TL;DR
1. Dự án Web3 khái niệm AI đã trở thành nam châm vàng trên thị trường sơ cấp và thứ cấp.
2. Cơ hội của Web3 trong ngành AI được phản ánh ở chỗ: sử dụng các ưu đãi phân tán để điều phối nguồn cung tiềm năng về lâu dài - trên dữ liệu, lưu trữ và điện toán, đồng thời thiết lập mô hình nguồn mở và thị trường phi tập trung cho Đại lý AI.
3. AI chủ yếu được sử dụng trong ngành Web3 cho tài chính trực tuyến (thanh toán được mã hóa, giao dịch, phân tích dữ liệu) và phát triển phụ trợ.
4. Hiệu quả của AI+Web3 được thể hiện ở tính bổ sung của cả hai: Web3 được kỳ vọng sẽ chống lại sự tập trung hóa của AI và AI được kỳ vọng sẽ giúp Web3 thoát ra khỏi vòng tròn.
giới thiệu
Trong hai năm qua, sự phát triển của AI đã được đẩy nhanh. Đôi cánh bướm do Chatgpt khởi xướng không chỉ mở ra một thế giới mới về trí tuệ nhân tạo sáng tạo mà còn tạo ra dòng hải lưu ở Web3 ở phía bên kia.
Với sự hỗ trợ của khái niệm AI, nguồn tài chính cho thị trường tiền điện tử đã được thúc đẩy đáng kể so với thời kỳ suy thoái. Theo thống kê của giới truyền thông, chỉ trong nửa đầu năm 2024, tổng cộng 64 dự án Web3+AI đã hoàn thành cấp vốn cho hệ điều hành dựa trên trí tuệ nhân tạo Zyber 365 đã đạt được số tiền tài trợ cao nhất là 100 triệu USD trong vòng A.
Thị trường thứ cấp thịnh vượng hơn Theo dữ liệu từ trang web tổng hợp mã hóa Coingecko, chỉ trong hơn một năm, tổng giá trị thị trường của đường đua AI đã đạt 48,5 tỷ đô la Mỹ và khối lượng giao dịch trong 24 giờ là cao. gần 8,6 tỷ đô la Mỹ; những lợi ích do sự tiến bộ của công nghệ AI chính thống mang lại. Rõ ràng, sau khi ra mắt mô hình chuyển văn bản thành video Sora của OpenAI, giá trung bình của lĩnh vực AI đã tăng 151%; hiệu ứng cũng lan tỏa đến một trong những lĩnh vực thu hút vàng của tiền điện tử, Meme: Tác nhân AI đầu tiên Khái niệm MemeCoin-GOAT nhanh chóng trở nên phổ biến và đạt được mức định giá 1,4 tỷ USD, tạo nên thành công cơn sốt AI Meme.
Các nghiên cứu và chủ đề về AI+Web3 đều nóng bỏng không kém. Từ AI+Depin đến AI Memecoin cho đến AI Agent và AI DAO hiện tại, cảm xúc FOMO không còn theo kịp tốc độ xoay câu chuyện mới.
AI+Web3, sự kết hợp thuật ngữ chứa đầy tiền nóng, xu hướng và những ảo tưởng trong tương lai, chắc chắn sẽ được coi là một cuộc hôn nhân sắp đặt do vốn tạo nên. Chúng ta có vẻ khó phân biệt được bên dưới chiếc áo choàng lộng lẫy này là gì. trước khi bình minh ló dạng?
Để trả lời câu hỏi này, câu hỏi quan trọng đối với cả hai bên là liệu có tốt hơn nếu không có bên kia? Bạn có thể hưởng lợi từ mô hình của người khác không? Trong bài viết này, chúng tôi cũng cố gắng đứng trên vai những người đi trước và xem xét mô hình này: Web3 có thể đóng vai trò như thế nào trong tất cả các khía cạnh của nền tảng công nghệ AI và AI có thể mang lại sức sống mới nào cho Web3?
Phần.1 Cơ hội cho Web3 trong nền tảng AI là gì?
Trước khi bắt đầu chủ đề này, chúng ta cần hiểu về công nghệ của mô hình AI lớn:
Nguồn: Kỹ thuật số Delphi
Để diễn đạt toàn bộ quá trình bằng ngôn ngữ phổ biến hơn: “Mô hình lớn” giống như bộ não con người. Trong giai đoạn đầu, bộ não này thuộc về một em bé mới chào đời, nó cần phải quan sát và tiếp thu lượng thông tin khổng lồ từ thế giới. thế giới bên ngoài xung quanh để hiểu thế giới. Đây là giai đoạn thu thập dữ liệu vì máy tính không có nhiều giác quan như thị giác và thính giác của con người nên trước khi đào tạo, những thông tin chưa được gắn nhãn ở quy mô lớn từ thế giới bên ngoài cần được chuyển đổi thành. một định dạng thông tin mà máy tính có thể hiểu và sử dụng thông qua tiền xử lý.
Sau khi nhập dữ liệu, AI xây dựng một mô hình có khả năng hiểu và dự đoán thông qua quá trình “huấn luyện”, có thể coi đây là quá trình bé dần hiểu và học hỏi thế giới bên ngoài. Các thông số của mô hình giống như khả năng ngôn ngữ. của bé được điều chỉnh liên tục trong quá trình học tập. Khi nội dung học bắt đầu được chia thành các chủ đề hoặc khi bạn giao tiếp với người khác để nhận phản hồi và sửa chữa, bạn bước vào giai đoạn “tinh chỉnh” của mô hình lớn.
