Lời nói đầu

Trong năm vừa qua, sự xuất hiện của các mô hình AI sinh sáng lớn như ChatGPT đã đẩy mạnh AI vượt qua các công cụ tự động hóa cơ bản để trở thành các hệ thống quyết định và dự báo phức tạp, khẳng định mình là một lực lượng quan trọng đẩy mạnh sự tiến bộ của xã hội. Sự tiến hóa này đã dẫn đến một sự bùng nổ trong sản phẩm và ứng dụng AI, với ChatGPT giới thiệu các sản phẩm đáng chú ý như GPTs và Sora. NVIDIA, một nhà cung cấp quan trọng trong cơ sở hạ tầng AI, luôn vượt xa mong đợi, với doanh thu từ kinh doanh trung tâm dữ liệu đóng góp hơn 83% doanh thu trong quý IV của năm tài chính 2024, đánh dấu một sự tăng trưởng đáng kinh ngạc lên đến 409%. Đáng chú ý, 40% doanh thu này được ghi nhận từ các kịch bản suy luận mô hình lớn, nhấn mạnh nhu cầu tăng cường nguồn lực tính toán mạnh mẽ.

Hiện tại, Trí tuệ nhân tạo (AI) đã thu hút sự chú ý đáng kể từ các vòng vốn châu Âu và Mỹ, trong khi thị trường Web3 đang trải qua sự phục hồi mạnh mẽ trong thị trường tăng trưởng. Sự hội tụ giữa AI và Web3 đại diện cho sự giao cắt của hai xu hướng kỹ thuật được tìm kiếm nhiều. Sự xuất hiện gần đây của các dự án tập trung vào chủ đề này nhấn mạnh sự quan tâm sâu sắc của thị trường và kỳ vọng cao đối với sự hội tụ này.

Bỏ qua sự hào nhoáng và bong bóng giá, tình hình phát triển hiện tại của ngành công nghiệp AI+Web như thế nào? Liệu có các kịch bản ứng dụng cụ thể không? Nhìn vào tương lai, chúng ta có thể tạo ra giá trị, xây dựng một câu chuyện, và định hình một ngành công nghiệp không? Ngành công nghiệp AI+Web3 sẽ tiến triển như thế nào về mẫu hệ sinh thái, và những hướng phát triển tiềm năng nào đang chờ đón?

Future3 Campus sẽ đào sâu vào những chủ đề này thông qua một loạt các bài viết, phân tích kỹ lưỡng mọi khía cạnh của chuỗi ngành công nghiệp AI+Web3. Bài viết khai mạc này sẽ cung cấp một cái nhìn tổng quan về cảnh quan ngành công nghiệp và khung cảnh kể chuyện của AI+Web3.

Quá trình sản xuất công việc AI

Về bản chất, việc tích hợp AI+Web3 diễn ra trong hai chiều chính. Thứ nhất, vai trò của Web3 trong việc thúc đẩy sự phát triển của AI, và thứ hai, sự kết hợp của ứng dụng Web3 với công nghệ AI. Hiện nay, trọng tâm chủ yếu đặt ở việc tăng cường sức mạnh cho AI thông qua công nghệ và khái niệm Web3 trên các dự án khác nhau. Do đó, phân tích có thể đi sâu vào việc tích hợp AI với Web3, từ việc huấn luyện mô hình đến sản xuất. Sự xuất hiện của LLM mang đến một số biến thể so với các quy trình học máy truyền thống, tuy nhiên quy trình sản xuất AI được rút gọn thường bao gồm các giai đoạn sau:

1 bộ sưu tập dữ liệu

Dữ liệu đóng vai trò chìa khóa trong suốt vòng đời huấn luyện mô hình AI, đòi hỏi bộ dữ liệu chất lượng cao cho phân tích dữ liệu thăm dò (EDA) để thiết lập các bộ dữ liệu, bảng và hình ảnh có thể tái sản xuất, chỉnh sửa và chia sẻ.

