ liệu từ Modulus Labs, chi phí của zkML cao hơn hơn 1000 lần so với tính toán thuần túy.
Lưu trữ dữ liệu: Sau khi có dữ liệu, cần một nơi để lưu trữ dữ liệu trên chuỗi cũng như LLM được tạo ra từ dữ liệu đó. Với vấn đề khả năng sử dụng dữ liệu (DA) là cốt lõi, trước khi nâng cấp Danksharding của Ethereum, thông lượng của nó chỉ là 0.08MB. Trong khi đó, việc đào tạo mô hình AI và suy diễn thời gian thực thường yêu cầu thông lượng dữ liệu từ 50 đến 100GB mỗi giây. Sự chênh lệch về quy mô này khiến các giải pháp chuỗi hiện có không đủ sức đối phó với "các ứng dụng AI tiêu tốn tài nguyên".
0g. AI là một dự án tiêu biểu trong hạng mục này. Đây là một giải pháp lưu trữ tập trung được thiết kế cho nhu cầu hiệu suất cao của AI và các tính năng chính của nó bao gồm: hiệu suất và khả năng mở rộng cao, với các công nghệ phân mảnh tiên tiến và Mã hóa xóa để hỗ trợ tải lên và tải xuống nhanh các bộ dữ liệu quy mô lớn với tốc độ truyền dữ liệu gần 5 GB mỗi giây.
Middleware: Đào tạo và suy diễn mô hình
Thị trường phi tập trung mô hình mã nguồn mở
Cuộc tranh luận về việc mô hình AI nên đóng hay mở nguồn chưa bao giờ ngừng lại. Sự đổi mới tập thể mà mã nguồn mở mang lại là một lợi thế mà mô hình đóng không thể so sánh được, tuy nhiên, trong điều kiện không có mô hình lợi nhuận, làm thế nào để mô hình mở nâng cao động lực cho các nhà phát triển? Đây là một hướng đi đáng để suy nghĩ, người sáng lập Baidu, Lý Ngạn Hồng, đã từng tuyên bố vào tháng 4 năm nay rằng "mô hình mở sẽ ngày càng tụt lại phía sau."
Về vấn đề này, Web3 đưa ra khả năng của một thị trường mô hình nguồn mở phi tập trung, tức là token hóa mô hình bản thân, giữ lại một tỷ lệ token nhất định cho đội ngũ, và chuyển một phần doanh thu tương lai của mô hình cho những người nắm giữ token.
Như giao thức Bittensor thiết lập một thị trường P2P mô hình mã nguồn mở, bao gồm hàng chục "tiểu mạng", trong đó các nhà cung cấp tài nguyên (tính toán, thu thập / lưu trữ dữ liệu, nhân tài học máy) cạnh tranh với nhau để đáp ứng mục tiêu của các chủ sở hữu tiểu mạng cụ thể, các tiểu mạng có thể tương tác và học hỏi lẫn nhau, từ đó tạo ra trí tuệ mạnh mẽ hơn. Phần thưởng được phân phối thông qua bỏ phiếu của cộng đồng và được phân bổ thêm dựa trên hiệu suất cạnh tranh trong từng tiểu mạng.
ORA đã giới thiệu khái niệm phát hành mô hình ban đầu (IMO), cho phép token hóa mô hình AI, có thể được mua, bán và phát triển thông qua mạng lưới phi tập trung.
Sentient, một nền tảng AGI phi tập trung, khuyến khích mọi người hợp tác, xây dựng, sao chép và mở rộng các mô hình AI, đồng thời thưởng cho những người đóng góp.
Spectral Nova, tập trung vào việc tạo ra và ứng dụng các mô hình AI và ML.
Suy luận có thể xác minh
Đối với vấn đề "hộp đen" trong quá trình suy luận của AI, giải pháp Web3 tiêu chuẩn là cho nhiều người xác nhận thực hiện cùng một thao tác và so sánh kết quả, nhưng do sự khan hiếm hiện tại của các "chip Nvidia" cao cấp, thách thức rõ ràng mà phương pháp này phải đối mặt là chi phí suy luận AI rất cao.
Giải pháp khả thi hơn là thực hiện chứng minh ZK cho việc tính toán suy luận AI ngoài chuỗi "chứng minh không biết, một giao thức mật mã trong đó một bên chứng minh có thể chứng minh cho bên còn lại rằng một tuyên bố nhất định là đúng mà không tiết lộ bất kỳ thông tin bổ sung nào ngoài việc tuyên bố đó là đúng", để xác thực việc tính toán mô hình AI trên chuỗi mà không cần xin phép. Điều này cần phải chứng minh một cách mã hóa trên chuỗi rằng việc tính toán ngoài chuỗi đã được thực hiện đúng (ví dụ, tập dữ liệu không bị giả mạo), đồng thời đảm bảo rằng tất cả dữ liệu đều được bảo mật.
Các lợi ích chính bao gồm:
Khả năng mở rộng: Bằng chứng không kiến thức có thể xác nhận nhanh chóng một lượng lớn tính toán ngoài chuỗi. Ngay cả khi số lượng giao dịch tăng lên, một bằng chứng không kiến thức đơn lẻ cũng có thể xác minh tất cả giao dịch.
Bảo vệ quyền riêng tư: Chi tiết về dữ liệu và mô hình AI được giữ kín, trong khi các bên có thể xác minh rằng dữ liệu và mô hình không bị xâm phạm.
Không cần tin tưởng: Không cần phụ thuộc vào các bên tập trung để xác nhận tính toán.
Tích hợp Web2: Theo định nghĩa, Web2 là tích hợp ngoại tuyến, có nghĩa là suy luận có thể xác minh có thể giúp đưa tập dữ liệu và tính toán AI của nó lên chuỗi. Điều này giúp nâng cao tỷ lệ chấp nhận Web3.
Hiện nay, các công nghệ có thể xác minh cho suy luận có thể xác minh trong Web3 như sau:
zkML: Kết hợp bằng chứng không kiến thức với học máy để đảm bảo tính riêng tư và bảo mật của dữ liệu và mô hình, cho phép tính toán có thể xác minh mà không cần tiết lộ một số thuộc tính cơ bản, như Modulus Labs đã phát hành bộ chứng minh ZK được xây dựng cho AI dựa trên ZKML, nhằm kiểm tra hiệu quả xem nhà cung cấp AI có thao túng thuật toán thực hiện đúng trên chuỗi hay không, tuy nhiên hiện tại khách hàng chủ yếu là DApp trên chuỗi.
opML: Sử dụng nguyên tắc tổng hợp lạc quan, cải thiện khả năng mở rộng và hiệu quả tính toán ML bằng cách xác minh thời gian xảy ra tranh chấp, trong mô hình này, chỉ cần xác minh một phần nhỏ trong kết quả do "người xác minh" tạo ra, nhưng đặt chi phí kinh tế cắt giảm đủ cao để tăng chi phí gian lận của người xác minh từ đó tiết kiệm tính toán dư thừa.
TeeML: Sử dụng môi trường thực thi đáng tin cậy để thực hiện tính toán ML một cách an toàn, bảo vệ dữ liệu và mô hình khỏi sự can thiệp và truy cập trái phép.
Ba, lớp ứng dụng: AI Agent
Sự phát triển hiện tại của AI đã thể hiện một bức tranh chuyển từ khả năng mô hình sang phát triển AI Agent. Các công ty công nghệ như OpenAI, kỳ lân mô hình AI lớn Anthropic, Microsoft, v.v., đều đang chuyển sang phát triển AI Agent, cố gắng phá vỡ giai đoạn nền tảng công nghệ LLM hiện tại.
Định nghĩa của OpenAI về AI Agent là: một hệ thống được điều khiển bởi LLM như bộ não, có khả năng tự hiểu, nhận thức, lập kế hoạch, ghi nhớ và sử dụng công cụ, có thể tự động thực hiện các nhiệm vụ phức tạp. Khi AI chuyển từ một công cụ bị sử dụng thành một chủ thể có khả năng sử dụng công cụ, nó trở thành AI Agent. Đây cũng chính là lý do tại sao AI Agent có thể trở thành trợ lý thông minh lý tưởng nhất của con người.
Vậy Web3 có thể mang lại điều gì cho Agent?
1, phi tập trung
Các đặc tính phi tập trung của Web3 có thể giúp hệ thống Agent trở nên phân tán và tự trị hơn, thông qua các cơ chế như PoS, DPoS để thiết lập các cơ chế khuyến khích và trừng phạt đối với người staking và người ủy thác, từ đó có thể thúc đẩy sự dân chủ hóa của hệ thống Agent, GaiaNet, Theoriq, HajimeAI đều đã có những thử nghiệm.