Khi trẻ lớn lên và học nói, chúng có thể hiểu ý nghĩa và bày tỏ cảm xúc, suy nghĩ của mình trong các cuộc trò chuyện mới. Giai đoạn này tương tự như quá trình suy luận của một mô hình AI lớn. Mô hình có thể dự đoán và phân tích ngôn ngữ và văn bản mới nhập vào. . Bé thể hiện cảm xúc, mô tả đồ vật và giải quyết nhiều vấn đề khác nhau thông qua khả năng ngôn ngữ, điều này cũng tương tự như cách các mô hình AI lớn được áp dụng vào các nhiệm vụ cụ thể khác nhau trong giai đoạn lý luận sau khi hoàn thành huấn luyện và đưa vào sử dụng, chẳng hạn như phân loại hình ảnh, nhận dạng giọng nói, v.v. vân vân.
Tác nhân AI gần giống với dạng mô hình lớn tiếp theo - nó có thể thực hiện các nhiệm vụ một cách độc lập và theo đuổi các mục tiêu phức tạp. Nó không chỉ có khả năng suy nghĩ mà còn có thể ghi nhớ, lập kế hoạch và sử dụng các công cụ để tương tác với thế giới.
Hiện tại, để giải quyết những điểm yếu của AI trong từng ngăn xếp, Web3 bước đầu đã hình thành một hệ sinh thái nhiều lớp, liên kết với nhau, bao gồm tất cả các giai đoạn của quy trình mô hình AI.
1. Lớp cơ bản: Airbnb với sức mạnh tính toán và dữ liệu
▼ Sức mạnh tính toán
Hiện tại, một trong những chi phí cao nhất của AI là sức mạnh tính toán và năng lượng cần thiết để đào tạo và suy luận các mô hình.
Lấy một ví dụ, LLAMA 3 của Meta yêu cầu 16.000 GPU H100 do NVIDIA (đơn vị xử lý đồ họa hàng đầu được thiết kế cho trí tuệ nhân tạo và khối lượng công việc tính toán hiệu năng cao) để hoàn thành khóa đào tạo trong 30 ngày. Đơn giá của phiên bản 80GB sau là từ 30.000 đến 40.000 USD, đòi hỏi 400-700 triệu USD đầu tư vào phần cứng máy tính (GPU + chip mạng). Đồng thời, việc đào tạo hàng tháng cần 1,6 tỷ kilowatt giờ. gần 20 triệu USD mỗi tháng.
Việc giải nén sức mạnh tính toán AI cũng là lĩnh vực sớm nhất mà Web3 giao thoa với AI - DePin (mạng hạ tầng vật lý phi tập trung). Hiện tại, trang web dữ liệu DePin Ninja đã hiển thị hơn 1.400 dự án, trong đó dự án đại diện chia sẻ sức mạnh tính toán GPU bao gồm io. .net, Aethir, Akash, Mạng kết xuất, v.v.
Logic chính của nó là: nền tảng cho phép các cá nhân hoặc tổ chức có tài nguyên GPU nhàn rỗi đóng góp sức mạnh tính toán của họ theo cách không cần cấp phép, phi tập trung, tăng tài nguyên GPU chưa được sử dụng đúng mức thông qua thị trường trực tuyến dành cho người mua và người bán tương tự như Uber hoặc Airbnb. người dùng cũng có được tài nguyên tính toán với chi phí thấp hơn và hiệu quả hơn, đồng thời cơ chế cầm cố cũng đảm bảo nếu có hành vi vi phạm cơ chế kiểm soát chất lượng hoặc gián đoạn mạng thì nhà cung cấp tài nguyên sẽ có hình phạt tương ứng.
Đặc điểm của nó là:
Thu thập tài nguyên GPU nhàn rỗi: Các nhà cung cấp chủ yếu là tài nguyên điện toán dư thừa của các trung tâm dữ liệu vừa và nhỏ độc lập của bên thứ ba, các mỏ mã hóa và các nhà khai thác khác cũng như phần cứng khai thác với cơ chế đồng thuận PoS, chẳng hạn như máy khai thác FileCoin và ETH. Hiện tại, cũng có những dự án dành riêng cho việc khởi chạy các thiết bị có ngưỡng thấp hơn. Ví dụ: exolab sử dụng các thiết bị cục bộ như MacBook, iPhone và iPad để thiết lập mạng điện toán chạy suy luận mô hình lớn.
Đối mặt với thị trường dài hạn của sức mạnh tính toán AI:
a. “Từ góc độ kỹ thuật” thị trường sức mạnh tính toán phi tập trung phù hợp hơn cho bước lý luận. Việc đào tạo phụ thuộc nhiều hơn vào khả năng xử lý dữ liệu do GPU quy mô cụm cực lớn mang lại, trong khi khả năng suy luận có hiệu suất tính toán GPU tương đối thấp. Ví dụ: Aethir tập trung vào công việc kết xuất có độ trễ thấp và các ứng dụng suy luận AI.
b. Những người yêu cầu sức mạnh tính toán vừa và nhỏ “Về phía nhu cầu” sẽ không đào tạo các mô hình lớn của riêng họ một cách riêng biệt mà chỉ chọn tối ưu hóa và tinh chỉnh xung quanh một số mô hình lớn. Các kịch bản này đương nhiên phù hợp với các tài nguyên máy tính nhàn rỗi được phân phối. .
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, có thể điều chỉnh linh hoạt theo nhu cầu và đồng thời thu được lợi ích.
