Không gian Web3-AI là một trong những không gian hấp dẫn nhất trong lĩnh vực tiền điện tử, kết hợp những hứa hẹn tuyệt vời với sự cường điệu đáng kể. Gần như có cảm giác dị giáo khi chỉ ra số lượng dự án Web3-AI có vốn hóa thị trường trị giá hàng tỷ đô la nhưng không có trường hợp sử dụng thực tế nào, hoàn toàn được thúc đẩy bởi các tường thuật proxy từ thị trường AI truyền thống. Trong khi đó, khoảng cách về khả năng AI giữa Web2 và Web3 tiếp tục gia tăng một cách đáng báo động. Tuy nhiên, Web3-AI không phải là tất cả sự cường điệu. Những phát triển gần đây trong thị trường AI tổng quát làm nổi bật đề xuất giá trị của các phương pháp tiếp cận phi tập trung hơn.

Xem xét tất cả các yếu tố này, chúng tôi nhận thấy mình đang ở trong một thị trường được thổi phồng quá mức và được cấp vốn quá mức, không kết nối được với trạng thái của ngành AI thế hệ mới, nhưng vẫn có khả năng mở ra giá trị to lớn cho làn sóng AI thế hệ tiếp theo. Cảm giác bối rối là điều dễ hiểu. Nếu chúng ta lùi lại khỏi sự cường điệu và phân tích không gian Web3-AI qua lăng kính các yêu cầu hiện tại, sẽ xuất hiện các khu vực rõ ràng nơi Web3 có thể mang lại giá trị đáng kể. Nhưng điều này đòi hỏi phải cắt xuyên qua một trường bóp méo thực tế dày đặc.

Sự biến dạng thực tế của Web3-AI

Là người bản xứ về tiền điện tử, chúng ta có xu hướng nhìn thấy giá trị của sự phân cấp trong mọi thứ. Tuy nhiên, AI đã phát triển như một lực lượng ngày càng tập trung về mặt dữ liệu và tính toán, do đó đề xuất giá trị của AI phi tập trung cần phải bắt đầu bằng cách chống lại lực lượng tập trung tự nhiên đó.

Khi nói đến AI, ngày càng có sự không phù hợp giữa giá trị mà chúng tôi cho là đang tạo ra trong Web3 và nhu cầu của thị trường AI. Thực tế đáng lo ngại là khoảng cách giữa Web2 và Web3 AI đang ngày càng mở rộng thay vì thu hẹp lại, về cơ bản là do ba yếu tố chính:

Tài năng nghiên cứu AI hạn chế

Số lượng nhà nghiên cứu AI làm việc trong Web3 chỉ ở mức một con số. Điều này hầu như không đáng khích lệ đối với những người cho rằng Web3 là tương lai của AI.

Cơ sở hạ tầng hạn chế

Chúng tôi vẫn chưa cố gắng làm cho các ứng dụng web hoạt động chính xác với phần phụ trợ Web3, vì vậy ít nhất phải nói rằng nghĩ về AI là một điều quá khó khăn. Cơ sở hạ tầng Web3 áp đặt các ràng buộc tính toán không thực tế đối với vòng đời của các giải pháp AI tổng hợp.

Mô hình, dữ liệu và tài nguyên tính toán hạn chế

AI sáng tạo dựa vào ba thứ: mô hình, dữ liệu và tính toán. Không có mô hình biên giới lớn nào được trang bị để chạy trên cơ sở hạ tầng Web3; không có nền tảng cho các tập dữ liệu huấn luyện lớn; và có một khoảng cách lớn về chất lượng giữa các cụm GPU Web3 và những cụm cần thiết cho các mô hình nền tảng tiền đào tạo và tinh chỉnh.

Thực tế khó khăn là Web3 đã và đang xây dựng một phiên bản AI “dành cho người nghèo”, về cơ bản là cố gắng bắt kịp khả năng của Web2 AI nhưng lại tạo ra các phiên bản kém hơn. Thực tế này hoàn toàn trái ngược với đề xuất có giá trị to lớn về phân cấp trong một số lĩnh vực AI.