2、Khởi động lạnh
Việc phát triển và lặp lại AI Agent thường cần nhiều hỗ trợ vốn, trong khi Web3 có thể giúp các dự án AI Agent tiềm năng nhận được tài trợ sớm và khởi động lạnh.
Virtual Protocol ra mắt nền tảng phát hành AI Agent và token fun.virtuals, bất kỳ người dùng nào cũng có thể triển khai AI Agent chỉ với một cú nhấp chuột và thực hiện phát hành token AI Agent 100% công bằng.
Spectral đã đề xuất một ý tưởng sản phẩm hỗ trợ phát hành tài sản AI Agent trên chuỗi: thông qua IAO (Initial Agent Offering) phát hành token, AI Agent có thể trực tiếp nhận vốn từ nhà đầu tư, đồng thời trở thành một thành viên của DAO, cung cấp cho nhà đầu tư cơ hội tham gia phát triển dự án và chia sẻ lợi nhuận trong tương lai.
AI làm thế nào để tăng cường Web3?
Tác động của AI đối với các dự án Web3 là rõ ràng, nó mang lại lợi ích cho công nghệ blockchain thông qua việc tối ưu hóa các hoạt động trên chuỗi (ví dụ như thực thi hợp đồng thông minh, tối ưu hóa tính thanh khoản và quyết định quản trị dựa trên AI). Đồng thời, nó cũng có thể cung cấp những hiểu biết tốt hơn dựa trên dữ liệu, nâng cao tính bảo mật trên chuỗi và đặt nền tảng cho các ứng dụng mới dựa trên Web3.
Một, AI và tài chính trên chuỗi
AI và kinh tế tiền điện tử
Vào ngày 31 tháng 8, Giám đốc điều hành Coinbase Brian Armstrong đã thông báo về giao dịch tiền điện tử AI với AI đầu tiên trên mạng Base, và cho biết AI Agent bây giờ có thể sử dụng USD để giao dịch với con người, thương nhân hoặc các AI khác trên Base, những giao dịch này là ngay lập tức, toàn cầu và miễn phí.
Ngoài việc thanh toán, Luna của Virtuals Protocol cũng lần đầu tiên trình diễn cách mà AI Agent có thể tự thực hiện giao dịch trên chuỗi một cách độc lập, gây sự chú ý, khiến AI Agent được xem là một thực thể thông minh có khả năng nhận thức môi trường, đưa ra quyết định và thực hiện hành động, được coi là tương lai của tài chính trên chuỗi. Hiện tại, các tình huống tiềm năng của AI Agent được thể hiện trong các điểm sau:
Thu thập thông tin và dự đoán: Giúp nhà đầu tư thu thập thông báo từ sàn giao dịch, thông tin công khai của dự án, cảm xúc hoảng loạn, rủi ro từ dư luận, v.v., phân tích và đánh giá theo thời gian thực về cơ bản của tài sản, tình hình thị trường, dự đoán xu hướng và rủi ro.
Quản lý tài sản: Cung cấp cho người dùng các mục đầu tư phù hợp, tối ưu hóa danh mục tài sản, tự động thực hiện giao dịch.
Trải nghiệm tài chính: Giúp nhà đầu tư chọn phương thức giao dịch trên chuỗi nhanh nhất, tự động hóa các thao tác thủ công như giao dịch liên chuỗi, điều chỉnh phí gas, v.v., giảm bớt rào cản và chi phí cho các hoạt động tài chính trên chuỗi.
Hãy tưởng tượng một cảnh như thế này, bạn truyền đạt chỉ dẫn cho AI Agent rằng: "Tôi có 1000USDT, hãy giúp tôi tìm kiếm tổ hợp có lợi nhuận cao nhất, thời gian khóa không vượt quá một tuần", AI Agent sẽ cung cấp cho bạn những gợi ý như sau: "Đề xuất phân bổ ban đầu là 50% vào A, 20% vào B, 20% vào X, 10% vào Y. Tôi sẽ theo dõi lãi suất và quan sát sự thay đổi mức độ rủi ro, và sẽ điều chỉnh lại khi cần thiết." Ngoài ra, việc tìm kiếm các dự án airdrop tiềm năng, cũng như các dự án Memecoin có dấu hiệu cộng đồng sôi động, đều là những điều mà AI Agent có thể thực hiện trong tương lai.
Nguồn hình: Biconomy
Hiện tại, ví AI Agent Bitte và giao thức tương tác AI Wayfinder đều đang thực hiện các thử nghiệm tương tự, họ đều cố gắng kết nối với API mô hình của OpenAI, cho phép người dùng tương tác với Agent qua một giao diện trò chuyện giống như ChatGPT, ra lệnh cho Agent thực hiện các thao tác trên chuỗi khác nhau, chẳng hạn như WayFinder đã trình diễn bốn thao tác cơ bản là swap, send, bridge và stake trên mạng chính của ba chuỗi công khai Base, Polygon và Ethereum với prototype đầu tiên được phát hành vào tháng 4 năm nay.
Hiện tại, nền tảng Agent phi tập trung Morpheus cũng hỗ trợ phát triển các loại Agent như vậy, ví dụ Biconomy cũng đã trình diễn một đoạn không cần quyền truy cập đầy đủ vào ví, AI Agent có thể thực hiện thao tác hoán đổi ETH sang USDC.
AI và an toàn giao dịch trên chuỗi
Trong thế giới Web3, an ninh giao dịch trên chuỗi là vô cùng quan trọng. Công nghệ AI có thể được sử dụng để tăng cường tính an toàn và bảo vệ quyền riêng tư của giao dịch trên chuỗi, các tình huống tiềm năng bao gồm:
Giám sát giao dịch: Giám sát dữ liệu kỹ thuật thời gian thực các hoạt động giao dịch bất thường, cơ sở hạ tầng cảnh báo thời gian thực cho người dùng và nền tảng.
Phân tích rủi ro: Giúp nền tảng phân tích dữ liệu hành vi giao dịch của khách hàng, đánh giá mức độ rủi ro của họ.
Chẳng hạn, nền tảng an ninh Web3 SeQure sử dụng AI để phát hiện và ngăn chặn các cuộc tấn công độc hại, hành vi gian lận và rò rỉ dữ liệu, đồng thời cung cấp hệ thống giám sát và cảnh báo theo thời gian thực, đảm bảo tính an toàn và ổn định cho các giao dịch trên chuỗi. Các công cụ an ninh tương tự còn có Sentinel sử dụng AI.
Hai, AI và cơ sở hạ tầng trên chuỗi.
AI và dữ liệu trên chuỗi
Công nghệ AI đóng một vai trò quan trọng trong việc thu thập và phân tích dữ liệu trên chuỗi, chẳng hạn như:
Web3 Analytics: là một nền tảng phân tích dựa trên AI, sử dụng học máy và các thuật toán khai thác dữ liệu để thu thập, xử lý và phân tích dữ liệu trên chuỗi.
MinMax AI: Nó cung cấp công cụ phân tích dữ liệu trên chuỗi dựa trên AI, giúp người dùng phát hiện cơ hội và xu hướng thị trường tiềm năng.
Kaito: Nền tảng tìm kiếm Web3 dựa trên công cụ tìm kiếm LLM.
Theo dõi: Tích hợp ChatGPT, thu thập và tổng hợp thông tin liên quan từ các trang web và nền tảng cộng đồng khác nhau.
Một ứng dụng khác là oracle, AI có thể lấy giá từ nhiều nguồn để cung cấp dữ liệu định giá chính xác. Chẳng hạn, Upshot sử dụng AI để đánh giá giá NFT đang dao động, với hơn một trăm triệu đánh giá mỗi giờ, cung cấp giá NFT với sai số phần trăm từ 3-10%.
AI và phát triển&kiểm toán
Gần đây, một trình biên tập mã AI Web2 có tên là Cursor đã thu hút nhiều sự chú ý trong cộng đồng phát triển. Trên nền tảng của nó, người dùng chỉ cần mô tả bằng ngôn ngữ tự nhiên, Cursor có thể tự động tạo ra mã HTML, CSS và JavaScript tương ứng, giúp đơn giản hóa quy trình phát triển phần mềm, và logic này cũng áp dụng cho việc nâng cao hiệu quả phát triển Web3.