▼Dữ liệu
Dữ liệu là nền tảng của AI. Không có dữ liệu thì việc tính toán là vô ích, và mối quan hệ giữa dữ liệu và mô hình giống như câu tục ngữ “Rác vào, rác ra”. Đối với việc đào tạo các mô hình AI hiện tại, dữ liệu sẽ xác định khả năng ngôn ngữ, khả năng hiểu và thậm chí cả các giá trị và hiệu suất nhân bản của mô hình. Hiện tại, vấn đề nan giải về nhu cầu dữ liệu của AI chủ yếu tập trung vào bốn khía cạnh sau:
Đói dữ liệu: Việc đào tạo mô hình AI phụ thuộc vào lượng lớn dữ liệu đầu vào. Thông tin công khai cho thấy số lượng tham số được OpenAI sử dụng để huấn luyện GPT-4 đã đạt đến mức nghìn tỷ.
Chất lượng dữ liệu: Với sự tích hợp của AI và các ngành khác nhau, tính kịp thời của dữ liệu, tính đa dạng của dữ liệu, tính chuyên nghiệp của dữ liệu dọc và việc tiếp nhận các nguồn dữ liệu mới nổi như cảm tính trên mạng xã hội cũng đã đặt ra những yêu cầu mới về chất lượng của dữ liệu.
Các vấn đề về quyền riêng tư và tuân thủ: Hiện tại, nhiều quốc gia và công ty đang dần nhận thấy tầm quan trọng của các tập dữ liệu chất lượng cao và đang hạn chế việc thu thập dữ liệu các tập dữ liệu.
Xử lý dữ liệu tốn kém: lượng dữ liệu lớn và quá trình xử lý phức tạp. Thông tin công khai cho thấy hơn 30% chi phí RD của các công ty AI được chi cho việc thu thập và xử lý dữ liệu cơ bản.
Hiện tại, các giải pháp web3 được phản ánh ở bốn khía cạnh sau:
1. Thu thập dữ liệu: Dữ liệu trong thế giới thực có thể được thu thập miễn phí đang nhanh chóng cạn kiệt và chi phí cho dữ liệu của các công ty AI đang tăng lên hàng năm. Nhưng đồng thời, khoản chi này không được trả lại cho những người đóng góp thực sự cho dữ liệu. Nền tảng này hoàn toàn được hưởng giá trị do dữ liệu mang lại. Ví dụ: Reddit đã đạt được tổng doanh thu là 203 triệu USD thông qua thỏa thuận cấp phép dữ liệu được ký kết. với một công ty AI. Tầm nhìn của Web3 là cho phép những người dùng thực sự đóng góp cũng tham gia vào việc tạo ra giá trị do dữ liệu mang lại và thu được dữ liệu riêng tư và có giá trị hơn của người dùng với chi phí thấp thông qua mạng phân tán và cơ chế khuyến khích.
Ví dụ: Grass là lớp và mạng dữ liệu phi tập trung. Người dùng có thể chạy các nút Grass, đóng góp băng thông nhàn rỗi và chuyển tiếp lưu lượng truy cập để thu thập dữ liệu thời gian thực trên toàn bộ Internet và nhận phần thưởng mã thông báo;
Vana giới thiệu khái niệm nhóm thanh khoản dữ liệu (DLP) duy nhất. Người dùng có thể tải dữ liệu riêng tư của họ (chẳng hạn như hồ sơ mua sắm, thói quen duyệt web, hoạt động trên mạng xã hội, v.v.) lên một DLP cụ thể và linh hoạt chọn xem có cấp phép dữ liệu này cho một số thứ ba hay không. sử dụng của đảng;
Trong PublicAI, người dùng có thể sử dụng #AI hoặc #Web3 làm thẻ phân loại trên X và @PublicAI để thu thập dữ liệu.
2. Tiền xử lý dữ liệu: Trong quá trình xử lý dữ liệu của AI, do dữ liệu được thu thập thường nhiễu và có lỗi nên phải được làm sạch và chuyển đổi thành định dạng có thể sử dụng được trước khi huấn luyện mô hình, bao gồm việc chuẩn hóa, lọc và xử lý các bản sao bị thiếu. các giá trị. Giai đoạn này là một trong số ít các bước thủ công trong ngành AI và ngành công nghiệp chú thích dữ liệu đã ra đời. Khi yêu cầu về chất lượng dữ liệu của các mô hình tăng lên, ngưỡng đối với người chú thích dữ liệu cũng tăng lên và nhiệm vụ này đương nhiên là phù hợp. cho cơ chế khuyến khích phi tập trung Web3.
Hiện tại, cả Grass và OpenLayer đều đang xem xét thêm chú thích dữ liệu làm liên kết chính.
Synesis đề xuất khái niệm “Train 2 Earn”, nhấn mạnh vào chất lượng dữ liệu. Người dùng có thể nhận được phần thưởng bằng cách cung cấp dữ liệu được gắn nhãn, chú thích hoặc các hình thức đầu vào khác.
Dự án ghi nhãn dữ liệu Sapien ứng dụng các nhiệm vụ ghi nhãn và cho phép người dùng đặt cược điểm để kiếm được nhiều điểm hơn.
3. Quyền riêng tư và bảo mật dữ liệu: Cần làm rõ rằng quyền riêng tư và bảo mật 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 bảo mật dữ liệu bảo vệ thông tin dữ liệu khỏi bị truy cập, phá hủy và đánh cắp trái phép. Do đó, những ưu điểm và kịch bản ứng dụng tiềm năng của công nghệ bảo mật Web3 được thể hiện ở hai khía cạnh: (1) đào tạo dữ liệu nhạy cảm; (2) cộng 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.
