Sự va chạm giữa AI và Web3: Phát triển và thách thức trong tương lai
I. Giới thiệu: Tình hình phát triển của AI+Web3
Trong những năm gần đây, sự phát triển nhanh chóng của trí tuệ nhân tạo (AI) và công nghệ Web3 đã thu hút sự chú ý rộng rãi trên toàn cầu. AI đã đạt được những bước đột phá lớn trong các lĩnh vực nhận diện khuôn mặt, xử lý ngôn ngữ tự nhiên, học máy, mang lại những biến đổi và đổi mới lớn cho mọi ngành nghề. Vào năm 2023, quy mô thị trường ngành AI đạt 200 tỷ đô la Mỹ, các ông lớn trong ngành như OpenAI, Character.AI, Midjourney và những người chơi xuất sắc khác đã xuất hiện, dẫn dắt cơn sốt AI.
Trong khi đó, Web3 như một mô hình mạng mới nổi, đang thay đổi nhận thức và cách sử dụng internet của mọi người. Web3 dựa trên công nghệ blockchain phi tập trung, thông qua các hợp đồng thông minh, lưu trữ phân tán và xác thực danh tính phi tập trung, nhằm đạt được việc chia sẻ dữ liệu có thể kiểm soát, tự trị người dùng và thiết lập cơ chế tin cậy. Triết lý cốt lõi của Web3 là giải phóng dữ liệu khỏi tay các cơ quan quyền lực tập trung, trao quyền kiểm soát dữ liệu và quyền chia sẻ giá trị cho người dùng. Hiện nay, giá trị thị trường của ngành Web3 đạt 25 triệu tỷ, các dự án như Bitcoin, Ethereum, Solana và các ứng dụng như Uniswap, Stepn đang liên tục xuất hiện, thu hút ngày càng nhiều người tham gia vào ngành Web3.
Sự kết hợp giữa AI và Web3 là một lĩnh vực được cả các nhà phát triển và nhà đầu tư phương Đông và phương Tây rất quan tâm, cách thức để kết hợp tốt giữa hai bên là một vấn đề đáng được khám phá. Bài viết này sẽ tập trung vào việc thảo luận về tình trạng phát triển của AI+Web3, phân tích những giới hạn và thách thức mà các dự án hiện tại đang phải đối mặt, nhằm cung cấp thông tin và cái nhìn cho các nhà đầu tư và người hành nghề.
Hai, cách AI tương tác với Web3
Sự phát triển của AI và Web3 giống như hai bên của cái cân, AI mang lại sự nâng cao năng suất lao động, Web3 mang lại sự biến đổi trong quan hệ sản xuất. Vậy AI và Web3 có thể tạo ra những tia lửa gì? Chúng ta sẽ phân tích trước những khó khăn và không gian cải thiện mà ngành AI và Web3 đang phải đối mặt, sau đó sẽ thảo luận về cách mà chúng có thể giúp giải quyết những khó khăn này.
2.1 Những thách thức mà ngành AI đang đối mặt
Để khám phá những khó khăn mà ngành AI đang đối mặt, trước tiên chúng ta hãy xem xét bản chất của ngành AI. Ba yếu tố cốt lõi của ngành AI không thể tách rời: sức mạnh tính toán, thuật toán và dữ liệu.
Công suất: đề cập đến khả năng thực hiện tính toán và xử lý quy mô lớn. Các nhiệm vụ AI thường cần xử lý một lượng lớn dữ liệu và thực hiện các tính toán phức tạp, chẳng hạn như đào tạo mô hình mạng nơ-ron sâu. Khả năng tính toán mạnh mẽ có thể tăng tốc quá trình đào tạo và suy luận mô hình, nâng cao hiệu suất và hiệu quả của hệ thống AI. Trong những năm gần đây, với sự phát triển của GPU và các chip AI chuyên dụng ( như TPU ), sự gia tăng công suất đã đóng vai trò quan trọng trong việc thúc đẩy sự phát triển của ngành AI.
Thuật toán: là phần cốt lõi của hệ thống AI, được sử dụng để giải quyết vấn đề và thực hiện các nhiệm vụ thông qua các phương pháp toán học và thống kê. Thuật toán AI có thể được chia thành các thuật toán máy học truyền thống và thuật toán học sâu, trong đó thuật toán học sâu đã đạt được những bước đột phá lớn trong những năm gần đây. Việc lựa chọn và thiết kế thuật toán là rất quan trọng đối với hiệu suất và hiệu quả của hệ thống AI. Các thuật toán được cải tiến và đổi mới liên tục có thể nâng cao độ chính xác, tính mạnh mẽ và khả năng tổng quát của hệ thống AI.
Dữ liệu: Nhiệm vụ cốt lõi của hệ thống AI là trích xuất các mô hình và quy luật từ dữ liệu thông qua việc học và đào tạo. Dữ liệu là nền tảng để đào tạo và tối ưu hóa mô hình, thông qua các mẫu dữ liệu quy mô lớn, hệ thống AI có thể học được các mô hình chính xác hơn và thông minh hơn. Tập dữ liệu phong phú có thể cung cấp thông tin toàn diện và đa dạng hơn, giúp mô hình có thể tổng quát tốt hơn với dữ liệu chưa thấy, giúp hệ thống AI hiểu và giải quyết tốt hơn các vấn đề trong thế giới thực.