Hiện tại, việc triển khai hợp đồng thông minh và DApp trên chuỗi công khai thường phải tuân theo các ngôn ngữ phát triển chuyên dụng như Solidity, Rust, Move, v.v. Tầm nhìn của các ngôn ngữ phát triển mới là mở rộng không gian thiết kế của blockchain phi tập trung, khiến nó phù hợp hơn cho việc phát triển DApp, nhưng trong bối cảnh thiếu hụt nhà phát triển Web3, giáo dục cho các nhà phát triển vẫn luôn là một vấn đề đau đầu.
Hiện nay, AI trong việc hỗ trợ phát triển Web3 có thể hình dung được những tình huống bao gồm: tạo mã tự động, xác thực và kiểm tra hợp đồng thông minh, triển khai và duy trì DApp, hoàn thiện mã thông minh, AI trả lời các vấn đề khó khăn trong phát triển, v.v. Sự hỗ trợ của AI không chỉ giúp nâng cao hiệu suất và độ chính xác trong phát triển mà còn giảm bớt rào cản lập trình, cho phép những người không phải lập trình viên cũng có thể biến ý tưởng của họ thành ứng dụng thực tế, mang lại sức sống mới cho sự phát triển của công nghệ phi tập trung.
Hiện tại, điều thu hút sự chú ý nhất là nền tảng token khởi động một chạm, như Clanker, một "Bot Token" được điều khiển bởi AI, được thiết kế đặc biệt để triển khai token DIY nhanh chóng. Bạn chỉ cần đánh dấu Clanker trên ứng dụng SocialFi Farcaster như Warpcast hoặc Supercast, cho nó biết ý tưởng về token của bạn, nó sẽ khởi động token cho bạn trên chuỗi công khai Base.
Cũng có nền tảng phát triển hợp đồng, chẳng hạn như Spectral cung cấp chức năng tạo và triển khai hợp đồng thông minh chỉ với một cú nhấp chuột, nhằm giảm bớt rào cản phát triển Web3, ngay cả những người mới cũng có thể thực hiện việc biên dịch và triển khai hợp đồng thông minh.
Về mặt kiểm toán, nền tảng kiểm toán Web3 Fuzzland đã sử dụng AI để giúp các kiểm toán viên kiểm tra lỗ hổng mã, cung cấp giải thích bằng ngôn ngữ tự nhiên để hỗ trợ kiến thức chuyên môn trong kiểm toán. Fuzzland cũng đã sử dụng AI để cung cấp giải thích bằng ngôn ngữ tự nhiên cho các quy chuẩn chính thức và mã hợp đồng, cùng với một số mã mẫu để giúp các nhà phát triển hiểu các vấn đề tiềm ẩn trong mã.
Ba, AI và câu chuyện mới của Web3
Sự trỗi dậy của AI sinh tạo đã mang lại những khả năng hoàn toàn mới cho câu chuyện mới của Web3.
NFT: AI đã thổi hồn sáng tạo vào NFT tạo sinh, thông qua công nghệ AI có thể tạo ra các tác phẩm nghệ thuật và nhân vật độc đáo, đa dạng, những NFT tạo sinh này có thể trở thành nhân vật, vật phẩm hoặc yếu tố cảnh quan trong trò chơi, thế giới ảo hoặc metaverse, chẳng hạn như Bicasso thuộc Binance, người dùng có thể tải lên hình ảnh và nhập từ khóa để thực hiện tính toán AI sau đó tạo ra NFT, những dự án tương tự còn có Solvo, Nicho, IgmnAI, CharacterGPT.
GameFi: Xung quanh việc tạo nội dung bằng ngôn ngữ tự nhiên AI, tạo hình ảnh và khả năng NPC thông minh, GameFi có khả năng nâng cao hiệu quả và đổi mới trong sản xuất nội dung trò chơi. Như trò chơi blockchain đầu tiên AI Hero của Binaryx, người chơi có thể khám phá các lựa chọn cốt truyện khác nhau một cách ngẫu nhiên thông qua AI; tương tự, cũng có trò chơi bạn ảo Sleepless AI, dựa trên AIGC và LLM, người chơi có thể mở khóa lối chơi cá nhân hóa thông qua các tương tác khác nhau.
DAO: Hiện tại, AI cũng được cho là sẽ được áp dụng vào DAO, giúp theo dõi sự tương tác của cộng đồng, ghi lại đóng góp, thưởng cho những thành viên có đóng góp nhiều nhất, đại diện cho việc bỏ phiếu, v.v. Ví dụ như ai16z sử dụng AI Agent để thu thập thông tin thị trường trên chuỗi và ngoài chuỗi, phân tích sự đồng thuận của cộng đồng, và kết hợp với các đề xuất của thành viên DAO để đưa ra quyết định đầu tư.
Ý nghĩa của sự kết hợp AI+Web3: Tháp và Quảng trường
Tại trung tâm thành phố Florence, Ý, có một trong những địa điểm chính trị quan trọng nhất của địa phương và là nơi tụ tập của người dân, du khách - Quảng trường Trung tâm. Tại đây có một tòa tháp thị chính cao 95 mét, tháp này và quảng trường tạo thành một sự tương phản thị giác dọc và ngang, tạo ra hiệu ứng thẩm mỹ kịch tính. Giáo sư Neil Ferguson của Khoa Lịch sử Đại học Harvard đã được truyền cảm hứng từ điều này và liên tưởng đến lịch sử thế giới của mạng lưới và hệ thống phân cấp trong cuốn sách "Quảng trường và Tháp", nơi mà cả hai đều lên xuống theo dòng thời gian.
Ẩn dụ tuyệt vời này cũng không hề lạ khi đặt vào mối quan hệ giữa AI và Web3 ngày nay. Từ lịch sử mối quan hệ dài hạn và phi tuyến tính của cả hai, có thể thấy rằng quảng trường dễ tạo ra những điều mới mẻ và sáng tạo hơn so với tháp, nhưng tháp vẫn có tính hợp pháp và sức sống mạnh mẽ của nó.
Dưới khả năng tập trung dữ liệu năng lượng tính toán của các công ty công nghệ, AI đã bùng nổ với trí tưởng tượng chưa từng có. Các tập đoàn công nghệ lớn đã mạnh tay đầu tư và tham gia, từ các chatbot khác nhau cho đến các phiên bản lặp lại của "mô hình nền tảng" như GPT-4, GP4-4o, cùng với sự ra mắt của robot lập trình tự động (Devin) và Sora, một robot có khả năng mô phỏng ban đầu thế giới vật lý thực tế, v.v. Trí tưởng tượng của AI đã được mở rộng vô hạn.
Trong khi đó, AI về bản chất là một ngành công nghiệp quy mô và tập trung, cuộc cách mạng công nghệ này đã đẩy các công ty công nghệ, vốn đã dần nắm giữ quyền lực cấu trúc trong "thời đại internet", đến một đỉnh điểm hẹp hơn. Năng lượng khổng lồ, dòng tiền độc quyền và tập hợp dữ liệu khổng lồ cần thiết để thống trị thời đại thông minh đã tạo ra những rào cản cao hơn cho nó.
Khi tháp càng cao, những người ra quyết định phía sau càng thu hẹp lại, sự tập trung hóa AI mang đến nhiều rủi ro, người dân tập trung ở quảng trường làm thế nào để tránh cái bóng dưới tháp? Đó chính là vấn đề mà Web3 hy vọng sẽ giải quyết.
Về bản chất, các thuộc tính vốn có của blockchain đã tăng cường hệ thống trí tuệ nhân tạo và mang lại những khả năng mới, chủ yếu là:
Thời đại trí tuệ nhân tạo "mã là luật" - thông qua hợp đồng thông minh và xác thực mã hóa để thực hiện các quy tắc hệ thống tự động một cách minh bạch, trao thưởng cho những người gần gũi hơn với mục tiêu.
Kinh tế token - Tạo ra và phối hợp hành vi của người tham gia thông qua cơ chế token, staking, cắt giảm, phần thưởng và hình phạt token.
Quản trị phi tập trung - khuyến khích chúng ta đặt câu hỏi về nguồn thông tin và khuyến khích một phương pháp tiếp cận phê phán và sâu sắc hơn đối với công nghệ trí tuệ nhân tạo, ngăn chặn sự thiên lệch, thông tin sai lệch và thao túng, cuối cùng nuôi dưỡng một xã hội có hiểu biết và quyền năng hơn.
Sự phát triển của AI cũng đã mang lại sức sống mới cho Web3, có thể ảnh hưởng của Web3 đối với AI cần có thời gian để chứng minh, nhưng ảnh hưởng của AI đối với Web3 là ngay lập tức: điều này có thể thấy từ sự cuồng nhiệt của Meme, cho đến việc AI Agent giúp các ứng dụng trên chuỗi giảm bớt rào cản sử dụng.
