Ý kiến: Sự phụ thuộc vào chuỗi khối vào AWS sẽ không mang lại sự minh bạch cho AI

Tác giả: Dominic Williams, CoinDesk; Trình biên dịch: Songxue, Jinse Finance

Sự phát triển nhanh chóng của trí tuệ nhân tạo (AI) đã thu hút cả thế giới, với nhiều người đặt câu hỏi bước đột phá công nghệ này sẽ là gì tiếp theo. **Mặc dù AI đã chứng tỏ tiềm năng biến đổi nhiều ngành công nghiệp khác nhau, nhưng nó phải đối mặt với một trở ngại lớn đối với việc áp dụng đại trà: sự thiếu tin cậy và minh bạch. **

Điện toán phi tập trung thông qua chuỗi khối có thể làm giảm bớt vấn đề về niềm tin hiện tại, nhưng có một nhược điểm.

Dominic Williams là người sáng lập và Nhà khoa học trưởng của Quỹ DFINITY, một tổ chức nghiên cứu và phát triển phi lợi nhuận và là người đóng góp chính cho Máy tính Internet.

Ngay bây giờ,** mọi người có thông tin chi tiết hạn chế về các mô hình AI và không có cách nào thực sự để xác minh nguồn dữ liệu mà các mô hình đã được đào tạo, dữ liệu nào mà các mô hình thực sự thu thập và cách dữ liệu đó thông báo cho các mô hình cũng như độ chính xác của chúng. **

Cho đến khi có sự thay đổi cơ bản về tính minh bạch của các chương trình AI và cơ sở hạ tầng mà chúng được xây dựng, người dùng ở mọi cấp độ sẽ không cảm thấy an toàn khi sử dụng các mô hình này do thiếu tin tưởng và hoài nghi tổng thể.

Ứng dụng chéo của trí tuệ nhân tạo và công nghệ chuỗi khối mang lại sức mạnh tổng hợp sẽ tăng cường cả hai công nghệ và thúc đẩy việc áp dụng rộng rãi thông qua sự tích hợp của chúng.

**Hiện tại, do trí tuệ nhân tạo yêu cầu bộ dữ liệu và tài nguyên điện toán khổng lồ, nên hầu hết các chuỗi khối đều thiếu cơ sở hạ tầng cần thiết để hỗ trợ các mô hình trí tuệ nhân tạo do sức mạnh tính toán hạn chế. Hạn chế về sức mạnh tính toán một phần là do hầu hết các chuỗi khối không được phân quyền hoàn toàn. **

**Ngược lại, nhiều chuỗi khối phổ biến nhất trên thế giới hiện nay dựa trên cơ sở hạ tầng đám mây tập trung (tức là Google Cloud và Amazon Web Services), điều này ngăn không cho các chuỗi khối hỗ trợ xử lý và lưu trữ ở tốc độ cần thiết cho khả năng dữ liệu trí tuệ nhân tạo. **

Bất chấp những tiêu đề tiêu cực xung quanh những nỗ lực hiện tại để tích hợp trí tuệ nhân tạo với chuỗi khối, nó không giống như vẻ ngoài của nó. Kết quả tích hợp hiện tại là AI chạy song song với chuỗi khối, thay vì mục tiêu dự định là chạy AI trên chuỗi khối.

**Cơ sở hạ tầng cốt lõi và công nghệ cơ bản của các dự án "trí tuệ nhân tạo chuỗi khối" này chủ yếu chạy trên các máy chủ tập trung và sử dụng các phần bổ trợ để kết nối các mô hình trí tuệ nhân tạo tập trung với các chuỗi khối chạy trên mạng đám mây tập trung. Điều này đánh bại mục đích sử dụng công nghệ chuỗi khối để phát triển trí tuệ nhân tạo, vì nó không giải quyết được các vấn đề cơ bản về sự tin cậy và minh bạch. **