2 Chuẩn bị dữ liệu và kỹ thuật kỹ thuật/hint kỹ thuật

Sau khi thu thập dữ liệu, việc tiền xử lý là không thể thiếu, bao gồm kỹ thuật kỹ thuật đặc trưng trong học máy và kỹ thuật kỹ thuật trong các mô hình lớn. Điều này bao gồm phân loại lặp lại, tổng hợp và loại bỏ trùng lặp để xác định các đặc trưng phức tạp, cùng với sự phát triển lặp lại của những lời nhắc cho các truy vấn có cấu trúc trong LLM. Hơn nữa, việc đảm bảo lưu trữ đáng tin cậy và chia sẻ các đặc trưng/lời nhắc là không thể thiếu.

3 Mô hình huấn luyện và điều chỉnh

Tận dụng thư viện mô hình đa dạng để huấn luyện các mô hình AI, nâng cao hiệu suất, hiệu quả và độ chính xác thông qua việc lặp lại và điều chỉnh liên tục. Đáng chú ý, trong LLM, việc điều chỉnh mô hình liên tục được đạt được thông qua học tăng cường phản hồi từ con người (RLHF).

4 Đánh giá mô hình và quản trị

Sử dụng nền tảng MLOps/LLMOps để tối ưu hóa các quy trình phát triển mô hình bao gồm việc khám phá, theo dõi, chia sẻ và hợp tác mô hình. Điều này đảm bảo chất lượng và tính minh bạch của mô hình trong khi tuân theo các tiêu chuẩn đạo đức và tuân thủ.

5 Mô hình lý luận

Triển khai các mô hình AI đã được huấn luyện để dự đoán trên dữ liệu mới, chưa được nhìn thấy bằng cách sử dụng các tham số đã học để xử lý dữ liệu đầu vào và tạo ra các kết quả dự đoán như phân loại hoặc dự đoán hồi quy.

6 Triển khai mô hình và giám sát

Sau khi xác thực hiệu suất so với các tiêu chuẩn đã đặt, triển khai mô hình vào các ứng dụng thực tế và thiết lập việc theo dõi và bảo trì liên tục để duy trì hiệu suất tối ưu giữa môi trường phát triển.

Trong suốt quá trình này, có rất nhiều cơ hội để tích hợp công nghệ Web3. Hiện nay, các thách thức trong phát triển trí tuệ nhân tạo như sự minh bạch của mô hình, thiên vị và ứng dụng đạo đức đã thu hút sự chú ý rộng rãi. Trong bối cảnh này, việc kết hợp công nghệ Web3 với các giải pháp mật mã như ZK có thể nâng cao sự tin cậy trong các hệ thống trí tuệ nhân tạo. Hơn nữa, nhu cầu gia tăng về ứng dụng trí tuệ nhân tạo nhấn mạnh sự cần thiết của cơ sở hạ tầng và mạng lưới dữ liệu mở và tiết kiệm chi phí. Mô hình mạng phân phối và các mô hình khuyến khích của Web3 có thể thúc đẩy việc phát triển các mạng và cộng đồng trí tuệ nhân tạo mã nguồn mở hơn.

Cảnh quan công nghiệp AI+Web3 và logic kể chuyện

Bằng cách tích hợp quy trình sản xuất AI được mô tả ở trên với việc tích hợp AI với Web3 và xem xét các dự án AI + Web3 phổ biến trên thị trường hiện tại, chúng tôi đã phác thảo cảnh quan của ngành công nghiệp AI + Web3. Chuỗi ngành này có thể được phân chia thành ba tầng: tầng cơ sở, tầng trung gian và tầng ứng dụng.

1. Lớp cơ sở hạ tầng

Lớp cơ sở hạ tầng chủ yếu bao gồm cơ sở hạ tầng máy tính và lưu trữ cần thiết cho toàn bộ quy trình làm việc và quy trình sản xuất AI. Nó tạo điều kiện cho sức mạnh tính toán cần thiết cho việc đào tạo mô hình AI, suy luận và lưu trữ dữ liệu trong suốt vòng đời.