Khi Web3 được định nghĩa là sự tự mãn của một nhóm người nhỏ, cùng với những nghi ngờ về việc sao chép các ngành công nghiệp truyền thống, sự gia nhập của AI đã mang đến một tương lai có thể thấy trước: một nhóm người dùng Web2 ổn định hơn và quy mô hơn, cùng với các mô hình và dịch vụ kinh doanh đổi mới hơn.
Chúng ta đang sống trong một thế giới đồng tồn tại của "Tháp và Quảng trường", AI và Web3 mặc dù có những dòng thời gian và điểm khởi đầu khác nhau, nhưng điểm đến cuối cùng của chúng đều là làm cho máy móc phục vụ con người tốt hơn. Không ai có thể định nghĩa một dòng sông đang cuộn chảy, chúng ta mong chờ thấy tương lai của AI+Web3.
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.
AI + Web3: Tháp và Quảng trường
Tác giả: Coinspire
TL;DR：
Các dự án Web3 với khái niệm AI đang trở thành mục tiêu hút vốn trên thị trường sơ cấp và thứ cấp.
Cơ hội của Web3 trong ngành AI được thể hiện qua: việc sử dụng các động lực phân phối để phối hợp nguồn cung tiềm năng trong đuôi dài - qua dữ liệu, lưu trữ và tính toán; trong khi đó, xây dựng một mô hình mã nguồn mở cũng như một thị trường phi tập trung cho AI Agent.
AI trong ngành Web3 chủ yếu được sử dụng trong tài chính trên chuỗi (thanh toán tiền điện tử, giao dịch, phân tích dữ liệu) và hỗ trợ phát triển.
Tính hữu ích của AI+Web3 được thể hiện qua sự bổ sung của cả hai: Web3 hy vọng chống lại sự tập trung hóa của AI, trong khi AI hy vọng giúp Web3 thoát khỏi giới hạn.
Giới thiệu
Trong hai năm qua, sự phát triển của AI giống như đã được ấn nút tăng tốc, cánh bướm do Chatgpt kích động không chỉ mở ra một thế giới mới của trí tuệ nhân tạo sinh tạo, mà còn tạo ra một làn sóng mạnh mẽ bên kia là Web3.
Dưới sự hỗ trợ của khái niệm AI, việc huy động vốn trên thị trường tiền điện tử đã có sự hồi phục rõ rệt so với sự chậm lại. Các phương tiện truyền thông thống kê, chỉ trong nửa đầu năm 2024, đã có tổng cộng 64 dự án Web3+AI hoàn thành việc huy động vốn, trong đó hệ điều hành dựa trên trí tuệ nhân tạo Zyber365 đã đạt được số tiền huy động cao nhất là 100 triệu USD trong vòng gọi vốn A.
Thị trường thứ cấp ngày càng sôi động, dữ liệu từ trang tổng hợp tiền điện tử Coingecko cho thấy, chỉ trong hơn một năm, tổng giá trị thị trường của lĩnh vực AI đã đạt 48,5 tỷ USD, khối lượng giao dịch trong 24 giờ gần 8,6 tỷ USD; những lợi ích rõ ràng từ sự phát triển công nghệ AI chủ đạo, sau khi mô hình chuyển văn bản thành video Sora của OpenAI được phát hành, giá trung bình của lĩnh vực AI đã tăng 151%; tác động của AI cũng đã lan tỏa đến một trong những lĩnh vực thu hút vốn trong tiền điện tử là Meme: MemeCoin đầu tiên với khái niệm AI Agent - GOAT nhanh chóng nổi tiếng và đạt được định giá 1,4 tỷ USD, thành công khơi dậy cơn sốt AI Meme.
Về nghiên cứu và các chủ đề liên quan đến AI+Web3 cũng đang rất sôi nổi, từ AI+Depin đến AI Memecoin cho đến hiện tại là AI Agent và AI DAO, tâm lý FOMO đã không theo kịp tốc độ thay đổi của các câu chuyện mới.
AI+Web3, cụm thuật ngữ đầy tiền nóng, cơ hội và ảo tưởng tương lai này, khó tránh khỏi bị coi là một cuộc hôn nhân sắp đặt do vốn đầu tư kết hợp, chúng ta dường như rất khó để phân biệt dưới lớp áo hoa mỹ này, rốt cuộc là sân chơi của những kẻ đầu cơ, hay là đêm trước của sự bùng nổ bình minh?
Để trả lời câu hỏi này, một suy nghĩ quan trọng đối với cả hai bên là liệu có thể trở nên tốt hơn khi có đối phương không? Liệu có thể hưởng lợi từ mô hình của đối phương không? Trong bài viết này, chúng tôi cũng cố gắng đứng trên vai của những người đi trước để xem xét mô hình này: Web3 có thể phát huy vai trò như thế nào trong từng khâu của công nghệ AI, và AI có thể mang lại những sinh khí mới gì cho Web3?
Cơ hội nào cho Web3 dưới nền tảng AI?
Trước khi mở rộng chủ đề này, chúng ta cần hiểu về công nghệ của mô hình AI lớn:
Nguồn hình: Delphi Digital
Diễn đạt toàn bộ quá trình bằng ngôn ngữ dễ hiểu hơn: "Mô hình lớn" giống như bộ não của con người, trong giai đoạn đầu, bộ não này thuộc về một em bé mới sinh, cần quan sát và tiếp thu một lượng thông tin khổng lồ từ môi trường xung quanh để hiểu thế giới, đó là giai đoạn "thu thập" dữ liệu; do máy tính không có các giác quan như thị giác, thính giác của con người, trước khi huấn luyện, thông tin không được gán nhãn quy mô lớn từ bên ngoài cần được "tiền xử lý" để chuyển đổi thành định dạng thông tin mà máy tính có thể hiểu và sử dụng.
Sau khi nhập dữ liệu, AI thông qua "đào tạo" đã xây dựng một mô hình có khả năng hiểu và dự đoán, có thể được coi là quá trình trẻ em dần hiểu và học hỏi về thế giới bên ngoài. Các tham số của mô hình giống như khả năng ngôn ngữ của trẻ em liên tục được điều chỉnh trong quá trình học tập. Khi nội dung học bắt đầu được phân chia theo chuyên môn, hoặc khi giao tiếp với người khác nhận được phản hồi và được điều chỉnh, thì nó bước vào giai đoạn "tinh chỉnh" của mô hình lớn.
Trẻ em dần lớn lên và khi biết nói, chúng có thể hiểu ý nghĩa và diễn đạt cảm xúc cũng như suy nghĩ của mình trong các cuộc hội thoại mới, giai đoạn này tương tự như "suy luận" của mô hình AI lớn, mô hình có khả năng dự đoán và phân tích các đầu vào ngôn ngữ và văn bản mới. Trẻ sơ sinh thể hiện cảm xúc, mô tả đối tượng và giải quyết nhiều vấn đề thông qua khả năng ngôn ngữ, điều này cũng tương tự như việc mô hình AI lớn được áp dụng vào các nhiệm vụ cụ thể sau khi hoàn thành đào tạo và đưa vào sử dụng trong giai đoạn suy luận, chẳng hạn như phân loại hình ảnh, nhận dạng giọng nói, v.v.
Mặt khác, AI Agent gần với dạng mô hình lớn tiếp theo – có khả năng thực hiện nhiệm vụ độc lập và theo đuổi các mục tiêu phức tạp, không chỉ có khả năng suy nghĩ mà còn có khả năng ghi nhớ, lập kế hoạch và sử dụng các công cụ để tương tác với thế giới.
Hiện tại, đối với những điểm đau của AI trong các ngăn xếp khác nhau, Web3 hiện đã hình thành một hệ sinh thái đa tầng, kết nối lẫn nhau, bao gồm tất cả các giai đoạn của quy trình mô hình AI.
Một, Tầng cơ sở: Airbnb cho sức mạnh tính toán và dữ liệu
tính toán sức mạnh
Hiện tại, một trong những chi phí cao nhất của AI là sức mạnh tính toán và năng lượng cần thiết để đào tạo mô hình và suy luận mô hình.
Ví dụ, LLAMA3 của Meta yêu cầu 16.000 H100GPU được sản xuất bởi NVIDIA, một đơn vị xử lý đồ họa hàng đầu được thiết kế cho AI và khối lượng công việc điện toán hiệu suất cao. 30 ngày để hoàn thành khóa đào tạo. Phiên bản 80GB của phiên bản thứ hai có giá từ 30.000 đến 40.000 đô la mỗi chiếc, đòi hỏi 4-700 triệu đô la đầu tư phần cứng máy tính (GPU + chip mạng), đồng thời tiêu thụ 1,6 tỷ kWh đào tạo mỗi tháng và gần 20 triệu đô la mỗi tháng chi tiêu năng lượng.