Để tránh biến phân tích này thành một luận điểm trừu tượng, chúng ta hãy đi sâu vào các xu hướng AI phi tập trung khác nhau và đánh giá chúng dựa trên tiềm năng thị trường AI của chúng.

Đọc thêm: Jesus Rodriguez - Tài trợ cho AI tạo nguồn mở bằng tiền điện tử

Sự biến dạng thực tế trong Web3-AI đã dẫn đến làn sóng đổi mới và tài trợ ban đầu tập trung vào các dự án có đề xuất giá trị dường như không liên quan đến thực tế của thị trường AI. Đồng thời, có những lĩnh vực mới nổi khác trong Web3-AI có tiềm năng to lớn.

Một số xu hướng Web3-AI được thổi phồng quá mức

Cơ sở hạ tầng GPU phi tập trung để đào tạo và tinh chỉnh

Trong vài năm gần đây, chúng ta đã chứng kiến ​​sự bùng nổ của cơ sở hạ tầng GPU phi tập trung với lời hứa sẽ dân chủ hóa quá trình đào tạo trước và tinh chỉnh các mô hình nền tảng. Ý tưởng là tạo ra một giải pháp thay thế cho tình trạng độc quyền GPU do các phòng thí nghiệm AI đương nhiệm thiết lập. Thực tế là việc đào tạo trước và tinh chỉnh các mô hình nền tảng lớn đòi hỏi các cụm GPU lớn với các bus truyền thông siêu nhanh kết nối chúng. Chu trình đào tạo trước của mô hình nền tảng 50B-100B trong cơ sở hạ tầng AI phi tập trung có thể mất hơn một năm nếu nó hoạt động.

Khung ZK-AI

Ý tưởng kết hợp tính toán không kiến ​​thức (zk) và AI đã khơi dậy những khái niệm thú vị để kích hoạt cơ chế bảo mật trong các mô hình nền tảng. Với sự nổi bật của cơ sở hạ tầng zk trong Web3, một số khung hứa hẹn sẽ nhúng tính toán zk vào các mô hình nền tảng. Mặc dù hấp dẫn về mặt lý thuyết, nhưng các mô hình zk-AI nhanh chóng gặp phải thách thức là cực kỳ tốn kém về mặt tính toán khi áp dụng cho các mô hình lớn. Ngoài ra, zk sẽ hạn chế các khía cạnh như khả năng diễn giải, đây là một trong những lĩnh vực hứa hẹn nhất trong AI sáng tạo.

Bằng chứng suy luận

Tiền điện tử là về các bằng chứng mật mã và đôi khi chúng được gắn vào những thứ không cần đến chúng. Trong không gian Web3-AI, chúng ta thấy các ví dụ về các khung phát hành bằng chứng mật mã cho các kết quả đầu ra của mô hình cụ thể. Những thách thức với những kịch bản này không phải là công nghệ mà liên quan đến thị trường. Về cơ bản, bằng chứng suy luận là một giải pháp tìm kiếm vấn đề và không có bất kỳ trường hợp sử dụng thực tế nào hiện nay.

Một số xu hướng Web3-AI tiềm năng cao

Đại lý có ví

Quy trình công việc tác nhân là một trong những xu hướng thú vị nhất trong AI tổng hợp và có tiềm năng đáng kể cho tiền điện tử. Theo đại lý, chúng tôi đang đề cập đến các chương trình AI không chỉ có thể trả lời các câu hỏi một cách thụ động dựa trên thông tin đầu vào mà còn thực hiện các hành động đối với một môi trường nhất định. Trong khi hầu hết các tác nhân tự trị được tạo ra cho các trường hợp sử dụng riêng biệt, chúng ta đang chứng kiến ​​sự xuất hiện nhanh chóng của môi trường và sự cộng tác đa tác nhân.

Đây là lĩnh vực mà tiền điện tử có thể mang lại giá trị to lớn. Ví dụ: hãy tưởng tượng một tình huống trong đó một đại lý cần thuê các đại lý khác để hoàn thành một nhiệm vụ hoặc đặt cược một số giá trị để đảm bảo chất lượng đầu ra của nó. Việc cung cấp cho các đại lý các nguồn tài chính cơ bản dưới dạng đường ray tiền điện tử sẽ mở ra nhiều trường hợp sử dụng cho hoạt động cộng tác đại lý.