Sau khi hiểu ba yếu tố cốt lõi của AI, hãy xem AI gặp phải những khó khăn và thách thức gì trong ba lĩnh vực này:
Về mặt tính toán, các nhiệm vụ AI thường cần nguồn tài nguyên tính toán lớn để đào tạo và suy diễn mô hình, đặc biệt là đối với các mô hình học sâu. Việc có được và quản lý sức mạnh tính toán quy mô lớn là một thách thức tốn kém và phức tạp. Chi phí, tiêu thụ năng lượng và bảo trì của các thiết bị tính toán hiệu suất cao đều là vấn đề. Đặc biệt đối với các công ty khởi nghiệp và các nhà phát triển cá nhân, việc có đủ sức mạnh tính toán có thể là một khó khăn.
Về mặt thuật toán, mặc dù các thuật toán học sâu đã đạt được thành công lớn trong nhiều lĩnh vực, nhưng vẫn tồn tại một số khó khăn và thách thức. Ví dụ, việc huấn luyện mạng nơ-ron sâu cần một lượng lớn dữ liệu và tài nguyên tính toán, và đối với một số nhiệm vụ, khả năng giải thích và minh bạch của mô hình có thể không đủ. Hơn nữa, tính ổn định và khả năng tổng quát của thuật toán cũng là những vấn đề quan trọng, hiệu suất của mô hình trên dữ liệu chưa thấy có thể không ổn định. Trong số nhiều thuật toán, cách tìm ra thuật toán tốt nhất để cung cấp dịch vụ tốt nhất là một quá trình cần được khám phá liên tục.
Về dữ liệu, dữ liệu là động lực của AI, nhưng việc thu thập dữ liệu chất lượng cao và đa dạng vẫn là một thách thức. Một số lĩnh vực dữ liệu có thể khó thu thập, chẳng hạn như dữ liệu sức khỏe nhạy cảm trong lĩnh vực y tế. Hơn nữa, chất lượng, độ chính xác và việc gán nhãn dữ liệu cũng là vấn đề, dữ liệu không đầy đủ hoặc có thiên kiến có thể dẫn đến hành vi sai lầm hoặc thiên lệch của mô hình. Đồng thời, việc bảo vệ quyền riêng tư và an toàn dữ liệu cũng là những yếu tố quan trọng cần xem xét.
Ngoài ra, còn tồn tại các vấn đề như khả năng giải thích và tính minh bạch, đặc điểm hộp đen của mô hình AI là vấn đề được công chúng quan tâm. Đối với một số ứng dụng, như tài chính, y tế và tư pháp, quá trình ra quyết định của mô hình cần phải có thể giải thích và truy nguyên, trong khi các mô hình học sâu hiện có thường thiếu tính minh bạch. Việc giải thích quá trình ra quyết định của mô hình và cung cấp các giải thích đáng tin cậy vẫn là một thách thức.
Ngoài ra, nhiều mô hình kinh doanh của các dự án khởi nghiệp AI không đủ rõ ràng, điều này cũng khiến nhiều doanh nhân khởi nghiệp AI cảm thấy bối rối.
2.2 Những khó khăn mà ngành Web3 phải đối mặt
Trong ngành Web3, hiện tại cũng có nhiều khía cạnh khác nhau cần giải quyết, bất kể là phân tích dữ liệu của Web3, hay trải nghiệm người dùng kém của sản phẩm Web3, hoặc là vấn đề về lỗ hổng mã hợp đồng thông minh và các cuộc tấn công của hacker, đều có nhiều không gian để cải thiện. AI như một công cụ tăng năng suất, cũng có nhiều tiềm năng để phát huy trong những lĩnh vực này.
Đầu tiên là sự nâng cao khả năng phân tích dữ liệu và dự đoán: Việc ứng dụng công nghệ AI trong phân tích dữ liệu và dự đoán đã mang lại ảnh hưởng lớn cho ngành Web3. Thông qua việc phân tích và khai thác thông minh bằng thuật toán AI, các nền tảng Web3 có thể trích xuất thông tin có giá trị từ lượng dữ liệu khổng lồ và thực hiện các dự đoán và quyết định chính xác hơn. Điều này có ý nghĩa quan trọng trong việc đánh giá rủi ro, dự đoán thị trường và quản lý tài sản trong lĩnh vực tài chính phi tập trung (DeFi).