Việc giải nén sức mạnh AI cũng chính là lĩnh vực đầu tiên mà Web3 giao thoa với AI - DePin (Mạng hạ tầng vật lý phi tập trung). Hiện tại, trang dữ liệu DePin Ninja đã liệt kê hơn 1400 dự án, trong đó các dự án đại diện cho việc chia sẻ sức mạnh GPU bao gồm io.net, Aethir, Akash, Render Network, v.v.
Logic chính của nó là: nền tảng cho phép cá nhân hoặc tổ chức sở hữu tài nguyên GPU nhàn rỗi đóng góp khả năng tính toán của họ theo cách phi tập trung không cần giấy phép, thông qua một thị trường trực tuyến giữa người mua và người bán tương tự như Uber hoặc Airbnb, nâng cao tỷ lệ sử dụng tài nguyên GPU chưa được khai thác đầy đủ, và người dùng cuối do đó nhận được nguồn tài nguyên tính toán hiệu quả với chi phí thấp hơn; đồng thời, cơ chế staking cũng đảm bảo rằng nếu có sự vi phạm cơ chế kiểm soát chất lượng hoặc gián đoạn mạng xảy ra, các nhà cung cấp tài nguyên sẽ phải chịu hình phạt tương ứng.
Đặc điểm của nó là:
Tập hợp tài nguyên GPU nhàn rỗi: Bên cung cấp chủ yếu là các trung tâm dữ liệu độc lập nhỏ và vừa bên thứ ba, các nhà khai thác tài nguyên tính toán dư thừa của các mỏ tiền điện tử, phần cứng khai thác với cơ chế đồng thuận PoS, như máy khai thác FileCoin và ETH. Hiện tại cũng có các dự án cố gắng khởi động thiết bị với ngưỡng tham gia thấp hơn, như exolab sử dụng MacBook, iPhone, iPad và các thiết bị địa phương khác để thiết lập mạng lưới tính toán cho suy diễn mô hình lớn.
Đối mặt với thị trường dài đuôi sức mạnh AI: a. "Về mặt công nghệ" thị trường sức mạnh phi tập trung phù hợp hơn cho các bước suy diễn. Đào tạo phụ thuộc nhiều vào khả năng xử lý dữ liệu do GPU quy mô siêu lớn mang lại, trong khi suy diễn yêu cầu hiệu suất tính toán GPU tương đối thấp, như Aethir tập trung vào công việc kết xuất độ trễ thấp và ứng dụng suy diễn AI. b. "Về phía nhu cầu" các bên cần sức mạnh tính toán vừa và nhỏ sẽ không tự đào tạo mô hình lớn của riêng họ, mà chỉ chọn tối ưu hóa và điều chỉnh xung quanh một số mô hình lớn hàng đầu, và những kịch bản này tự nhiên phù hợp với tài nguyên sức mạnh tính toán nhàn rỗi phân tán.
Quyền sở hữu phi tập trung: Ý nghĩa kỹ thuật của blockchain là chủ sở hữu tài nguyên luôn giữ quyền kiểm soát tài nguyên của họ, linh hoạt điều chỉnh theo nhu cầu của họ và đồng thời kiếm tiền.
dữ liệu
Dữ liệu là nền tảng của AI. Nếu không có dữ liệu, tính toán sẽ giống như cỏ lác không có ích gì, và mối quan hệ giữa dữ liệu và mô hình giống như câu tục ngữ "Garbage in, Garbage out", số lượng dữ liệu và chất lượng đầu vào quyết định chất lượng đầu ra cuối cùng của mô hình. Đối với việc huấn luyện mô hình AI hiện tại, dữ liệu quyết định khả năng ngôn ngữ, khả năng hiểu biết, thậm chí là quan điểm và cách thể hiện nhân văn của mô hình. Hiện nay, những khó khăn trong việc đáp ứng nhu cầu dữ liệu của AI chủ yếu tập trung vào bốn khía cạnh sau:
Khát dữ liệu: Việc huấn luyện mô hình AI phụ thuộc vào lượng dữ liệu đầu vào lớn. Tài liệu công khai cho thấy, số lượng tham số mà OpenAI sử dụng để huấn luyện GPT-4 đã đạt đến cấp độ hàng triệu tỷ.
Chất lượng dữ liệu: Với sự kết hợp của AI và các ngành công nghiệp khác nhau, tính kịp thời của dữ liệu, sự đa dạng của dữ liệu, tính chuyên nghiệp của dữ liệu dọc và việc thu nạp các nguồn dữ liệu mới nổi như tâm lý truyền thông xã hội cũng đặt ra những yêu cầu mới về chất lượng của chúng.
Vấn đề về quyền riêng tư và tuân thủ: Hiện nay, các quốc gia và doanh nghiệp đang dần nhận ra tầm quan trọng của các tập dữ liệu chất lượng, và đang tiến hành hạn chế việc thu thập dữ liệu.
Chi phí xử lý dữ liệu cao: Khối lượng dữ liệu lớn, quy trình xử lý phức tạp. Tài liệu công khai cho thấy, hơn 30% chi phí nghiên cứu và phát triển của các công ty AI được sử dụng cho việc thu thập và xử lý dữ liệu cơ bản.
Hiện tại, giải pháp web3 thể hiện ở bốn khía cạnh sau:
Cho phép những người dùng thực sự đóng góp tham gia vào việc tạo ra giá trị từ dữ liệu, cũng như thu thập dữ liệu cá nhân hơn và có giá trị hơn từ người dùng bằng cách sử dụng mạng phân phối và cơ chế khuyến khích với chi phí thấp, đó là tầm nhìn của Web3.
Grass là một lớp dữ liệu và mạng phi tập trung, người dùng có thể chạy nút Grass, đóng góp băng thông nhàn rỗi và lưu lượng trung gian để thu thập dữ liệu thời gian thực từ toàn bộ Internet, và nhận phần thưởng bằng token;
Vana giới thiệu khái niệm Nhóm thanh khoản dữ liệu (DLP) độc đáo, nơi người dùng có thể tải dữ liệu cá nhân của họ (chẳng hạn như lịch sử mua sắm, thói quen duyệt web, hoạt động truyền thông xã hội, v.v.) lên một DLP cụ thể và linh hoạt lựa chọn có ủy quyền cho các bên thứ ba cụ thể hay không.
Trong PublicAI, người dùng có thể sử dụng #AI 或#Web3 làm nhãn phân loại trên X và @PublicAI để thực hiện việc thu thập dữ liệu.
Hiện tại, Grass và OpenLayer đều đang xem xét việc tham gia vào giai đoạn quan trọng của việc đánh dấu dữ liệu.
Synesis đã đưa ra khái niệm "Train2earn", nhấn mạnh chất lượng dữ liệu, người dùng có thể nhận được phần thưởng bằng cách cung cấp dữ liệu gán nhãn, chú thích hoặc các hình thức đầu vào khác.
Dự án gán nhãn dữ liệu Sapien đã gamify nhiệm vụ gán nhãn và cho phép người dùng stake điểm để kiếm thêm điểm.
Các công nghệ bảo mật phổ biến trong Web3 hiện nay bao gồm:
Môi trường thực thi đáng tin cậy (TEE), chẳng hạn như Super Protocol;
Mã hóa đồng nhất hoàn toàn (FHE), ví dụ như BasedAI, Fhenix.io hoặc Inco Network;
Công nghệ Zero Knowledge (zk), như giao thức Reclaim sử dụng công nghệ zkTLS, tạo ra các bằng chứng Zero Knowledge cho lưu lượng HTTPS, cho phép người dùng an toàn nhập dữ liệu hoạt động, danh tiếng và danh tính từ các trang web bên ngoài mà không cần tiết lộ thông tin nhạy cảm.
Tuy nhiên, lĩnh vực này vẫn đang ở giai đoạn đầu, hầu hết các dự án vẫn đang trong quá trình khám phá, hiện tại một trong những khó khăn là chi phí tính toán quá cao, một số ví dụ là:
Khung zkML EZKL cần khoảng 80 phút để tạo ra một chứng minh cho mô hình 1M-nanoGPT.
Theo dữ liệu từ Modulus Labs, chi phí của zkML cao hơn hơn 1000 lần so với tính toán thuần túy.