Hiện tại, các công nghệ bảo mật phổ biến hơn trong Web3 bao gồm:
Môi trường thực thi đáng tin cậy (TEE), chẳng hạn như Siêu giao thức;
Mã hóa hoàn toàn đồng hình (FHE), chẳng hạn như BasedAI, Fhenix.io hoặc Inco Network;
Các công nghệ không có kiến thức (zk) như Reclaim Protocol sử dụng công nghệ zkTLS để tạo ra bằng chứng không có kiến thức về lưu lượng HTTPS, cho phép người dùng nhập dữ liệu hoạt động, danh tiếng và danh tính từ các trang web bên ngoài một cách an toàn mà không để lộ thông tin nhạy cảm.
Tuy nhiên, lĩnh vực này vẫn đang ở giai đoạn đầu và hầu hết các dự án vẫn đang được khám phá. Một vấn đề nan giải hiện nay là chi phí tính toán quá cao.
Khung zkML EZKL mất khoảng 80 phút để tạo bằng chứng cho mô hình 1 M-nanoGPT.
Theo Modulus Labs, chi phí hoạt động của zkML cao hơn 1.000 lần so với tính toán thuần túy.
4. Lưu trữ dữ liệu: Sau khi có dữ liệu, bạn vẫn cần một nơi để lưu trữ dữ liệu trên chuỗi, cũng như LLM được tạo bằng dữ liệu. Với tính khả dụng của dữ liệu (DA) là vấn đề cốt lõi, trước khi nâng cấp Ethereum Danksharding, thông lượng của nó là 0,08 MB. Đồng thời, việc đào tạo và suy luận thời gian thực của các mô hình AI thường yêu cầu thông lượng dữ liệu từ 50 đến 10 GB mỗi giây. Thứ tự chênh lệch lớn này khiến các giải pháp trên chuỗi hiện tại không thể đối phó với “các ứng dụng AI sử dụng nhiều tài nguyên”.
0g.AI là dự án tiêu biểu ở hạng mục này. Đây là một giải pháp lưu trữ tập trung được thiết kế để đáp ứng các yêu cầu hiệu suất cao của AI. Các tính năng chính của nó bao gồm: hiệu suất cao và khả năng mở rộng. Nó hỗ trợ tải lên và tải xuống nhanh chóng các tệp lớn thông qua các bộ dữ liệu quy mô xóa và phân chia nâng cao, cùng với khả năng truyền dữ liệu. tốc độ đạt tới 5 GB mỗi giây.
2. Middleware: huấn luyện mô hình và suy luận
▼ Thị trường phi tập trung theo mô hình mã nguồn mở
Cuộc tranh luận về việc liệu các mô hình AI nên là nguồn đóng hay nguồn mở chưa bao giờ chấm dứt. Sự đổi mới tập thể do nguồn mở mang lại là một lợi thế không thể so sánh được của mô hình nguồn đóng. Tuy nhiên, nếu không có mô hình lợi nhuận, làm sao mô hình nguồn mở có thể cải thiện động lực của nhà phát triển? Đó là một hướng đi đáng suy nghĩ. Robin Li, người sáng lập Baidu, đã khẳng định vào tháng 4 năm nay rằng “mô hình nguồn mở sẽ ngày càng trở nên lạc hậu”.
Về vấn đề này, Web3 đề xuất khả năng thị trường mô hình nguồn mở phi tập trung, nghĩa là mã hóa chính mô hình đó, giữ lại một tỷ lệ mã thông báo nhất định cho nhóm và chuyển một phần doanh thu trong tương lai của mô hình cho chủ sở hữu mã thông báo.
Ví dụ: giao thức Bittensor thiết lập một thị trường P2P mô hình nguồn mở bao gồm hàng chục mạng con trong đó các nhà cung cấp tài nguyên (máy tính, thu thập/lưu trữ dữ liệu, tài năng học máy) cạnh tranh với nhau để đáp ứng mục tiêu của chủ sở hữu mạng con cụ thể, Cá nhân. các mạng con có thể tương tác và học hỏi lẫn nhau, mang lại trí thông minh cao hơn. Phần thưởng được phân phối bằng cách bỏ phiếu của cộng đồng và được phân phối thêm giữa các mạng con dựa trên hiệu suất cạnh tranh.
ORA giới thiệu khái niệm Cung cấp mô hình ban đầu (IMO) để mã hóa các mô hình AI, có thể được mua, bán và phát triển thông qua mạng phi tập trung.
Sentient, một nền tảng AGI phi tập trung, khuyến khích những người đóng góp cộng tác, xây dựng, nhân rộng và mở rộng các mô hình AI, đồng thời khen thưởng những người đóng góp.
Spectral Nova tập trung vào việc tạo và ứng dụng các mô hình AI và ML.
▼ Lý do có thể kiểm chứng được
Giải pháp Web3 tiêu chuẩn cho vấn đề hộp đen trong quá trình suy luận của AI là yêu cầu nhiều người xác minh lặp lại cùng một thao tác và so sánh kết quả, nhưng do tình trạng thiếu chip Nvidia cao cấp hiện nay nên cách tiếp cận này gặp phải những thách thức rõ ràng. Suy luận AI rất tốn kém.
Một giải pháp hứa hẹn hơn là thực hiện bằng chứng ZK cho các tính toán suy luận AI ngoài chuỗi. Bằng chứng không có kiến thức, một giao thức mật mã trong đó người chứng minh của một bên có thể chứng minh cho người xác minh của bên kia rằng một tuyên bố đã cho là đúng mà không tiết lộ bất cứ điều gì ngoại trừ “Mọi thông tin bổ sung”. khác với tuyên bố là đúng, cho phép xác minh không cần xin phép các tính toán mô hình AI trên chuỗi. Điều này yêu cầu chứng minh bằng mật mã trên chuỗi rằng các tính toán ngoài chuỗi đã được hoàn thành chính xác (ví dụ: tập dữ liệu không bị giả mạo) trong khi đảm bảo tất cả dữ liệu được giữ bí mật.