Ngoài ra, cũng có thể cải thiện trải nghiệm người dùng và dịch vụ cá nhân hóa: Việc áp dụng công nghệ AI giúp các nền tảng Web3 cung cấp trải nghiệm người dùng tốt hơn và dịch vụ cá nhân hóa. Bằng cách phân tích và mô hình hóa dữ liệu người dùng, các nền tảng Web3 có thể cung cấp các gợi ý cá nhân hóa, dịch vụ tùy chỉnh và trải nghiệm tương tác thông minh cho người dùng. Điều này giúp tăng cường mức độ tham gia và sự hài lòng của người dùng, thúc đẩy sự phát triển của hệ sinh thái Web3, ví dụ như nhiều giao thức Web3 kết nối với các công cụ AI như ChatGPT để phục vụ người dùng tốt hơn.
Trong lĩnh vực an ninh và bảo vệ quyền riêng tư, việc ứng dụng AI cũng có tác động sâu sắc đến ngành Web3. Công nghệ AI có thể được sử dụng để phát hiện và phòng ngừa các cuộc tấn công mạng, nhận diện hành vi bất thường và cung cấp bảo đảm an ninh mạnh mẽ hơn. Đồng thời, AI cũng có thể được ứng dụng trong việc bảo vệ quyền riêng tư dữ liệu, thông qua mã hóa dữ liệu và tính toán quyền riêng tư, bảo vệ thông tin cá nhân của người dùng trên nền tảng Web3. Trong việc kiểm toán hợp đồng thông minh, do có thể tồn tại lỗ hổng và rủi ro an ninh trong quá trình viết và kiểm toán hợp đồng, công nghệ AI có thể được sử dụng để tự động hóa việc kiểm toán hợp đồng và phát hiện lỗ hổng, nâng cao tính an toàn và độ tin cậy của hợp đồng.
Có thể thấy, đối với những khó khăn mà ngành Web3 đang phải đối mặt và tiềm năng cải thiện, AI có thể tham gia và hỗ trợ trong nhiều lĩnh vực.
Ba, Phân tích tình trạng hiện tại của dự án AI + Web3
Các dự án kết hợp AI và Web3 chủ yếu bắt đầu từ hai khía cạnh lớn, sử dụng công nghệ blockchain để nâng cao hiệu suất của các dự án AI, và sử dụng công nghệ AI để phục vụ cho việc nâng cao các dự án Web3.
Xung quanh hai khía cạnh này, một loạt các dự án đã xuất hiện để khám phá con đường này, bao gồm các dự án đa dạng như Io.net, Gensyn, Ritual, v.v. Tiếp theo, bài viết này sẽ phân tích tình hình và phát triển của các tiểu lĩnh vực khác nhau từ việc AI hỗ trợ web3 và Web3 hỗ trợ AI.
3.1 Web3 hỗ trợ AI
3.1.1 Tính toán phân quyền
Kể từ khi một nền tảng ra mắt ChatGPT vào cuối năm 2022, đã kích hoạt cơn sốt AI, chỉ sau 5 ngày ra mắt số lượng người dùng đã đạt 1 triệu, trong khi một nền tảng khác mất khoảng hai tháng rưỡi mới đạt được 1 triệu lượt tải xuống. Sau đó, ChatGPT cũng phát triển rất nhanh, trong vòng 2 tháng, số lượng người dùng hoạt động hàng tháng đã đạt 100 triệu, đến tháng 11 năm 2023, số lượng người dùng hoạt động hàng tuần đã đạt 100 triệu. Cùng với sự ra đời của ChatGPT, lĩnh vực AI cũng nhanh chóng bùng nổ từ một ngách nhỏ trở thành một ngành thu hút sự chú ý lớn.
Theo một báo cáo, ChatGPT cần 30.000 GPU của một thương hiệu nào đó để vận hành, và tương lai GPT-5 sẽ cần số lượng tính toán lớn hơn nhiều. Điều này cũng đã khiến các công ty AI bắt đầu một cuộc chạy đua vũ trang, chỉ có những ai nắm giữ đủ sức mạnh tính toán mới có thể chắc chắn có đủ động lực và lợi thế trong cuộc chiến AI, vì vậy đã xuất hiện tình trạng thiếu hụt GPU.
Trước khi AI phát triển, khách hàng của nhà cung cấp GPU lớn nhất tập trung vào ba dịch vụ đám mây chính. Với sự gia tăng của trí tuệ nhân tạo, đã xuất hiện một lượng lớn người mua mới, bao gồm các công ty công nghệ lớn cũng như các nền tảng dữ liệu và các công ty khởi nghiệp AI khác, tham gia vào cuộc chiến tích trữ GPU để huấn luyện các mô hình trí tuệ nhân tạo. Một số công ty công nghệ lớn đã tăng cường đáng kể lượng mua các mô hình AI tùy chỉnh và nghiên cứu nội bộ. Một số công ty mô hình cơ bản cũng như nền tảng dữ liệu đã mua thêm nhiều GPU để giúp khách hàng cung cấp dịch vụ trí tuệ nhân tạo.
Như một phân tích năm ngoái đã đề cập đến "những người giàu GPU và những người nghèo GPU", một số ít công ty sở hữu hơn 20.000 GPU cao cấp, các thành viên trong nhóm có thể sử dụng từ 100 đến 1.000 GPU cho dự án. Những công ty này hoặc là nhà cung cấp đám mây hoặc là tự xây dựng LLM, bao gồm một số công ty AI lớn.