Tài trợ tiền điện tử cho AI

Một trong những bí mật nổi tiếng nhất về AI sáng tạo là không gian AI nguồn mở đang trải qua một cuộc khủng hoảng tài chính to lớn. Hầu hết các phòng thí nghiệm AI nguồn mở không còn đủ khả năng để làm việc trên các mô hình lớn nữa và thay vào đó họ đang tập trung vào các lĩnh vực khác không yêu cầu lượng truy cập và dữ liệu tính toán khổng lồ. Tiền điện tử cực kỳ hiệu quả trong việc hình thành vốn với các cơ chế như airdrop, ưu đãi hoặc thậm chí là điểm. Khái niệm về đường ray tài trợ bằng tiền điện tử cho AI tạo nguồn mở là một trong những lĩnh vực hứa hẹn nhất ở điểm giao thoa của hai xu hướng này.

Mô hình nền tảng nhỏ

Năm ngoái, Microsoft đã đặt ra thuật ngữ mô hình ngôn ngữ nhỏ (SLM) sau khi phát hành mô hình Phi, với tham số dưới 2B, có thể hoạt động tốt hơn nhiều LLM lớn hơn trong các nhiệm vụ toán học và khoa học máy tính. Các mô hình nền tảng nhỏ – ví dụ như các tham số 1B-5B – là yêu cầu chính cho khả năng tồn tại của AI phi tập trung và mở ra các kịch bản đầy hứa hẹn cho AI trên thiết bị. Ngày nay, việc phân cấp các mô hình nhiều trăm tỷ tham số gần như là không thể và sẽ còn như vậy trong một thời gian nữa. Tuy nhiên, các mô hình nền tảng nhỏ sẽ có thể chạy trên nhiều cơ sở hạ tầng Web3 hiện nay. Thúc đẩy chương trình SLM là điều cần thiết để xây dựng giá trị thực sự với Web3 và AI.

Tạo dữ liệu tổng hợp

Sự khan hiếm dữ liệu là một trong những thách thức lớn nhất với thế hệ mô hình nền tảng mới nhất này. Do đó, ngày càng có nhiều nghiên cứu tập trung vào các cơ chế tạo dữ liệu tổng hợp bằng cách sử dụng các mô hình nền tảng có thể bổ sung cho các bộ dữ liệu trong thế giới thực. Cơ chế của mạng lưới tiền điện tử và các ưu đãi mã thông báo có thể điều phối một cách lý tưởng một số lượng lớn các bên cộng tác trong việc tạo ra các bộ dữ liệu tổng hợp mới.

Các xu hướng Web3-AI có liên quan khác

Có một số xu hướng Web3-AI thú vị khác có tiềm năng đáng kể. Kết quả đầu ra bằng chứng con người ngày càng trở nên phù hợp trước những thách thức với nội dung do AI tạo ra. Đánh giá và đo điểm chuẩn là một phân khúc AI trong đó khả năng tin cậy và minh bạch của Web3 có thể tỏa sáng. Tinh chỉnh lấy con người làm trung tâm, chẳng hạn như học tăng cường với phản hồi của con người (RLHF), cũng là một kịch bản thú vị cho mạng Web3. Các kịch bản khác có thể xuất hiện khi AI tổng quát tiếp tục phát triển và khả năng Web3-AI hoàn thiện.

Nhu cầu về khả năng AI phi tập trung hơn là rất thực tế. Mặc dù ngành Web3 có thể chưa ở vị trí cạnh tranh được với giá trị do các mô hình AI tạo ra, nhưng nó có thể mở khóa giá trị thực cho không gian AI tổng quát. Thách thức lớn nhất đối với sự phát triển của Web3-AI có thể là vượt qua lĩnh vực bóp méo thực tế của chính nó. Có rất nhiều giá trị trong Web3-AI; chúng ta chỉ cần tập trung vào việc xây dựng những thứ thực tế.

Lưu ý: Các quan điểm thể hiện trong cột này là của tác giả và không nhất thiết phản ánh quan điểm của CoinDesk, Inc. hoặc chủ sở hữu và các chi nhánh của nó.