Những lợi ích chính bao gồm:
Khả năng mở rộng: Bằng chứng không có kiến thức có thể nhanh chóng xác nhận số lượng lớn các tính toán ngoài chuỗi. Ngay cả khi số lượng giao dịch tăng lên, một bằng chứng không có kiến thức duy nhất có thể xác minh tất cả các giao dịch.
Bảo vệ quyền riêng tư: Chi tiết về dữ liệu và mô hình AI vẫn ở chế độ riêng tư, trong khi tất cả các bên có thể xác minh rằng dữ liệu và mô hình không bị xâm phạm.
Không cần tin cậy: Việc tính toán có thể được xác nhận mà không cần dựa vào các bên tập trung.
Tích hợp Web2: Theo định nghĩa, Web2 được tích hợp ngoài chuỗi, có nghĩa là lý do có thể kiểm chứng có thể giúp đưa các tập dữ liệu và tính toán AI của nó vào chuỗi. Điều này giúp tăng cường áp dụng Web3.
Hiện tại, các công nghệ có thể kiểm chứng của Web3 dành cho lý do có thể kiểm chứng như sau:
zkML: Kết hợp bằng chứng không có kiến thức với học máy để đảm bảo quyền riêng tư và bảo mật của dữ liệu và mô hình, cho phép tính toán có thể kiểm chứng mà không tiết lộ một số thuộc tính cơ bản nhất định, chẳng hạn như Modulus Labs đã phát hành trình chứng minh ZK được xây dựng cho AI dựa trên ZKML, để kiểm tra hiệu quả xem AI Thuật toán thao tác của nhà cung cấp được thực thi chính xác trên chuỗi, nhưng khách hàng hiện tại về cơ bản là DApp trên chuỗi.
opML: Sử dụng nguyên tắc tổng hợp lạc quan để 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 một phần nhỏ kết quả do người xác minh tạo ra cần được xác minh, nhưng về mặt kinh tế. chi phí sẽ giảm xuống đủ cao để tăng chi phí gian lận của người xác minh và do đó tiết kiệm được tính toán dư thừa.
TeeML: Thực hiện tính toán ML một cách an toàn bằng cách sử dụng môi trường thực thi đáng tin cậy, bảo vệ dữ liệu và mô hình khỏi bị giả mạo và truy cập trái phép.
3. Lớp ứng dụng: AI Agent
Sự phát triển hiện tại của AI đã cho thấy sự thay đổi trọng tâm phát triển từ khả năng mô hình sang Tác nhân AI. Các công ty công nghệ như OpenAI, kỳ lân mô hình lớn AI Anthropic và Microsoft đã chuyển sang phát triển AI Agent trong nỗ lực phá vỡ thời kỳ 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, với khả năng tự động hiểu nhận thức, lập kế hoạch, sử dụng bộ nhớ và công cụ, đồng thời có thể tự động thực hiện các tác vụ phức tạp. Khi AI thay đổi từ một công cụ đang được sử dụng sang chủ thể có thể sử dụng công cụ đó, nó sẽ trở thành Tác nhân AI. Đây là lý do tại sao AI Agent có thể trở thành trợ lý thông minh lý tưởng nhất cho con người.
Và Web3 có thể mang lại những gì cho Agent?
1. Phân cấp
Bản chất phi tập trung của Web3 có thể làm cho hệ thống Đại lý trở nên phi tập trung và tự chủ hơn. Việc thiết lập các cơ chế khuyến khích và trừng phạt đối với những người cầm cố và ủy quyền thông qua các cơ chế như PoS và DPoS có thể thúc đẩy quá trình dân chủ hóa hệ thống Đại lý. .
2. Khởi động nguội
Việc phát triển và lặp lại Tác nhân AI thường đòi hỏi một lượng hỗ trợ tài chính lớn và Web3 có thể giúp các dự án Tác nhân AI tiềm năng nhận được nguồn tài trợ sớm và khởi đầu nguội.
Giao thức ảo ra mắt fun.virtuals, một nền tảng phát hành mã thông báo và tạo Tác nhân AI. Bất kỳ người dùng nào cũng có thể triển khai Tác nhân AI chỉ bằng một cú nhấp chuột và đạt được mức phát hành mã thông báo Tác nhân AI công bằng 100%.
Spectral đề xuất khái niệm sản phẩm hỗ trợ phát hành tài sản Đại lý AI trên chuỗi: bằng cách phát hành mã thông báo thông qua IAO (Cung cấp đại lý ban đầu), Đại lý AI có thể trực tiếp nhận tiền từ các nhà đầu tư và trở thành thành viên quản trị DAO, mang đến cho các nhà đầu tư cơ hội tham gia trong việc phát triển dự án và cơ hội chia sẻ thu nhập trong tương lai.
Phần 2 AI hỗ trợ Web3 như thế nào?
Tác động của AI đối với dự án Web3 là rõ ràng. Nó mang lại lợi ích cho công nghệ blockchain bằng cách tối ưu hóa các hoạt động trên chuỗi như thực thi hợp đồng thông minh, tối ưu hóa thanh khoản và các quyết định quản trị dựa trên AI. Đồng thời, nó cũng có thể cung cấp dữ liệu tốt hơn. hiểu biết sâu sắc, cải thiện bảo mật trên chuỗi và đặt nền tảng cho các ứng dụng dựa trên Web3 mới.