Tuy nhiên, hầu hết các công ty đều là những người nghèo GPU, chỉ có thể vật lộn với một số lượng GPU ít ỏi, tốn nhiều thời gian và công sức để làm những việc khó khăn trong việc thúc đẩy sự phát triển của hệ sinh thái. Hơn nữa, tình trạng này không chỉ giới hạn ở các công ty khởi nghiệp. Số lượng GPU cao cấp của một số công ty trí tuệ nhân tạo nổi tiếng nhất còn ít hơn 20K. Những công ty này có tài năng công nghệ hàng đầu thế giới, nhưng lại bị giới hạn bởi số lượng cung cấp GPU, so với các công ty lớn, họ ở trong thế bất lợi trong cuộc đua trí tuệ nhân tạo.
Sự thiếu hụt này không chỉ giới hạn trong "những người nghèo GPU", thậm chí vào cuối năm 2023, những người đứng đầu trong lĩnh vực AI vì không thể có đủ GPU, đã phải đóng cửa đăng ký trả phí trong vài tuần, đồng thời mua thêm nguồn cung GPU.
Có thể thấy, với sự phát triển nhanh chóng của AI, nhu cầu về GPU đã xuất hiện sự không khớp nghiêm trọng giữa cung và cầu, vấn đề cung không đủ cầu đang trở nên cấp bách.
Để giải quyết vấn đề này, một số dự án Web3 đã bắt đầu thử nghiệm kết hợp các đặc điểm công nghệ của Web3, cung cấp dịch vụ tính toán phi tập trung, bao gồm Akash, Render, Gensyn, v.v. Điểm chung của các dự án này là thông qua token để khuyến khích người dùng cung cấp sức mạnh GPU nhàn rỗi, trở thành bên cung cấp sức mạnh tính toán, nhằm hỗ trợ cho khách hàng AI.
Hình ảnh bên cung chủ yếu có thể chia thành ba khía cạnh: nhà cung cấp dịch vụ đám mây, thợ mỏ tiền điện tử, doanh nghiệp.
Các nhà cung cấp dịch vụ đám mây bao gồm các nhà cung cấp dịch vụ đám mây lớn và các nhà cung cấp dịch vụ đám mây GPU, người dùng có thể bán lại sức mạnh tính toán của các nhà cung cấp dịch vụ đám mây không sử dụng để kiếm thu nhập. Các thợ mỏ tiền điện tử khi một chuỗi công khai nào đó chuyển từ PoW sang PoS, sức mạnh tính toán GPU không sử dụng cũng trở thành một nguồn cung tiềm năng quan trọng. Hơn nữa, một số doanh nghiệp lớn vì lý do chiến lược đã mua một lượng lớn GPU, cũng có thể sử dụng sức mạnh tính toán GPU không sử dụng như một nguồn cung.
Hiện tại, người chơi trong lĩnh vực này có thể chia thành hai loại, một loại sử dụng sức mạnh tính toán phi tập trung cho suy diễn AI, loại còn lại sử dụng sức mạnh tính toán phi tập trung cho việc đào tạo AI. Loại đầu tiên như Render( mặc dù tập trung vào việc render, nhưng cũng có thể được sử dụng để cung cấp sức mạnh tính toán AI), Akash, Aethir, v.v.; loại thứ hai như io.net( có thể hỗ trợ cả suy diễn và đào tạo), Gensyn, sự khác biệt lớn nhất giữa hai loại này là yêu cầu về sức mạnh tính toán là khác nhau.
Trước tiên, hãy nói về các dự án AI suy diễn trước đây, loại dự án này thu hút người dùng tham gia cung cấp sức mạnh tính toán thông qua việc khuyến khích bằng mã thông báo, sau đó cung cấp dịch vụ mạng sức mạnh tính toán cho phía cầu, từ đó thực hiện việc khớp cung cầu sức mạnh tính toán không sử dụng.
Điểm cốt lõi nhất là thông qua cơ chế khuyến khích bằng token, dự án trước tiên thu hút nhà cung cấp, sau đó thu hút người dùng sử dụng, từ đó đạt được khởi động lạnh cho dự án và cơ chế vận hành cốt lõi, từ đó có thể tiến.
Xem bản gốc
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.
20 thích
Phần thưởng
20
6
Chia sẻ
Bình luận
0/400
MindsetExpander
· 07-26 02:51
Web3 chơi rõ ràng, rất nhiều bạn bè trên mạng yêu cầu tôi giải thích cơ hội đầu tư Web3, nhưng tôi thường cung cấp phân tích sâu sắc, chứ không chỉ là khuyến nghị đơn giản.
Xem bản gốcTrả lời0
MEVictim
· 07-25 22:40
Không phải chỉ là thao túng khái niệm mới, có ý nghĩa gì?