0g. AI là một dự án tiêu biểu trong hạng mục này. Đây là một giải pháp lưu trữ tập trung được thiết kế cho nhu cầu hiệu suất cao của AI và các tính năng chính của nó bao gồm: hiệu suất và khả năng mở rộng cao, với các công nghệ phân mảnh tiên tiến và Mã hóa xóa để hỗ trợ tải lên và tải xuống nhanh các bộ dữ liệu quy mô lớn với tốc độ truyền dữ liệu gần 5 GB mỗi giây.
Thị trường phi tập trung mô hình mã nguồn mở
Cuộc tranh luận về việc mô hình AI nên đóng hay mở nguồn chưa bao giờ ngừng lại. Sự đổi mới tập thể mà mã nguồn mở mang lại là một lợi thế mà mô hình đóng không thể so sánh được, tuy nhiên, trong điều kiện không có mô hình lợi nhuận, làm thế nào để mô hình mở nâng cao động lực cho các nhà phát triển? Đây là một hướng đi đáng để suy nghĩ, người sáng lập Baidu, Lý Ngạn Hồng, đã từng tuyên bố vào tháng 4 năm nay rằng "mô hình mở sẽ ngày càng tụt lại phía sau."
Về vấn đề này, Web3 đưa ra khả năng của một thị trường mô hình nguồn mở phi tập trung, tức là token hóa mô hình bản thân, giữ lại một tỷ lệ token nhất định cho đội ngũ, và chuyển một phần doanh thu tương lai của mô hình cho những người nắm giữ token.
Như giao thức Bittensor thiết lập một thị trường P2P mô hình mã nguồn mở, bao gồm hàng chục "tiểu mạng", trong đó các nhà cung cấp tài nguyên (tính toán, thu thập / lưu trữ dữ liệu, nhân tài học máy) cạnh tranh với nhau để đáp ứng mục tiêu của các chủ sở hữu tiểu mạng cụ thể, các tiểu mạng có thể tương tác và học hỏi lẫn nhau, từ đó tạo ra trí tuệ mạnh mẽ hơn. Phần thưởng được phân phối thông qua bỏ phiếu của cộng đồng và được phân bổ thêm dựa trên hiệu suất cạnh tranh trong từng tiểu mạng.
ORA đã giới thiệu khái niệm phát hành mô hình ban đầu (IMO), cho phép token hóa mô hình AI, có thể được mua, bán và phát triển thông qua mạng lưới phi tập trung.
Sentient, một nền tảng AGI phi tập trung, khuyến khích mọi người hợp tác, xây dựng, sao chép và mở rộng các mô hình AI, đồng thời thưởng cho những người đóng góp.
Spectral Nova, tập trung vào việc tạo ra và ứng dụng các mô hình AI và ML.
Suy luận có thể xác minh
Đối với vấn đề "hộp đen" trong quá trình suy luận của AI, giải pháp Web3 tiêu chuẩn là cho nhiều người xác nhận thực hiện cùng một thao tác và so sánh kết quả, nhưng do sự khan hiếm hiện tại của các "chip Nvidia" cao cấp, thách thức rõ ràng mà phương pháp này phải đối mặt là chi phí suy luận AI rất cao.
Giải pháp khả thi hơn là thực hiện chứng minh ZK cho việc tính toán suy luận AI ngoài chuỗi "chứng minh không biết, một giao thức mật mã trong đó một bên chứng minh có thể chứng minh cho bên còn lại rằng một tuyên bố nhất định là đúng mà không tiết lộ bất kỳ thông tin bổ sung nào ngoài việc tuyên bố đó là đúng", để xác thực việc tính toán mô hình AI trên chuỗi mà không cần xin phép. Điều này cần phải chứng minh một cách mã hóa trên chuỗi rằng việc tính toán ngoài chuỗi đã được thực hiện đúng (ví dụ, tập dữ liệu không bị giả mạo), đồng thời đảm bảo rằng tất cả dữ liệu đều được bảo mật.
Các lợi ích chính bao gồm:
Khả năng mở rộng: Bằng chứng không kiến thức có thể xác nhận nhanh chóng một lượng lớn tính toán ngoài chuỗi. Ngay cả khi số lượng giao dịch tăng lên, một bằng chứng không kiến thức đơn lẻ cũng có thể xác minh tất cả giao dịch.
Bảo vệ quyền riêng tư: Chi tiết về dữ liệu và mô hình AI được giữ kín, trong khi các bên có thể xác minh rằng dữ liệu và mô hình không bị xâm phạm.
Không cần tin tưởng: Không cần phụ thuộc vào các bên tập trung để xác nhận tính toán.
Tích hợp Web2: Theo định nghĩa, Web2 là tích hợp ngoại tuyến, có nghĩa là suy luận có thể xác minh có thể giúp đưa tập dữ liệu và tính toán AI của nó lên chuỗi. Điều này giúp nâng cao tỷ lệ chấp nhận Web3.
Hiện nay, các công nghệ có thể xác minh cho suy luận có thể xác minh trong Web3 như sau:
zkML: Kết hợp bằng chứng không kiến thức với học máy để đảm bảo tính riêng tư và bảo mật của dữ liệu và mô hình, cho phép tính toán có thể xác minh mà không cần tiết lộ một số thuộc tính cơ bản, như Modulus Labs đã phát hành bộ chứng minh ZK được xây dựng cho AI dựa trên ZKML, nhằm kiểm tra hiệu quả xem nhà cung cấp AI có thao túng thuật toán thực hiện đúng trên chuỗi hay không, tuy nhiên hiện tại khách hàng chủ yếu là DApp trên chuỗi.
opML: Sử dụng nguyên tắc tổng hợp lạc quan, cải thiện khả năng mở rộng và hiệu quả tính toán ML bằng cách xác minh thời gian xảy ra tranh chấp, trong mô hình này, chỉ cần xác minh một phần nhỏ trong kết quả do "người xác minh" tạo ra, nhưng đặt chi phí kinh tế cắt giảm đủ cao để tăng chi phí gian lận của người xác minh từ đó tiết kiệm tính toán dư thừa.
TeeML: Sử dụng môi trường thực thi đáng tin cậy để thực hiện tính toán ML một cách an toàn, bảo vệ dữ liệu và mô hình khỏi sự can thiệp và truy cập trái phép.
Ba, lớp ứng dụng: AI Agent
Sự phát triển hiện tại của AI đã thể hiện một bức tranh chuyển từ khả năng mô hình sang phát triển AI Agent. Các công ty công nghệ như OpenAI, kỳ lân mô hình AI lớn Anthropic, Microsoft, v.v., đều đang chuyển sang phát triển AI Agent, cố gắng phá vỡ giai đoạn nền tảng công nghệ LLM hiện tại.
Định nghĩa của OpenAI về AI Agent là: một hệ thống được điều khiển bởi LLM như bộ não, có khả năng tự hiểu, nhận thức, lập kế hoạch, ghi nhớ và sử dụng công cụ, có thể tự động thực hiện các nhiệm vụ phức tạp. Khi AI chuyển từ một công cụ bị sử dụng thành một chủ thể có khả năng sử dụng công cụ, nó trở thành AI Agent. Đây cũng chính là lý do tại sao AI Agent có thể trở thành trợ lý thông minh lý tưởng nhất của con người.
Vậy Web3 có thể mang lại điều gì cho Agent?
1, phi tập trung
Các đặc tính phi tập trung của Web3 có thể giúp hệ thống Agent trở nên phân tán và tự trị hơn, thông qua các cơ chế như PoS, DPoS để thiết lập các cơ chế khuyến khích và trừng phạt đối với người staking và người ủy thác, từ đó có thể thúc đẩy sự dân chủ hóa của hệ thống Agent, GaiaNet, Theoriq, HajimeAI đều đã có những thử nghiệm.
2、Khởi động lạnh
Việc phát triển và lặp lại AI Agent thường cần nhiều hỗ trợ vốn, trong khi Web3 có thể giúp các dự án AI Agent tiềm năng nhận được tài trợ sớm và khởi động lạnh.
Virtual Protocol ra mắt nền tảng phát hành AI Agent và token fun.virtuals, bất kỳ người dùng nào cũng có thể triển khai AI Agent chỉ với một cú nhấp chuột và thực hiện phát hành token AI Agent 100% công bằng.
Spectral đã đề xuất một ý tưởng sản phẩm hỗ trợ phát hành tài sản AI Agent trên chuỗi: thông qua IAO (Initial Agent Offering) phát hành token, AI Agent có thể trực tiếp nhận vốn từ nhà đầu tư, đồng thời trở thành một thành viên của DAO, cung cấp cho nhà đầu tư cơ hội tham gia phát triển dự án và chia sẻ lợi nhuận trong tương lai.