1. 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 công bố triển khai giao dịch được mã hóa AI-to-AI đầu tiên trên mạng Base và cho biết rằng Đại lý AI hiện có thể sử dụng USD trên Base để thực hiện giao dịch với con người, người bán hoặc các AI khác. giao dịch diễn ra ngay lập tức, toàn cầu và miễn phí.
Ngoài thanh toán, Luna của Virtuals Protocol còn lần đầu tiên chứng minh cách AI Agent có thể tự động thực hiện các giao dịch trên chuỗi theo những cách sau, điều này đã thu hút sự chú ý. Là một thực thể thông minh có thể nhận thức được môi trường, đưa ra quyết định và thực hiện hành động, AI. Đại lý được coi là một tương lai của tài chính trên chuỗi. Hiện tại, các kịch bản tiềm năng của Đại lý AI được phản ánh ở các điểm sau:
1. Thu thập và dự đoán thông tin: Giúp nhà đầu tư thu thập các thông báo trao đổi, thông tin công khai về dự án, sự hoảng loạn, rủi ro dư luận và các thông tin khác, phân tích và đánh giá các nguyên tắc cơ bản của tài sản và điều kiện thị trường trong thời gian thực cũng như dự đoán xu hướng và rủi ro.
2. Quản lý tài sản: Cung cấp cho người dùng mục tiêu đầu tư phù hợp, tối ưu hóa danh mục tài sản và tự động thực hiện giao dịch.
3. Kinh nghiệm tài chính: Giúp các nhà đầu tư chọn phương thức giao dịch trực tuyến nhanh nhất, tự động hóa các hoạt động thủ công như chuỗi chéo và điều chỉnh phí gas, đồng thời giảm ngưỡng và chi phí của các hoạt động tài chính trên chuỗi.
Hãy tưởng tượng một tình huống trong đó bạn truyền đạt hướng dẫn sau cho Tác nhân AI: Tôi có 1.000 USDT, vui lòng giúp tôi tìm sự kết hợp có lợi nhuận cao nhất và thời gian khóa không quá một tuần. Đại lý sẽ cung cấp cho bạn những gợi ý sau: Mức phân bổ ban đầu được đề xuất là 50% ở A, 20% ở B, 20% ở X, 10% Tại Y. tôi sẽ theo dõi lãi suất và theo dõi những thay đổi về mức độ rủi ro của nó và cân bằng lại nếu cần thiết “Ngoài ra, việc tìm kiếm các dự án airdrop tiềm năng cũng như các dự án Memecoin có dấu hiệu phổ biến trong cộng đồng là những điều mà tôi rất quan tâm. AI Agent sẽ có thể đạt được trong tương lai.
Nguồn: Biconomy
Hiện tại, ví AI Agent Bitte và giao thức tương tác AI Wayfinder đang thực hiện những nỗ lực như vậy. Tất cả đều đang cố gắng truy cập API mô hình của OpenAI, cho phép người dùng ra lệnh cho Tác nhân hoàn thành các hoạt động trực tuyến khác nhau trong giao diện cửa sổ trò chuyện tương tự như ChatGPT, chẳng hạn như. WayFinder Nguyên mẫu đầu tiên được phát hành vào tháng 4 năm nay đã thể hiện bốn hoạt động cơ bản là trao đổi, gửi, kết nối và đặt cược trên ba mạng chính của chuỗi công khai là Base, Polygon và Ethereum.
Hiện tại, nền tảng Đại lý phi tập trung Morpheus cũng hỗ trợ phát triển loại Đại lý này. Ví dụ: Biconomy cũng đã trình diễn một hoạt động trong đó Đại lý AI có thể hoán đổi ETH thành USDC mà không cần cấp toàn quyền cho ví.
▼ AI và bảo mật giao dịch trên chuỗi
Trong thế giới Web3, bảo mật giao dịch trên chuỗi là rất quan trọng. Công nghệ AI có thể được sử dụng để tăng cường bảo vệ tính bảo mật và quyền riêng tư của các giao dịch trên chuỗi.
Giám sát giao dịch: công nghệ dữ liệu thời gian thực giám sát 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 và đánh giá mức độ rủi ro của nó.
Ví dụ: nền tảng bảo mật Web3 SeQure sử dụng AI để phát hiện và ngăn chặn các cuộc tấn công độc hại, gian lận và rò rỉ dữ liệu, đồng thời cung cấp các cơ chế cảnh báo và giám sát theo thời gian thực để đảm bảo tính bảo mật và ổn định của các giao dịch trên chuỗi. Các công cụ bảo mật tương tự bao gồm Sentinel được hỗ trợ bởi AI.
2. Cơ sở hạ tầng AI và trên chuỗi
▼AI và dữ liệu trên chuỗi
Công nghệ AI đóng vai trò quan trọng trong việc thu thập và phân tích dữ liệu trên chuỗi, như:
Phân tích Web3: Đây là nền tảng phân tích dựa trên AI sử dụng thuật toán khai thác dữ liệu và học máy để thu thập, xử lý và phân tích dữ liệu trên chuỗi.
MinMax AI: Nó cung cấp các công cụ phân tích dữ liệu trên chuỗi dựa trên AI để giúp người dùng khám phá các 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 để thu thập, tích hợp và trình bày thông tin liên quan nằm rải rác trên các trang web và nền tảng xã hội khác nhau.