Xem bản gốcTrả lời0
TokenBeginner'sGuide
· 07-23 03:51
Nhắc nhở: Từ dữ liệu thị trường cho thấy, hiện tại lĩnh vực AI đã đạt quy mô 2000 tỷ, khuyên người mới nên cẩn thận đánh giá rủi ro, không nên đuổi theo giá mù quáng.
Xem bản gốcTrả lời0
Blockwatcher9000
· 07-23 03:50
Đừng thổi phồng nữa, chỉ là khái niệm được chơi cho Suckers.
Xem bản gốcTrả lời0
StealthDeployer
· 07-23 03:41
Khi nào chúng ta có thể thấy phiên bản midjourney web3?
Chương mới của sự kết hợp giữa AI và Web3: Tình trạng phát triển, thách thức và cơ hội
Sự va chạm giữa AI và Web3: Phát triển và thách thức trong tương lai
I. Giới thiệu: Tình hình phát triển của AI+Web3
Trong những năm gần đây, sự phát triển nhanh chóng của trí tuệ nhân tạo (AI) và công nghệ Web3 đã thu hút sự chú ý rộng rãi trên toàn cầu. AI đã đạt được những bước đột phá lớn trong các lĩnh vực nhận diện khuôn mặt, xử lý ngôn ngữ tự nhiên, học máy, mang lại những biến đổi và đổi mới lớn cho mọi ngành nghề. Vào năm 2023, quy mô thị trường ngành AI đạt 200 tỷ đô la Mỹ, các ông lớn trong ngành như OpenAI, Character.AI, Midjourney và những người chơi xuất sắc khác đã xuất hiện, dẫn dắt cơn sốt AI.
Trong khi đó, Web3 như một mô hình mạng mới nổi, đang thay đổi nhận thức và cách sử dụng internet của mọi người. Web3 dựa trên công nghệ blockchain phi tập trung, thông qua các hợp đồng thông minh, lưu trữ phân tán và xác thực danh tính phi tập trung, nhằm đạt được việc chia sẻ dữ liệu có thể kiểm soát, tự trị người dùng và thiết lập cơ chế tin cậy. Triết lý cốt lõi của Web3 là giải phóng dữ liệu khỏi tay các cơ quan quyền lực tập trung, trao quyền kiểm soát dữ liệu và quyền chia sẻ giá trị cho người dùng. Hiện nay, giá trị thị trường của ngành Web3 đạt 25 triệu tỷ, các dự án như Bitcoin, Ethereum, Solana và các ứng dụng như Uniswap, Stepn đang liên tục xuất hiện, thu hút ngày càng nhiều người tham gia vào ngành Web3.
Sự kết hợp giữa AI và Web3 là một lĩnh vực được cả các nhà phát triển và nhà đầu tư phương Đông và phương Tây rất quan tâm, cách thức để kết hợp tốt giữa hai bên là một vấn đề đáng được khám phá. Bài viết này sẽ tập trung vào việc thảo luận về tình trạng phát triển của AI+Web3, phân tích những giới hạn và thách thức mà các dự án hiện tại đang phải đối mặt, nhằm cung cấp thông tin và cái nhìn cho các nhà đầu tư và người hành nghề.
Hai, cách AI tương tác với Web3
Sự phát triển của AI và Web3 giống như hai bên của cái cân, AI mang lại sự nâng cao năng suất lao động, Web3 mang lại sự biến đổi trong quan hệ sản xuất. Vậy AI và Web3 có thể tạo ra những tia lửa gì? Chúng ta sẽ phân tích trước những khó khăn và không gian cải thiện mà ngành AI và Web3 đang phải đối mặt, sau đó sẽ thảo luận về cách mà chúng có thể giúp giải quyết những khó khăn này.
2.1 Những thách thức mà ngành AI đang đối mặt
Để khám phá những khó khăn mà ngành AI đang đối mặt, trước tiên chúng ta hãy xem xét bản chất của ngành AI. Ba yếu tố cốt lõi của ngành AI không thể tách rời: sức mạnh tính toán, thuật toán và dữ liệu.
Công suất: đề cập đến khả năng thực hiện tính toán và xử lý quy mô lớn. Các nhiệm vụ AI thường cần xử lý một lượng lớn dữ liệu và thực hiện các tính toán phức tạp, chẳng hạn như đào tạo mô hình mạng nơ-ron sâu. Khả năng tính toán mạnh mẽ có thể tăng tốc quá trình đào tạo và suy luận mô hình, nâng cao hiệu suất và hiệu quả của hệ thống AI. Trong những năm gần đây, với sự phát triển của GPU và các chip AI chuyên dụng ( như TPU ), sự gia tăng công suất đã đóng vai trò quan trọng trong việc thúc đẩy sự phát triển của ngành AI.
Thuật toán: là phần cốt lõi của hệ thống AI, được sử dụng để giải quyết vấn đề và thực hiện các nhiệm vụ thông qua các phương pháp toán học và thống kê. Thuật toán AI có thể được chia thành các thuật toán máy học truyền thống và thuật toán học sâu, trong đó thuật toán học sâu đã đạt được những bước đột phá lớn trong những năm gần đây. Việc lựa chọn và thiết kế thuật toán là rất quan trọng đối với hiệu suất và hiệu quả của hệ thống AI. Các thuật toán được cải tiến và đổi mới liên tục có thể nâng cao độ chính xác, tính mạnh mẽ và khả năng tổng quát của hệ thống AI.