AI làm thế nào để tăng cường Web3?
Tác động của AI đối với các dự án Web3 là rõ ràng, nó mang lại lợi ích cho công nghệ blockchain thông qua việc tối ưu hóa các hoạt động trên chuỗi (ví dụ như thực thi hợp đồng thông minh, tối ưu hóa tính thanh khoản và quyết định quản trị dựa trên AI). Đồng thời, nó cũng có thể cung cấp những hiểu biết tốt hơn dựa trên dữ liệu, nâng cao tính bảo mật trên chuỗi và đặt nền tảng cho các ứng dụng mới dựa trên Web3.
Một, AI và tài chính trên chuỗi
AI và kinh tế tiền điện tử
Vào ngày 31 tháng 8, Giám đốc điều hành Coinbase Brian Armstrong đã thông báo về giao dịch tiền điện tử AI với AI đầu tiên trên mạng Base, và cho biết AI Agent bây giờ có thể sử dụng USD để giao dịch với con người, thương nhân hoặc các AI khác trên Base, những giao dịch này là ngay lập tức, toàn cầu và miễn phí.
Ngoài việc thanh toán, Luna của Virtuals Protocol cũng lần đầu tiên trình diễn cách mà AI Agent có thể tự thực hiện giao dịch trên chuỗi một cách độc lập, gây sự chú ý, khiến AI Agent được xem là một thực thể thông minh có khả năng nhận thức môi trường, đưa ra quyết định và thực hiện hành động, được coi là tương lai của tài chính trên chuỗi. Hiện tại, các tình huống tiềm năng của AI Agent được thể hiện trong các điểm sau:
Thu thập thông tin và dự đoán: Giúp nhà đầu tư thu thập thông báo từ sàn giao dịch, thông tin công khai của dự án, cảm xúc hoảng loạn, rủi ro từ dư luận, v.v., phân tích và đánh giá theo thời gian thực về cơ bản của tài sản, tình hình thị trường, dự đoán xu hướng và rủi ro.
Quản lý tài sản: Cung cấp cho người dùng các mục đầu tư phù hợp, tối ưu hóa danh mục tài sản, tự động thực hiện giao dịch.
Trải nghiệm tài chính: Giúp nhà đầu tư chọn phương thức giao dịch trên chuỗi nhanh nhất, tự động hóa các thao tác thủ công như giao dịch liên chuỗi, điều chỉnh phí gas, v.v., giảm bớt rào cản và chi phí cho các hoạt động tài chính trên chuỗi.
Hãy tưởng tượng một cảnh như thế này, bạn truyền đạt chỉ dẫn cho AI Agent rằng: "Tôi có 1000USDT, hãy giúp tôi tìm kiếm tổ hợp có lợi nhuận cao nhất, thời gian khóa không vượt quá một tuần", AI Agent sẽ cung cấp cho bạn những gợi ý như sau: "Đề xuất phân bổ ban đầu là 50% vào A, 20% vào B, 20% vào X, 10% vào Y. Tôi sẽ theo dõi lãi suất và quan sát sự thay đổi mức độ rủi ro, và sẽ điều chỉnh lại khi cần thiết." Ngoài ra, việc tìm kiếm các dự án airdrop tiềm năng, cũng như các dự án Memecoin có dấu hiệu cộng đồng sôi động, đều là những điều mà AI Agent có thể thực hiện trong tương lai.
Nguồn hình: Biconomy
Hiện tại, ví AI Agent Bitte và giao thức tương tác AI Wayfinder đều đang thực hiện các thử nghiệm tương tự, họ đều cố gắng kết nối với API mô hình của OpenAI, cho phép người dùng tương tác với Agent qua một giao diện trò chuyện giống như ChatGPT, ra lệnh cho Agent thực hiện các thao tác trên chuỗi khác nhau, chẳng hạn như WayFinder đã trình diễn bốn thao tác cơ bản là swap, send, bridge và stake trên mạng chính của ba chuỗi công khai Base, Polygon và Ethereum với prototype đầu tiên được phát hành vào tháng 4 năm nay.
Hiện tại, nền tảng Agent phi tập trung Morpheus cũng hỗ trợ phát triển các loại Agent như vậy, ví dụ Biconomy cũng đã trình diễn một đoạn không cần quyền truy cập đầy đủ vào ví, AI Agent có thể thực hiện thao tác hoán đổi ETH sang USDC.
AI và an toàn giao dịch trên chuỗi
Trong thế giới Web3, an ninh giao dịch trên chuỗi là vô cùng quan trọng. Công nghệ AI có thể được sử dụng để tăng cường tính an toàn và bảo vệ quyền riêng tư của giao dịch trên chuỗi, các tình huống tiềm năng bao gồm:
Giám sát giao dịch: Giám sát dữ liệu kỹ thuật thời gian thực các hoạt động giao dịch bất thường, cơ sở hạ tầng cảnh báo thời gian thực cho người dùng và nền tảng.
Phân tích rủi ro: Giúp nền tảng phân tích dữ liệu hành vi giao dịch của khách hàng, đánh giá mức độ rủi ro của họ.
Chẳng hạn, nền tảng an ninh Web3 SeQure sử dụng AI để phát hiện và ngăn chặn các cuộc tấn công độc hại, hành vi gian lận và rò rỉ dữ liệu, đồng thời cung cấp hệ thống giám sát và cảnh báo theo thời gian thực, đảm bảo tính an toàn và ổn định cho các giao dịch trên chuỗi. Các công cụ an ninh tương tự còn có Sentinel sử dụng AI.
Hai, AI và cơ sở hạ tầng trên chuỗi.
AI và dữ liệu trên chuỗi
Công nghệ AI đóng một vai trò quan trọng trong việc thu thập và phân tích dữ liệu trên chuỗi, chẳng hạn như:
Web3 Analytics: là một nền tảng phân tích dựa trên AI, sử dụng học máy và các thuật toán khai thác dữ liệu để thu thập, xử lý và phân tích dữ liệu trên chuỗi.
MinMax AI: Nó cung cấp công cụ phân tích dữ liệu trên chuỗi dựa trên AI, giúp người dùng phát hiện cơ hội và xu hướng thị trường tiềm năng.
Kaito: Nền tảng tìm kiếm Web3 dựa trên công cụ tìm kiếm LLM.
Theo dõi: Tích hợp ChatGPT, thu thập và tổng hợp thông tin liên quan từ các trang web và nền tảng cộng đồng khác nhau.
Một ứng dụng khác là oracle, AI có thể lấy giá từ nhiều nguồn để cung cấp dữ liệu định giá chính xác. Chẳng hạn, Upshot sử dụng AI để đánh giá giá NFT đang dao động, với hơn một trăm triệu đánh giá mỗi giờ, cung cấp giá NFT với sai số phần trăm từ 3-10%.
AI và phát triển&kiểm toán
Gần đây, một trình biên tập mã AI Web2 có tên là Cursor đã thu hút nhiều sự chú ý trong cộng đồng phát triển. Trên nền tảng của nó, người dùng chỉ cần mô tả bằng ngôn ngữ tự nhiên, Cursor có thể tự động tạo ra mã HTML, CSS và JavaScript tương ứng, giúp đơn giản hóa quy trình phát triển phần mềm, và logic này cũng áp dụng cho việc nâng cao hiệu quả phát triển Web3.
Hiện tại, việc triển khai hợp đồng thông minh và DApp trên chuỗi công khai thường phải tuân theo các ngôn ngữ phát triển chuyên dụng như Solidity, Rust, Move, v.v. Tầm nhìn của các ngôn ngữ phát triển mới là mở rộng không gian thiết kế của blockchain phi tập trung, khiến nó phù hợp hơn cho việc phát triển DApp, nhưng trong bối cảnh thiếu hụt nhà phát triển Web3, giáo dục cho các nhà phát triển vẫn luôn là một vấn đề đau đầu.
Hiện nay, AI trong việc hỗ trợ phát triển Web3 có thể hình dung được những tình huống bao gồm: tạo mã tự động, xác thực và kiểm tra hợp đồng thông minh, triển khai và duy trì DApp, hoàn thiện mã thông minh, AI trả lời các vấn đề khó khăn trong phát triển, v.v. Sự hỗ trợ của AI không chỉ giúp nâng cao hiệu suất và độ chính xác trong phát triển mà còn giảm bớt rào cản lập trình, cho phép những người không phải lập trình viên cũng có thể biến ý tưởng của họ thành ứng dụng thực tế, mang lại sức sống mới cho sự phát triển của công nghệ phi tập trung.
