Tác giả gốc: cookies
Bản dịch gốc: TechFlow
Với sự phát triển không ngừng của công nghệ Web3, Mạng trí tuệ không gian phi tập trung (DeSPIN) đang trở thành một lĩnh vực thu hút được nhiều sự chú ý. Bằng cách phân tích và tận dụng dữ liệu hình ảnh thực tế, DeSPIN không chỉ cung cấp các giải pháp sáng tạo cho việc xây dựng bản đồ, quy hoạch đô thị và robot mà còn mở ra một mô hình kinh tế “Đóng góp để kiếm tiền” mới. Bài viết này sẽ giải thích chi tiết các khái niệm cốt lõi, giao thức chính và hướng phát triển trong tương lai của DeSPIN.
DeSPIN là gì?
Trí tuệ không gian là công nghệ trích xuất thông tin chi tiết bằng cách phân tích dữ liệu hình ảnh trong thế giới thực. Cốt lõi của nó nằm ở việc kết hợp thông tin địa lý với bối cảnh môi trường để hỗ trợ quá trình ra quyết định của con người. Mạng thông minh không gian phi tập trung (DeSPIN) kết hợp công nghệ này với khái niệm phi tập trung của blockchain và Web3 để tạo thành một hệ sinh thái mở và chia sẻ. Hãy tưởng tượng rằng bạn có thể kiếm tiền bằng cách chia sẻ những bức ảnh chụp đường phố mà bạn chụp trong cuộc sống hàng ngày hoặc dữ liệu về môi trường được ghi lại ở các trung tâm mua sắm và đường phố. Mô hình này không chỉ hạ thấp ngưỡng thu thập dữ liệu mà còn khuyến khích người dùng bình thường đóng góp vào sự phát triển của trí thông minh không gian.
Trước khi hiểu các ứng dụng cụ thể của DeSPIN, trước tiên chúng ta cần hiểu về khuôn khổ cơ bản của trí thông minh không gian. Trí thông minh không gian bao gồm bốn thành phần cốt lõi:
Thu thập dữ liệu: Thu thập dữ liệu với sự trợ giúp của mạng cảm biến (như camera, GPS) và thiết bị IoT (như điện thoại di động, máy tính xách tay).
Xử lý và phân tích dữ liệu: Sử dụng các kỹ thuật học máy để xử lý siêu dữ liệu địa lý, xác định các mẫu trong dữ liệu và xây dựng cơ sở dữ liệu truy vấn không gian.
Biểu diễn kiến thức: Liên kết dữ liệu với bối cảnh môi trường thông qua lập bản đồ ngữ nghĩa để cung cấp cho người dùng thông tin địa lý trực quan.
Hệ thống hỗ trợ quyết định: Xây dựng các mô hình dự đoán không gian để cung cấp cho người dùng các dịch vụ ứng dụng như tối ưu hóa tuyến đường, tránh chướng ngại vật, v.v.
Các giao thức chính trong lĩnh vực DeSPIN
Hiện nay, một số giao thức cải tiến đã xuất hiện trong lĩnh vực DeSPIN, tập trung vào các tình huống ứng dụng khác nhau. Dưới đây là tám dự án đáng chú ý:
1. Người lập bản đồ tổ ong
Hivemapper là một giao thức xây dựng bản đồ phi tập trung sử dụng mô hình Drive-2-Earn. Người dùng báo cáo các vấn đề về đường bộ theo thời gian thực thông qua các ứng dụng di động và tài xế thu thập dữ liệu thông qua camera hành trình được lắp đặt trên xe của họ. Những dữ liệu này được xử lý bởi các thuật toán AI để tạo bản đồ và độ chính xác của chúng được xác minh thông qua học tăng cường phản hồi của con người (RLHF). Hivemapper cung cấp bản đồ phạm vi phủ sóng và người dùng có thể xem những khu vực nào đã được lập bản đồ và truy cập dữ liệu thông qua API. Những người đóng góp dữ liệu sẽ được thưởng token $HONEY, có thể dùng để mua dữ liệu bản đồ hoặc các dịch vụ khác.
2. Mạng NATIX
NATIX Network là một giao thức kinh tế bản đồ phi tập trung tập trung vào việc thu thập dữ liệu đường bộ thông qua các thiết bị di động và camera hành trình, áp dụng mô hình lái xe và kiếm tiền. Công nghệ cốt lõi VX 360 hỗ trợ thu thập dữ liệu toàn cảnh 360 độ và dữ liệu thu thập được có thể được sử dụng để phát triển các chức năng hỗ trợ lái xe như tối ưu hóa lái xe tự động. Hiện nay, Mạng lưới NATIX phủ sóng 171 quốc gia, với hơn 223.000 tài xế đã đăng ký và tổng số km đã lập bản đồ là 131 triệu km. Cả người đóng góp dữ liệu và nút mạng đều có thể nhận được phần thưởng token $NATIX để khuyến khích phát triển sinh thái hơn nữa.