Dữ liệu: Nhiệm vụ cốt lõi của hệ thống AI là trích xuất các mô hình và quy luật từ dữ liệu thông qua việc học và đào tạo. Dữ liệu là nền tảng để đào tạo và tối ưu hóa mô hình, thông qua các mẫu dữ liệu quy mô lớn, hệ thống AI có thể học được các mô hình chính xác hơn và thông minh hơn. Tập dữ liệu phong phú có thể cung cấp thông tin toàn diện và đa dạng hơn, giúp mô hình có thể tổng quát tốt hơn với dữ liệu chưa thấy, giúp hệ thống AI hiểu và giải quyết tốt hơn các vấn đề trong thế giới thực.
Sau khi hiểu ba yếu tố cốt lõi của AI, hãy xem AI gặp phải những khó khăn và thách thức gì trong ba lĩnh vực này:
Về mặt tính toán, các nhiệm vụ AI thường cần nguồn tài nguyên tính toán lớn để đào tạo và suy diễn mô hình, đặc biệt là đối với các mô hình học sâu. Việc có được và quản lý sức mạnh tính toán quy mô lớn là một thách thức tốn kém và phức tạp. Chi phí, tiêu thụ năng lượng và bảo trì của các thiết bị tính toán hiệu suất cao đều là vấn đề. Đặc biệt đối với các công ty khởi nghiệp và các nhà phát triển cá nhân, việc có đủ sức mạnh tính toán có thể là một khó khăn.
Về mặt thuật toán, mặc dù các thuật toán học sâu đã đạt được thành công lớn trong nhiều lĩnh vực, nhưng vẫn tồn tại một số khó khăn và thách thức. Ví dụ, việc huấn luyện mạng nơ-ron sâu cần một lượng lớn dữ liệu và tài nguyên tính toán, và đối với một số nhiệm vụ, khả năng giải thích và minh bạch của mô hình có thể không đủ. Hơn nữa, tính ổn định và khả năng tổng quát của thuật toán cũng là những vấn đề quan trọng, hiệu suất của mô hình trên dữ liệu chưa thấy có thể không ổn định. Trong số nhiều thuật toán, cách tìm ra thuật toán tốt nhất để cung cấp dịch vụ tốt nhất là một quá trình cần được khám phá liên tục.
Về dữ liệu, dữ liệu là động lực của AI, nhưng việc thu thập dữ liệu chất lượng cao và đa dạng vẫn là một thách thức. Một số lĩnh vực dữ liệu có thể khó thu thập, chẳng hạn như dữ liệu sức khỏe nhạy cảm trong lĩnh vực y tế. Hơn nữa, chất lượng, độ chính xác và việc gán nhãn dữ liệu cũng là vấn đề, dữ liệu không đầy đủ hoặc có thiên kiến có thể dẫn đến hành vi sai lầm hoặc thiên lệch của mô hình. Đồng thời, việc bảo vệ quyền riêng tư và an toàn dữ liệu cũng là những yếu tố quan trọng cần xem xét.
Ngoài ra, còn tồn tại các vấn đề như khả năng giải thích và tính minh bạch, đặc điểm hộp đen của mô hình AI là vấn đề được công chúng quan tâm. Đối với một số ứng dụng, như tài chính, y tế và tư pháp, quá trình ra quyết định của mô hình cần phải có thể giải thích và truy nguyên, trong khi các mô hình học sâu hiện có thường thiếu tính minh bạch. Việc giải thích quá trình ra quyết định của mô hình và cung cấp các giải thích đáng tin cậy vẫn là một thách thức.
Ngoài ra, nhiều mô hình kinh doanh của các dự án khởi nghiệp AI không đủ rõ ràng, điều này cũng khiến nhiều doanh nhân khởi nghiệp AI cảm thấy bối rối.
2.2 Những khó khăn mà ngành Web3 phải đối mặt
Trong ngành Web3, hiện tại cũng có nhiều khía cạnh khác nhau cần giải quyết, bất kể là phân tích dữ liệu của Web3, hay trải nghiệm người dùng kém của sản phẩm Web3, hoặc là vấn đề về lỗ hổng mã hợp đồng thông minh và các cuộc tấn công của hacker, đều có nhiều không gian để cải thiện. AI như một công cụ tăng năng suất, cũng có nhiều tiềm năng để phát huy trong những lĩnh vực này.