Sự mở rộng nhanh chóng của các ứng dụng trí tuệ nhân tạo đã thúc đẩy sự tăng cường nhu cầu về cơ sở hạ tầng, đặc biệt là khả năng tính toán hiệu suất cao. Do đó, việc cung cấp hiệu suất nâng cao, hiệu quả chi phí và cơ sở hạ tầng tính toán và lưu trữ mạnh mẽ được dự kiến sẽ trở thành một xu hướng quan trọng trong giai đoạn đầu của phát triển trí tuệ nhân tạo, chiếm hơn 50% giá trị chuỗi ngành.

Công nghệ Web3 có tiềm năng thiết lập một mạng lưới tính toán và lưu trữ phi tập trung, tận dụng tài nguyên không hoạt động và phân tán để giảm thiểu đáng kể chi phí cơ sở hạ tầng và phục vụ đa dạng các yêu cầu ứng dụng trí tuệ nhân tạo. Do đó, cơ sở hạ tầng trí tuệ nhân tạo phi tập trung đang trở thành câu chuyện chính.

Các dự án đáng chú ý trong lĩnh vực này bao gồm Mạng Render, tập trung vào dịch vụ kết xuất, Akash và Gensyn cung cấp dịch vụ đám mây phi tập trung và mạng phần cứng tính toán phân tán. Trong lĩnh vực lưu trữ, các dự án nổi bật như Filecoin và Arweave đã gần đây giới thiệu các dịch vụ lưu trữ và tính toán được tùy chỉnh cho lĩnh vực AI.

1. Lớp Trung Gian:

Lớp trung tâm chủ yếu liên quan đến việc tận dụng các công nghệ Web3 để giải quyết các thách thức hiện tại và tăng cường quy trình trong sản xuất AI. Các khía cạnh chính bao gồm:

1) Giai đoạn Thu thập Dữ liệu: Sử dụng danh tính dữ liệu phi tập trung để xây dựng một mạng lưới/thị trường giao dịch dữ liệu mở, bảo vệ quyền riêng tư người dùng và tính toàn vẹn của dữ liệu thông qua mật mã và các tính năng blockchain. Phương pháp này khuyến khích người dùng chia sẻ dữ liệu chất lượng cao, mở rộng nguồn dữ liệu và nâng cao hiệu quả thu thập dữ liệu. Các dự án đáng chú ý trong lĩnh vực này bao gồm Worldcoin và Aspecta cho danh tính trí tuệ nhân tạo, Ocean Protocol cho việc giao dịch dữ liệu, và Grass cho một mạng lưới dữ liệu có ngưỡng tham gia thấp.

2) Giai đoạn Tiền xử lý dữ liệu: Thành lập một nền tảng xử lý dữ liệu AI phân tán và nhận dạng dữ liệu, sử dụng cơ cấu khuyến khích kinh tế để khuyến khích mô hình crowdsourcing cho việc tiền xử lý dữ liệu hiệu quả và tiết kiệm chi phí, mang lại lợi ích cho việc huấn luyện mô hình sau này. Các dự án đại diện bao gồm công cộng AI.

3) Xác minh mô hình và Giai đoạn suy luận: Đối phó với thách thức của dữ liệu và quy trình mô hình không rõ ràng trong trí tuệ nhân tạo, các công nghệ Web3 như ZK và mã hóa homomorphic có thể được tích hợp để xác minh lý do của mô hình, đảm bảo độ chính xác của mô hình trong khi bảo vệ quyền riêng tư của dữ liệu đầu vào. Một kịch bản ứng dụng điển hình là ZKML. Các dự án đại diện kết hợp công nghệ Web3 trong các giai đoạn xác minh mô hình và suy luận bao gồm Bittensor, Privasea và Modulus.