Cả Hivemapper và NATIX đều đang nỗ lực xây dựng bản đồ tốt hơn thông qua dữ liệu đường bộ được cộng đồng đóng góp. Các kịch bản ứng dụng tiềm năng của dữ liệu này rất rộng, chủ yếu bao gồm các khía cạnh sau:
Tối ưu hóa giao thông đô thị: Bằng cách phân tích dữ liệu đường bộ được thu thập theo thời gian thực, có thể cải thiện việc quản lý lưu lượng giao thông, giảm tắc nghẽn và nâng cao hiệu quả di chuyển.
Theo dõi tình trạng đường sá: Phát hiện và báo cáo kịp thời tình trạng hư hỏng, chướng ngại vật hoặc các vấn đề tiềm ẩn khác trên đường để giúp duy trì sự an toàn và độ tin cậy của cơ sở hạ tầng.
Phát hiện tội phạm và bạo lực: Sử dụng dữ liệu bản đồ kết hợp với thuật toán AI có thể giúp xác định và định vị hành vi bất thường và hỗ trợ an toàn công cộng.
Những ứng dụng này không chỉ cải thiện chức năng của bản đồ mà còn mang lại giá trị thiết thực cho công tác quản lý đô thị và an sinh xã hội.
3. Người máy Frodo
FrodoBots là một giao thức để thu thập dữ liệu trò chơi thông qua robot. Người dùng có thể điều khiển robot mặt đất từ xa để thu thập dữ liệu địa lý và hỗ trợ nhiều phương pháp hoạt động (như bộ điều khiển, bàn phím hoặc vô lăng trò chơi). Ngoài ra, các nhà nghiên cứu cũng có thể triển khai các mô hình điều hướng AI trên nền tảng để thử nghiệm. Người dùng kiếm được Điểm FrodoBot (FBP) bằng cách hoàn thành nhiệm vụ lái xe. Điểm liên quan đến khoảng cách và độ khó của nhiệm vụ. Khoảng cách càng xa và độ khó càng cao thì họ càng kiếm được nhiều điểm. FrodoBots đã được thử nghiệm ở một số thành phố và tổ chức các cuộc thi giữa AI và con người về khả năng điều hướng. Ngoài ra, FrodoBots còn thành lập một hệ thống giống như bang hội, Trường Earth Rovers, cho phép người dùng mới tham gia thu thập dữ liệu bằng cách thuê Earth Rovers.
4. Thế giới JoJo
JoJoWorld là một giao thức tập trung vào việc thu thập dữ liệu không gian 3D, trong đó người dùng đóng góp dữ liệu để giúp đào tạo các mô hình ba chiều. Nền tảng này cung cấp dữ liệu 3D chất lượng cao để tạo ra nhiều cảnh kỹ thuật số khác nhau và phù hợp với các lĩnh vực như thực tế ảo và quy hoạch đô thị. Người dùng cũng có thể mua trực tiếp dữ liệu 3D này để phát triển mô hình kỹ thuật số được cá nhân hóa.
Bốn giao thức tiếp theo cũng tập trung vào việc thu thập dữ liệu không gian trong thế giới thực, nhưng lĩnh vực ứng dụng của chúng được phân khúc nhiều hơn, bao gồm các tình huống cụ thể như đào tạo mô hình robot. Các giao thức này mang đến nhiều khả năng hơn cho hệ sinh thái Mạng trí tuệ không gian phi tập trung (DeSPIN) bằng cách tập trung vào dữ liệu dài và các nhu cầu cụ thể.
5. PrismaXAI
PrismaXAI là một giao thức thu thập dữ liệu cụ thể theo từng cảnh từ góc nhìn thứ nhất, phù hợp với các tình huống phức tạp như tương tác giữa tay và vật, chuyển động động và tụ tập xã hội. Công nghệ cốt lõi của nó, Proof-of-View, đảm bảo tính xác thực của dữ liệu đồng thời cải thiện độ chính xác của chú thích dữ liệu thông qua cơ chế xác minh phi tập trung. Giao thức này có tiềm năng lớn trong việc thu thập dữ liệu đuôi dài, mang lại lợi thế độc đáo cho việc đào tạo mô hình.