**Một chuỗi khối hoàn toàn/hoàn toàn phi tập trung, chẳng hạn như Máy tính Internet (ICP), mạng mà tôi đã giúp xây dựng, cung cấp sức mạnh tính toán phù hợp hoặc vượt xa các máy chủ đám mây Web2, sẽ cho phép các mô hình AI chạy hoàn toàn trong các hợp đồng thông minh. Điều này sẽ làm cho các tham số đào tạo và đầu vào cho các mô hình ngôn ngữ lớn trở thành mã nguồn mở và chống giả mạo. ** Để đạt được sự tích hợp AI trên chuỗi khối, chúng tôi cần một chuỗi khối có thể xử lý dữ liệu với tốc độ tương đương với đám mây Web2 và điều này chỉ có thể đến từ sự phân cấp hoàn toàn.

Lưu trữ chính mô hình AI trên blockchain cho phép hệ thống AI tận dụng tính phi tập trung vốn có để tăng tính minh bạch trong mọi khía cạnh của mô hình. Do đó, AI trên blockchain là bước hợp lý tiếp theo để đạt được thành công lâu dài, vì blockchain sẽ nâng cao độ tin cậy, trách nhiệm giải trình và bảo mật của AI, từ đó nâng cao niềm tin giữa người dùng.

Tuy nhiên, cho đến khi những quan niệm sai lầm về cách thức hoạt động chính xác của hai công nghệ này được làm sáng tỏ, sự phát triển của hệ sinh thái AI sẽ không đạt được hết tiềm năng của nó.

** Nhận ra toàn bộ tiềm năng của AI trên chuỗi khối đòi hỏi phải có một mạng lưới phi tập trung thực sự. ** Nó phải có khả năng lưu trữ và xử lý dữ liệu để toàn bộ mô hình có thể chạy mà không bị cản trở trong hợp đồng thông minh. Các hệ thống phi tập trung như ICP này sẽ thay đổi cục diện phát triển AI bằng cách cho phép AI hoạt động giống như một đám mây tự trị.

** Xây dựng sự thật và niềm tin **

Ví dụ, hãy xem xét một mô hình trí tuệ nhân tạo được thiết kế cho các chuyên gia y tế. Mô hình này được sử dụng rộng rãi, nhưng cuối cùng lại tạo ra những phản hồi không đáng tin cậy. Điều này là do không có cách nào dễ dàng để xác thực dữ liệu huấn luyện mà mô hình dựa trên và cách nó được sử dụng.

Mô hình tập trung này chỉ tạo ra đầu ra mà không có cái nhìn sâu sắc về đầu vào. Tuy nhiên, trong một môi trường phi tập trung, các mô hình ngôn ngữ lớn cho AI chỉ có thể được xây dựng từ các sách giáo khoa y học nổi tiếng và cơ sở dữ liệu của các bài báo nghiên cứu y học có uy tín.

Khi bác sĩ tương tác với AI, quy trình ẩn hoàn toàn minh bạch và bằng chứng mật mã đảm bảo AI đã được đào tạo về nội dung nào. Do đó, các phản hồi được tạo ra có thể được xác minh và các bác sĩ có thể tin tưởng vào kết quả.

Ví dụ này chỉ là một trong số nhiều ví dụ chứng minh rằng tính phi tập trung là rất quan trọng để xây dựng niềm tin vào các mô hình AI. Bằng cách hoạt động trong một môi trường hoàn toàn mở và công khai, AI trên chuỗi khối đảm bảo tính minh bạch của quá trình xử lý dữ liệu, cho phép người dùng hiểu cách dữ liệu của họ đang được sử dụng.

Ngoài ra, tất cả các ứng dụng AI trên chuỗi đều có thể truy cập và đóng góp vào cùng một bộ dữ liệu, tạo ra một hệ sinh thái hợp tác trong chuỗi khối. Các tính năng bảo mật và chống giả mạo của chuỗi khối đảm bảo rằng dữ liệu này cũng ít bị lạm dụng với mục đích xấu.

Sự hợp tác giữa trí tuệ nhân tạo và chuỗi khối mang đến cơ hội tuyệt vời để thúc đẩy cả hai công nghệ và tạo điều kiện trao đổi thông tin đáng tin cậy và đáng tin cậy hơn.