Hiện tại, điều thu hút sự chú ý nhất là nền tảng token khởi động một chạm, như Clanker, một "Bot Token" được điều khiển bởi AI, được thiết kế đặc biệt để triển khai token DIY nhanh chóng. Bạn chỉ cần đánh dấu Clanker trên ứng dụng SocialFi Farcaster như Warpcast hoặc Supercast, cho nó biết ý tưởng về token của bạn, nó sẽ khởi động token cho bạn trên chuỗi công khai Base.
Cũng có nền tảng phát triển hợp đồng, chẳng hạn như Spectral cung cấp chức năng tạo và triển khai hợp đồng thông minh chỉ với một cú nhấp chuột, nhằm giảm bớt rào cản phát triển Web3, ngay cả những người mới cũng có thể thực hiện việc biên dịch và triển khai hợp đồng thông minh.
Về mặt kiểm toán, nền tảng kiểm toán Web3 Fuzzland đã sử dụng AI để giúp các kiểm toán viên kiểm tra lỗ hổng mã, cung cấp giải thích bằng ngôn ngữ tự nhiên để hỗ trợ kiến thức chuyên môn trong kiểm toán. Fuzzland cũng đã sử dụng AI để cung cấp giải thích bằng ngôn ngữ tự nhiên cho các quy chuẩn chính thức và mã hợp đồng, cùng với một số mã mẫu để giúp các nhà phát triển hiểu các vấn đề tiềm ẩn trong mã.
Ba, AI và câu chuyện mới của Web3
Sự trỗi dậy của AI sinh tạo đã mang lại những khả năng hoàn toàn mới cho câu chuyện mới của Web3.
NFT: AI đã thổi hồn sáng tạo vào NFT tạo sinh, thông qua công nghệ AI có thể tạo ra các tác phẩm nghệ thuật và nhân vật độc đáo, đa dạng, những NFT tạo sinh này có thể trở thành nhân vật, vật phẩm hoặc yếu tố cảnh quan trong trò chơi, thế giới ảo hoặc metaverse, chẳng hạn như Bicasso thuộc Binance, người dùng có thể tải lên hình ảnh và nhập từ khóa để thực hiện tính toán AI sau đó tạo ra NFT, những dự án tương tự còn có Solvo, Nicho, IgmnAI, CharacterGPT.
GameFi: Xung quanh việc tạo nội dung bằng ngôn ngữ tự nhiên AI, tạo hình ảnh và khả năng NPC thông minh, GameFi có khả năng nâng cao hiệu quả và đổi mới trong sản xuất nội dung trò chơi. Như trò chơi blockchain đầu tiên AI Hero của Binaryx, người chơi có thể khám phá các lựa chọn cốt truyện khác nhau một cách ngẫu nhiên thông qua AI; tương tự, cũng có trò chơi bạn ảo Sleepless AI, dựa trên AIGC và LLM, người chơi có thể mở khóa lối chơi cá nhân hóa thông qua các tương tác khác nhau.
DAO: Hiện tại, AI cũng được cho là sẽ được áp dụng vào DAO, giúp theo dõi sự tương tác của cộng đồng, ghi lại đóng góp, thưởng cho những thành viên có đóng góp nhiều nhất, đại diện cho việc bỏ phiếu, v.v. Ví dụ như ai16z sử dụng AI Agent để thu thập thông tin thị trường trên chuỗi và ngoài chuỗi, phân tích sự đồng thuận của cộng đồng, và kết hợp với các đề xuất của thành viên DAO để đưa ra quyết định đầu tư.
Ý nghĩa của sự kết hợp AI+Web3: Tháp và Quảng trường
Tại trung tâm thành phố Florence, Ý, có một trong những địa điểm chính trị quan trọng nhất của địa phương và là nơi tụ tập của người dân, du khách - Quảng trường Trung tâm. Tại đây có một tòa tháp thị chính cao 95 mét, tháp này và quảng trường tạo thành một sự tương phản thị giác dọc và ngang, tạo ra hiệu ứng thẩm mỹ kịch tính. Giáo sư Neil Ferguson của Khoa Lịch sử Đại học Harvard đã được truyền cảm hứng từ điều này và liên tưởng đến lịch sử thế giới của mạng lưới và hệ thống phân cấp trong cuốn sách "Quảng trường và Tháp", nơi mà cả hai đều lên xuống theo dòng thời gian.
Ẩn dụ tuyệt vời này cũng không hề lạ khi đặt vào mối quan hệ giữa AI và Web3 ngày nay. Từ lịch sử mối quan hệ dài hạn và phi tuyến tính của cả hai, có thể thấy rằng quảng trường dễ tạo ra những điều mới mẻ và sáng tạo hơn so với tháp, nhưng tháp vẫn có tính hợp pháp và sức sống mạnh mẽ của nó.
Dưới khả năng tập trung dữ liệu năng lượng tính toán của các công ty công nghệ, AI đã bùng nổ với trí tưởng tượng chưa từng có. Các tập đoàn công nghệ lớn đã mạnh tay đầu tư và tham gia, từ các chatbot khác nhau cho đến các phiên bản lặp lại của "mô hình nền tảng" như GPT-4, GP4-4o, cùng với sự ra mắt của robot lập trình tự động (Devin) và Sora, một robot có khả năng mô phỏng ban đầu thế giới vật lý thực tế, v.v. Trí tưởng tượng của AI đã được mở rộng vô hạn.
Trong khi đó, AI về bản chất là một ngành công nghiệp quy mô và tập trung, cuộc cách mạng công nghệ này đã đẩy các công ty công nghệ, vốn đã dần nắm giữ quyền lực cấu trúc trong "thời đại internet", đến một đỉnh điểm hẹp hơn. Năng lượng khổng lồ, dòng tiền độc quyền và tập hợp dữ liệu khổng lồ cần thiết để thống trị thời đại thông minh đã tạo ra những rào cản cao hơn cho nó.
Khi tháp càng cao, những người ra quyết định phía sau càng thu hẹp lại, sự tập trung hóa AI mang đến nhiều rủi ro, người dân tập trung ở quảng trường làm thế nào để tránh cái bóng dưới tháp? Đó chính là vấn đề mà Web3 hy vọng sẽ giải quyết.
Về bản chất, các thuộc tính vốn có của blockchain đã tăng cường hệ thống trí tuệ nhân tạo và mang lại những khả năng mới, chủ yếu là:
Thời đại trí tuệ nhân tạo "mã là luật" - thông qua hợp đồng thông minh và xác thực mã hóa để thực hiện các quy tắc hệ thống tự động một cách minh bạch, trao thưởng cho những người gần gũi hơn với mục tiêu.
Kinh tế token - Tạo ra và phối hợp hành vi của người tham gia thông qua cơ chế token, staking, cắt giảm, phần thưởng và hình phạt token.
Quản trị phi tập trung - khuyến khích chúng ta đặt câu hỏi về nguồn thông tin và khuyến khích một phương pháp tiếp cận phê phán và sâu sắc hơn đối với công nghệ trí tuệ nhân tạo, ngăn chặn sự thiên lệch, thông tin sai lệch và thao túng, cuối cùng nuôi dưỡng một xã hội có hiểu biết và quyền năng hơn.
Sự phát triển của AI cũng đã mang lại sức sống mới cho Web3, có thể ảnh hưởng của Web3 đối với AI cần có thời gian để chứng minh, nhưng ảnh hưởng của AI đối với Web3 là ngay lập tức: điều này có thể thấy từ sự cuồng nhiệt của Meme, cho đến việc AI Agent giúp các ứng dụng trên chuỗi giảm bớt rào cản sử dụng.
Khi Web3 được định nghĩa là sự tự mãn của một nhóm người nhỏ, cùng với những nghi ngờ về việc sao chép các ngành công nghiệp truyền thống, sự gia nhập của AI đã mang đến một tương lai có thể thấy trước: một nhóm người dùng Web2 ổn định hơn và quy mô hơn, cùng với các mô hình và dịch vụ kinh doanh đổi mới hơn.
Chúng ta đang sống trong một thế giới đồng tồn tại của "Tháp và Quảng trường", AI và Web3 mặc dù có những dòng thời gian và điểm khởi đầu khác nhau, nhưng điểm đến cuối cùng của chúng đều là làm cho máy móc phục vụ con người tốt hơn. Không ai có thể định nghĩa một dòng sông đang cuộn chảy, chúng ta mong chờ thấy tương lai của AI+Web3.