6. Trí tuệ nhân tạo mở
OpenMind AGI tập trung vào việc đạt được sự hiểu biết về thế giới thực thông qua Mô hình Tầm nhìn-Ngôn ngữ-Hành động (VLAM). Hệ thống cốt lõi của nó, OM 1, là hệ điều hành đa nền tảng có thể tương tác với môi trường thực tế năng động và đặc biệt phù hợp cho việc phát triển tùy chỉnh công nghệ robot. Nền tảng này thu thập dữ liệu thông qua điện thoại di động và robot, sau đó chia sẻ dữ liệu với các nhà phát triển robot để cải thiện và đổi mới các tình huống ứng dụng robot.
7. MeckaAI
MeckaAI là một giao thức đào tạo mô hình AI robot phi tập trung, trong đó người dùng giúp đào tạo các mô hình hành vi robot bằng cách tải lên dữ liệu video. Nền tảng này cung cấp ứng dụng di động nơi người dùng có thể kiếm Điểm OG Mecka bằng cách hoàn thành nhiệm vụ, qua đó khuyến khích hơn nữa việc đóng góp dữ liệu. MeckaAI cam kết thúc đẩy sự phát triển của công nghệ robot thông qua hình thức huy động vốn từ cộng đồng và hạ thấp ngưỡng thu thập dữ liệu đào tạo.
8. Xmaquina DAO
Xmaquina DAO là một tổ chức tự trị phi tập trung (DAO) hỗ trợ các dự án robot nguồn mở. Không giống như các giao thức khác tham gia trực tiếp vào việc đào tạo mô hình, mục tiêu cốt lõi của Xmaquina DAO là hỗ trợ nghiên cứu và đổi mới trong lĩnh vực robot thông qua việc phân bổ nguồn lực. Trung tâm đổi mới nội bộ, Deus Lab, tập trung vào nghiên cứu và phát triển công nghệ robot, trong khi MachineDAO bỏ phiếu cho các dự án sẽ phân bổ nguồn lực bằng cách đặt cược token $DEUS. Mô hình này cung cấp hỗ trợ tài chính cho việc phát triển công nghệ robot nguồn mở đồng thời đảm bảo tính minh bạch và công bằng trong phân bổ nguồn lực.
Cấu trúc tổ chức của MachineDAO
Do giới hạn về không gian, có một số giao thức ứng dụng trong các lĩnh vực tương tự không được trình bày chi tiết ở đây, chẳng hạn như Alaya_AI , Gata_xyz , KrangHQ , v.v., cũng đáng được chú ý.
Tương lai của DeSPIN: từ đóng góp đến giá trị
Mặc dù DeSPIN vẫn còn trong giai đoạn trứng nước, nhưng tiềm năng của nó không thể bị bỏ qua. Với sự phát triển của AI vật lý và AI hiện thân, cũng như sự trỗi dậy của các khái niệm mới như Đội dữ liệu con người, DeSPIN được kỳ vọng sẽ dẫn đầu một cuộc cách mạng công nghệ mới.
Một xu hướng khả thi là sự phổ biến của mô hình “Đào tạo để kiếm tiền” (T 2 E), trong đó người dùng đóng góp giá trị thông qua dữ liệu không gian thu được trong cuộc sống hàng ngày và nhận phần thưởng dựa trên chất lượng dữ liệu. Ví dụ, sự xuất hiện của các thiết bị kính mắt phi tập trung có thể cải thiện đáng kể độ chính xác và tính đa dạng của việc thu thập dữ liệu. Dữ liệu thu thập được bằng kính thông minh không chỉ phản ánh cách con người nhận thức thế giới theo cách thực tế nhất mà còn thu thập được nhiều dữ liệu dài hạn như tiếng ồn môi trường và đặc điểm khuôn mặt, mang lại nhiều khả năng hơn cho lĩnh vực trí thông minh không gian.
Tuy nhiên, quá trình phát triển DeSPIN cũng phải đối mặt với một số thách thức như:
Xác minh dữ liệu: Làm thế nào để đảm bảo tính xác thực và chính xác của dữ liệu thu thập từ cộng đồng?
Các vấn đề đạo đức: Làm thế nào để quản lý việc sử dụng dữ liệu để tránh rò rỉ và lạm dụng quyền riêng tư?
Sự chấp nhận từ phía cầu: Liệu các tổ chức truyền thống có sẵn sàng áp dụng bộ dữ liệu phi tập trung không?
Giải pháp cho những vấn đề này sẽ quyết định hướng đi tương lai của DeSPIN và cần được nghiên cứu và giải quyết sâu hơn trong tương lai.