Đầu tiên là sự nâng cao khả năng phân tích dữ liệu và dự đoán: Việc ứng dụng công nghệ AI trong phân tích dữ liệu và dự đoán đã mang lại ảnh hưởng lớn cho ngành Web3. Thông qua việc phân tích và khai thác thông minh bằng thuật toán AI, các nền tảng Web3 có thể trích xuất thông tin có giá trị từ lượng dữ liệu khổng lồ và thực hiện các dự đoán và quyết định chính xác hơn. Điều này có ý nghĩa quan trọng trong việc đánh giá rủi ro, dự đoán thị trường và quản lý tài sản trong lĩnh vực tài chính phi tập trung (DeFi).
Ngoài ra, cũng có thể cải thiện trải nghiệm người dùng và dịch vụ cá nhân hóa: Việc áp dụng công nghệ AI giúp các nền tảng Web3 cung cấp trải nghiệm người dùng tốt hơn và dịch vụ cá nhân hóa. Bằng cách phân tích và mô hình hóa dữ liệu người dùng, các nền tảng Web3 có thể cung cấp các gợi ý cá nhân hóa, dịch vụ tùy chỉnh và trải nghiệm tương tác thông minh cho người dùng. Điều này giúp tăng cường mức độ tham gia và sự hài lòng của người dùng, thúc đẩy sự phát triển của hệ sinh thái Web3, ví dụ như nhiều giao thức Web3 kết nối với các công cụ AI như ChatGPT để phục vụ người dùng tốt hơn.
Trong lĩnh vực an ninh và bảo vệ quyền riêng tư, việc ứng dụng AI cũng có tác động sâu sắc đến ngành Web3. Công nghệ AI có thể được sử dụng để phát hiện và phòng ngừa các cuộc tấn công mạng, nhận diện hành vi bất thường và cung cấp bảo đảm an ninh mạnh mẽ hơn. Đồng thời, AI cũng có thể được ứng dụng trong việc bảo vệ quyền riêng tư dữ liệu, thông qua mã hóa dữ liệu và tính toán quyền riêng tư, bảo vệ thông tin cá nhân của người dùng trên nền tảng Web3. Trong việc kiểm toán hợp đồng thông minh, do có thể tồn tại lỗ hổng và rủi ro an ninh trong quá trình viết và kiểm toán hợp đồng, công nghệ AI có thể được sử dụng để tự động hóa việc kiểm toán hợp đồng và phát hiện lỗ hổng, nâng cao tính an toàn và độ tin cậy của hợp đồng.
Có thể thấy, đối với những khó khăn mà ngành Web3 đang phải đối mặt và tiềm năng cải thiện, AI có thể tham gia và hỗ trợ trong nhiều lĩnh vực.
Ba, Phân tích tình trạng hiện tại của dự án AI + Web3
Các dự án kết hợp AI và Web3 chủ yếu bắt đầu từ hai khía cạnh lớn, sử dụng công nghệ blockchain để nâng cao hiệu suất của các dự án AI, và sử dụng công nghệ AI để phục vụ cho việc nâng cao các dự án Web3.
Xung quanh hai khía cạnh này, một loạt các dự án đã xuất hiện để khám phá con đường này, bao gồm các dự án đa dạng như Io.net, Gensyn, Ritual, v.v. Tiếp theo, bài viết này sẽ phân tích tình hình và phát triển của các tiểu lĩnh vực khác nhau từ việc AI hỗ trợ web3 và Web3 hỗ trợ AI.
3.1 Web3 hỗ trợ AI
3.1.1 Tính toán phân quyền
Kể từ khi một nền tảng ra mắt ChatGPT vào cuối năm 2022, đã kích hoạt cơn sốt AI, chỉ sau 5 ngày ra mắt số lượng người dùng đã đạt 1 triệu, trong khi một nền tảng khác mất khoảng hai tháng rưỡi mới đạt được 1 triệu lượt tải xuống. Sau đó, ChatGPT cũng phát triển rất nhanh, trong vòng 2 tháng, số lượng người dùng hoạt động hàng tháng đã đạt 100 triệu, đến tháng 11 năm 2023, số lượng người dùng hoạt động hàng tuần đã đạt 100 triệu. Cùng với sự ra đời của ChatGPT, lĩnh vực AI cũng nhanh chóng bùng nổ từ một ngách nhỏ trở thành một ngành thu hút sự chú ý lớn.
Theo một báo cáo, ChatGPT cần 30.000 GPU của một thương hiệu nào đó để vận hành, và tương lai GPT-5 sẽ cần số lượng tính toán lớn hơn nhiều. Điều này cũng đã khiến các công ty AI bắt đầu một cuộc chạy đua vũ trang, chỉ có những ai nắm giữ đủ sức mạnh tính toán mới có thể chắc chắn có đủ động lực và lợi thế trong cuộc chiến AI, vì vậy đã xuất hiện tình trạng thiếu hụt GPU.
Trước khi AI phát triển, khách hàng của nhà cung cấp GPU lớn nhất tập trung vào ba dịch vụ đám mây chính. Với sự gia tăng của trí tuệ nhân tạo, đã xuất hiện một lượng lớn người mua mới, bao gồm các công ty công nghệ lớn cũng như các nền tảng dữ liệu và các công ty khởi nghiệp AI khác, tham gia vào cuộc chiến tích trữ GPU để huấn luyện các mô hình trí tuệ nhân tạo. Một số công ty công nghệ lớn đã tăng cường đáng kể lượng mua các mô hình AI tùy chỉnh và nghiên cứu nội bộ. Một số công ty mô hình cơ bản cũng như nền tảng dữ liệu đã mua thêm nhiều GPU để giúp khách hàng cung cấp dịch vụ trí tuệ nhân tạo.