Một kịch bản ứng dụng khác là oracles, trong đó AI có thể lấy giá từ nhiều nguồn để cung cấp dữ liệu giá chính xác. Ví dụ: Upshot sử dụng AI để nhắm mục tiêu đến mức giá không ổn định của NFT và cung cấp giá NFT với sai số phần trăm từ 3-10% thông qua hơn 100 triệu đánh giá mỗi giờ.
▼AI và phát triểnkiểm toán
Gần đây, Cursor, một trình soạn thảo mã Web2 AI, đã thu hút rất nhiều sự chú ý trong giới nhà phát triển. Trên nền tảng của nó, người dùng chỉ cần mô tả nó bằng ngôn ngữ tự nhiên và Cursor có thể tự động tạo ra các mã HTML, CSS và javaScript tương ứng. đơn giản hóa quá trình phát triển phần mềm, logic này cũng phù hợp để nâng cao hiệu quả phát triển của Web3.
Hiện tại, việc triển khai hợp đồng thông minh và DApps trên chuỗi công khai thường yêu cầu các ngôn ngữ phát triển độc quyền như Solidity, Rust, Move, v.v. Tầm nhìn của ngôn ngữ phát triển mới là mở rộng không gian thiết kế của blockchain phi tập trung và làm cho nó phù hợp hơn cho việc phát triển DApp. Tuy nhiên, do sự thiếu hụt lớn các nhà phát triển Web3, việc đào tạo nhà phát triển luôn là một vấn đề rắc rối hơn.
Hiện tại, AI hỗ trợ phát triển Web3 bao gồm: tạo mã tự động, xác minh và thử nghiệm hợp đồng thông minh, triển khai và bảo trì DApp, hoàn thành mã thông minh, đối thoại AI để trả lời các vấn đề phát triển, v.v. Với sự hỗ trợ của AI, nó không chỉ giúp ích. nhằm nâng cao hiệu quả và độ chính xác của quá trình phát triển mà còn hạ thấp ngưỡng lập trình, cho phép những người không phải lập trình viên 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, nền tảng bắt mắt nhất là các nền tảng khởi chạy mã thông báo chỉ bằng một cú nhấp chuột, chẳng hạn như Clanker, một “Token Bot” do AI điều khiển được thiết kế để triển khai mã thông báo DIY nhanh chóng. Bạn chỉ cần gắn thẻ Clanker trên ứng dụng khách Farcaster của giao thức SocialFi như Warpcast hoặc Supercast, cho nó biết ý tưởng mã thông báo của bạn và nó sẽ kích hoạt mã thông báo cho bạn trên chuỗi công khai Base.
Ngoài ra còn có các nền tảng phát triển hợp đồng, chẳng hạn như Spectral, cung cấp khả năng tạo và triển khai hợp đồng thông minh chỉ bằng một cú nhấp chuột để hạ thấp ngưỡng phát triển Web3. Ngay cả những người dùng mới làm quen cũng có thể biên dịch và triển khai hợp đồng thông minh.
Về mặt kiểm tra, nền tảng kiểm toán Web3 Fuzzland sử dụng AI để giúp kiểm toán viên kiểm tra các lỗ hổng mã và đưa ra giải thích bằng ngôn ngữ tự nhiên để hỗ trợ chuyên môn kiểm toán. Fuzzland cũng sử dụng AI để cung cấp các giải thích bằng ngôn ngữ tự nhiên về thông số kỹ thuật chính thức và mã hợp đồng, cũng như một số mã mẫu để giúp các nhà phát triển hiểu các vấn đề tiềm ẩn trong mã.
3. Tường thuật mới về AI và Web3
Sự trỗi dậy của AI sáng tạo đã mang đến những khả năng mới cho câu chuyện mới về Web3.
NFT: AI đưa khả năng sáng tạo vào NFT tổng quát. Thông qua công nghệ AI, nhiều tác phẩm nghệ thuật và nhân vật độc đáo và đa dạng có thể được tạo ra. Những NFT tổng quát này có thể trở thành nhân vật, đạo cụ hoặc yếu tố cảnh trong trò chơi, thế giới ảo hoặc siêu dữ liệu, chẳng hạn như Bicasso của Binance, người dùng. có thể tải lên hình ảnh và nhập từ khóa để thực hiện tính toán AI và tạo NFT. Các dự án tương tự bao gồm Solvo, Nicho, IgmnAI và CharacterGPT.
GameFi: Tập trung vào việc tạo ngôn ngữ tự nhiên, tạo hình ảnh và khả năng NPC thông minh của AI, GameFi được kỳ vọng sẽ cải thiện hiệu quả và đổi mới trong sản xuất nội dung trò chơi. Ví dụ: trò chơi blockchain đầu tiên của Binaryx là AI Hero cho phép người chơi khám phá ngẫu nhiên các tùy chọn cốt truyện khác nhau thông qua AI; ngoài ra còn có trò chơi đồng hành ảo Sleepless AI, dựa trên AIGC và LLM và người chơi có thể mở khóa lối chơi được cá nhân hóa thông qua các tương tác khác nhau.
DAO: Hiện tại, AI cũng được dự kiến sẽ áp dụng cho DAO để giúp theo dõi các tương tác của cộng đồng, ghi lại những đóng góp, khen thưởng những thành viên có nhiều đóng góp nhất, bỏ phiếu ủy quyền, v.v. Ví dụ: ai16z sử dụng AI Agent để thu thập thông tin thị trường trong và ngoài chuỗi, phân tích sự đồng thuận của cộng đồng và đưa ra quyết định đầu tư dựa trên đề xuất của các thành viên DAO.