Các dự án ở tầng trung thường ưu tiên các công cụ phát triển, cung cấp dịch vụ bổ sung cho các nhà phát triển và các bên liên quan trong dự án. Nhu cầu thị trường và triển khai thương mại của trí tuệ nhân tạo vẫn đang phát triển ở giai đoạn đầu.

3 Lớp ứng dụng

Ở cấp độ ứng dụng, sự chú ý dịch chuyển sang việc sử dụng công nghệ AI trong ngữ cảnh Web3. Việc tích hợp các ứng dụng Web3 với công nghệ AI nhằm mục đích tăng cường hiệu suất và nâng cao trải nghiệm sản phẩm. Các chức năng AI như tạo nội dung, phân tích và dự đoán có nhiều ứng dụng đa dạng trong game, mạng xã hội, phân tích dữ liệu và dự báo tài chính. Hiện tại, các ứng dụng AI+Web3 có thể được phân loại thành ba loại chính:

1) Loại AIGC: Tận dụng công nghệ tạo sinh AI để cho phép người dùng tạo văn bản, hình ảnh, video, hình đại diện và nội dung khác thông qua cuộc trò chuyện tương tác. Chức năng AI này có thể được trình bày dưới dạng một đại lý AI độc lập hoặc được tích hợp một cách mượt mà vào các sản phẩm. Các dự án đáng chú ý trong danh mục này bao gồm NFPrompt và SleeplessAI.

2) Phân loại phân tích AI: Các nhóm dự án tận dụng dữ liệu độc quyền, cơ sở kiến thức và khả năng phân tích để huấn luyện các mô hình AI dọc theo chiều dọc cho các nhiệm vụ phân tích, ra quyết định và dự đoán. Các mô hình AI này được cung cấp dưới dạng sản phẩm cho người dùng, cung cấp quyền truy cập vào khả năng phân tích AI cho các nhiệm vụ như phân tích dữ liệu, theo dõi thông tin, kiểm tra mã, dự báo tài chính và nhiều hơn nữa. Các dự án đại diện bao gồm Kaito và Dune.

3) Trung tâm AI Agent: Đóng vai trò là trung tâm cho các đại lý AI khác nhau, danh mục này thường cho phép người dùng tạo ra các đại lý AI tùy chỉnh mà không cần mã hóa, tương tự như GPTs. Các dự án đáng chú ý trong lĩnh vực này bao gồm My Shell và Fetch.ai.

Mặc dù hiện chưa có dự án nổi bật trong lớp ứng dụng, nhưng nó giữ tiềm năng tăng trưởng đáng kể trong dài hạn. Sự thành công trong lĩnh vực ứng dụng AI+Web3 không chỉ phụ thuộc vào sự đổi mới công nghệ mà còn phụ thuộc vào việc tích luỹ năng lực sản phẩm và chuyên môn kỹ thuật. Đặc biệt trong lĩnh vực AI, các sản phẩm cung cấp trải nghiệm người dùng vượt trội sẽ có lợi thế cạnh tranh trong cảnh quan cảnh này đang phát triển.

**Disclaimer:

1. Bài viết này được sao chép từ [Gatemarsbit], tiêu đề gốc là “Hành trình phát triển tương lai của AI+Web3 (1): Cảnh quan công nghiệp và logic kể chuyện”, bản quyền thuộc về tác giả gốc [Wanxiang Blockchain] , nếu bạn có bất kỳ ý kiến ​​nào về việc sao chép, vui lòng liên hệ Gate Learn Teamđội sẽ xử lý nó càng sớm càng tốt theo các quy trình liên quan.

2. Lời từ chối: Các quan điểm và ý kiến được thể hiện trong bài viết này chỉ đại diện cho quan điểm cá nhân của tác giả và không cấu thành bất kỳ lời khuyên đầu tư nào.

3. Các phiên bản ngôn ngữ khác của bài viết được dịch bởi nhóm Gate Learn, không được đề cập trong Gate.io, bài viết dịch có thể không được sao chép, phân phối hoặc đạo văn.