Như một phân tích năm ngoái đã đề cập đến "những người giàu GPU và những người nghèo GPU", một số ít công ty sở hữu hơn 20.000 GPU cao cấp, các thành viên trong nhóm có thể sử dụng từ 100 đến 1.000 GPU cho dự án. Những công ty này hoặc là nhà cung cấp đám mây hoặc là tự xây dựng LLM, bao gồm một số công ty AI lớn.
Tuy nhiên, hầu hết các công ty đều là những người nghèo GPU, chỉ có thể vật lộn với một số lượng GPU ít ỏi, tốn nhiều thời gian và công sức để làm những việc khó khăn trong việc thúc đẩy sự phát triển của hệ sinh thái. Hơn nữa, tình trạng này không chỉ giới hạn ở các công ty khởi nghiệp. Số lượng GPU cao cấp của một số công ty trí tuệ nhân tạo nổi tiếng nhất còn ít hơn 20K. Những công ty này có tài năng công nghệ hàng đầu thế giới, nhưng lại bị giới hạn bởi số lượng cung cấp GPU, so với các công ty lớn, họ ở trong thế bất lợi trong cuộc đua trí tuệ nhân tạo.
Sự thiếu hụt này không chỉ giới hạn trong "những người nghèo GPU", thậm chí vào cuối năm 2023, những người đứng đầu trong lĩnh vực AI vì không thể có đủ GPU, đã phải đóng cửa đăng ký trả phí trong vài tuần, đồng thời mua thêm nguồn cung GPU.
Có thể thấy, với sự phát triển nhanh chóng của AI, nhu cầu về GPU đã xuất hiện sự không khớp nghiêm trọng giữa cung và cầu, vấn đề cung không đủ cầu đang trở nên cấp bách.
Để giải quyết vấn đề này, một số dự án Web3 đã bắt đầu thử nghiệm kết hợp các đặc điểm công nghệ của Web3, cung cấp dịch vụ tính toán phi tập trung, bao gồm Akash, Render, Gensyn, v.v. Điểm chung của các dự án này là thông qua token để khuyến khích người dùng cung cấp sức mạnh GPU nhàn rỗi, trở thành bên cung cấp sức mạnh tính toán, nhằm hỗ trợ cho khách hàng AI.
Hình ảnh bên cung chủ yếu có thể chia thành ba khía cạnh: nhà cung cấp dịch vụ đám mây, thợ mỏ tiền điện tử, doanh nghiệp.
Các nhà cung cấp dịch vụ đám mây bao gồm các nhà cung cấp dịch vụ đám mây lớn và các nhà cung cấp dịch vụ đám mây GPU, người dùng có thể bán lại sức mạnh tính toán của các nhà cung cấp dịch vụ đám mây không sử dụng để kiếm thu nhập. Các thợ mỏ tiền điện tử khi một chuỗi công khai nào đó chuyển từ PoW sang PoS, sức mạnh tính toán GPU không sử dụng cũng trở thành một nguồn cung tiềm năng quan trọng. Hơn nữa, một số doanh nghiệp lớn vì lý do chiến lược đã mua một lượng lớn GPU, cũng có thể sử dụng sức mạnh tính toán GPU không sử dụng như một nguồn cung.
Hiện tại, người chơi trong lĩnh vực này có thể chia thành hai loại, một loại sử dụng sức mạnh tính toán phi tập trung cho suy diễn AI, loại còn lại sử dụng sức mạnh tính toán phi tập trung cho việc đào tạo AI. Loại đầu tiên như Render( mặc dù tập trung vào việc render, nhưng cũng có thể được sử dụng để cung cấp sức mạnh tính toán AI), Akash, Aethir, v.v.; loại thứ hai như io.net( có thể hỗ trợ cả suy diễn và đào tạo), Gensyn, sự khác biệt lớn nhất giữa hai loại này là yêu cầu về sức mạnh tính toán là khác nhau.
Trước tiên, hãy nói về các dự án AI suy diễn trước đây, loại dự án này thu hút người dùng tham gia cung cấp sức mạnh tính toán thông qua việc khuyến khích bằng mã thông báo, sau đó cung cấp dịch vụ mạng sức mạnh tính toán cho phía cầu, từ đó thực hiện việc khớp cung cầu sức mạnh tính toán không sử dụng.
Điểm cốt lõi nhất là thông qua cơ chế khuyến khích bằng token, dự án trước tiên thu hút nhà cung cấp, sau đó thu hút người dùng sử dụng, từ đó đạt được khởi động lạnh cho dự án và cơ chế vận hành cốt lõi, từ đó có thể tiến.