Phần.3 Ý nghĩa của sự kết hợp AI+Web3: tháp và hình vuông
Ở trung tâm Florence, Ý, có Quảng trường Trung tâm, nơi quan trọng nhất cho các hoạt động chính trị và là nơi tụ tập của người dân và khách du lịch. Tại đây có tòa tháp tòa thị chính cao 95 mét, kết nối theo chiều dọc và chiều ngang giữa tòa tháp và khách du lịch. hình vuông Sự tương phản thị giác bổ sung cho nhau và tạo ra hiệu ứng thẩm mỹ ấn tượng. Neil Ferguson, giáo sư lịch sử tại Đại học Harvard, đã lấy cảm hứng từ điều này và liên kết nó với lịch sử thế giới của mạng lưới và hệ thống phân cấp trong cuốn sách Hình vuông và Tháp. Theo thời gian, thủy triều trên sông lên xuống.
Phép ẩn dụ tuyệt vời này không có gì đáng ngạc nhiên khi nói đến mối quan hệ giữa AI và Web3 ngày nay. Từ lịch sử quan hệ lâu dài, phi tuyến tính giữa hai bên, chúng ta có thể thấy hình vuông có nhiều khả năng tạo ra những điều mới mẻ và sáng tạo hơn tháp, nhưng tháp vẫn có tính pháp lý và sức sống mạnh mẽ.
Với khả năng của các công ty công nghệ trong việc phân cụm dữ liệu sức mạnh tính toán năng lượng cao, AI đã bùng nổ với trí tưởng tượng chưa từng có và các công ty công nghệ đã đặt cược lớn, từ các robot trò chuyện khác nhau đến các mô hình lớn cơ bản GPT-4, GP 4-4 o và các phiên bản lặp lại khác lần lượt xuất hiện, robot lập trình tự động (Devin) và Sora với khả năng mô phỏng bước đầu thế giới vật lý thực đã được ra mắt, v.v., trí tưởng tượng của AI đã được phóng đại vô hạn.
Đồng thời, AI thực chất là một ngành có quy mô lớn và tập trung. Sự thay đổi công nghệ này sẽ đẩy các công ty công nghệ đang dần chiếm ưu thế về cơ cấu trong “Kỷ nguyên Internet” lên một tầm cao thu hẹp hơn. Nguồn điện khổng lồ, dòng tiền độc quyền và bộ dữ liệu khổng lồ cần thiết để thống trị kỷ nguyên thông minh đã tạo ra những rào cản cao hơn cho nó.
Khi các tòa tháp ngày càng cao hơn, những người ra quyết định ở hậu trường ngày càng nhỏ hơn, và việc tập trung AI mang đến nhiều mối nguy hiểm tiềm ẩn. Làm sao những người tập trung tại quảng trường có thể tránh được bóng tối dưới các tòa tháp? Đây chính là vấn đề mà Web3 hy vọng sẽ giải quyết được.
Về bản chất, các thuộc tính vốn có của blockchain nâng cao hệ thống trí tuệ nhân tạo và mang lại những khả năng mới, chủ yếu là:
Mã là luật trong kỷ nguyên trí tuệ nhân tạo - thông qua hợp đồng thông minh và xác minh bằng mật mã, một hệ thống minh bạch sẽ tự động thực thi các quy tắc và trao phần thưởng cho những người gần gũi hơn với mục tiêu.
Kinh tế mã thông báo – Tạo và điều phối hành vi của người tham gia thông qua các cơ chế mã thông báo, đặt cược, cắt giảm, phần thưởng và hình phạt mã thông báo.
Quản trị phi tập trung - thúc đẩy chúng ta đặt câu hỏi về các nguồn thông tin và khuyến khích cách tiếp cận sâu sắc và quan trọng hơn đối với công nghệ AI, ngăn chặn sự thiên vị, thông tin sai lệch và thao túng, cuối cùng là thúc đẩy một xã hội có nhiều thông tin hơn và được trao quyền nhiều hơn.
Sự phát triển của AI cũng đã mang lại sức sống mới cho Web3. Có thể sẽ cần thời gian để chứng minh tác động của Web3 đối với AI, nhưng tác động của AI lên Web3 là ngay lập tức: dù là lễ hội của Meme hay AI Agent giúp đỡ. để giảm chi phí của các ứng dụng trên chuỗi. Có thể thấy ngưỡng sử dụng.
Khi Web3 được xác định là lợi ích riêng của một nhóm nhỏ người và rơi vào nghi ngờ về việc sao chép các ngành công nghiệp truyền thống, việc bổ sung AI đã mang đến cho nó một tương lai có thể đoán trước: nhóm người dùng Web2 ổn định hơn và lớn hơn, và doanh nghiệp Đổi mới lớn hơn mô hình và dịch vụ.
Chúng ta đang sống trong một thế giới nơi tháp và hình vuông cùng tồn tại. Mặc dù AI và Web3 có các mốc thời gian và điểm xuất phát khác nhau nhưng điểm cuối của chúng là làm thế nào để máy móc phục vụ con người tốt hơn. tương lai của AI+Web3.
*Tất cả nội dung trên nền tảng Coinspire chỉ mang tính tham khảo và không cấu thành đề nghị hay khuyến nghị cho bất kỳ chiến lược đầu tư nào. Mọi quyết định cá nhân dựa trên nội dung của bài viết này là trách nhiệm duy nhất của nhà đầu tư và Coinspire không chịu trách nhiệm về bất kỳ khoản lãi hoặc lỗ nào phát sinh từ đó. Đầu tư có rủi ro và các quyết định cần phải được đưa ra một cách thận trọng.
