Trong những năm gần đây, với việc liên tục phát hành các sản phẩm dòng sản phẩm GPT, trí tuệ nhân tạo đang biến đổi các ngành công nghiệp khác nhau. Chúng ta đã chứng kiến ​​các ứng dụng AI khác nhau gia nhập vào công việc hàng ngày và cuộc sống của chúng ta, tăng cường hiệu suất làm việc, thay đổi thói quen lối sống và giảm chi phí hoạt động doanh nghiệp. Chúng ta phải thừa nhận rằng AI đang trở thành điểm khởi đầu cho cuộc cách mạng công nghệ tiếp theo.

Hạt nhân của cuộc cách mạng công nghệ AI nằm ở sức mạnh tính toán đầy đủ, mô hình thuật toán và một lượng lớn dữ liệu huấn luyện. Hiện nay, sức mạnh tính toán GPU hiệu suất cao đang khan hiếm và đắt đỏ, các thuật toán có xu hướng đồng nhất và có vấn đề về sự tuân thủ dữ liệu và bảo vệ quyền riêng tư cho dữ liệu huấn luyện mô hình. Công nghệ Blockchain sở hữu đặc điểm như phân cấp và lưu trữ phân tán, có thể được áp dụng hiệu quả trong việc phát triển, triển khai và vận hành các mô hình AI.

Sử dụng các đặc điểm của Blockchain để giải quyết vấn đề sức mạnh tính toán AI.

Đối với quá trình phát triển trí tuệ nhân tạo, đối mặt với những vấn đề như thiếu nguồn lực tính toán GPU và chi phí sử dụng cao, một số dự án blockchain đang cố gắng giải quyết chúng thông qua các giải pháp dựa trên blockchain.

Render Network là một nền tảng rendering phân tán hiệu suất cao kết nối khoảng cách giữa nhu cầu sức mạnh tính toán GPU và các nhà cung cấp tài nguyên GPU không hoạt động sử dụng phần mềm otoy hàng đầu ngành công nghiệp. Thiết lập này cho phép cung cấp tài nguyên GPU không hoạt động cho các lĩnh vực tính toán đòi hỏi cao như trí tuệ nhân tạo và thực tế ảo với chi phí thấp hơn.

Trong hệ sinh thái này, các nhà cung cấp GPU không hoạt động kết nối thiết bị của họ với Render Network để hoàn thành các nhiệm vụ render khác nhau, trong khi người yêu cầu bồi thường các nhà cung cấp GPU bằng phần thưởng token. Phương pháp phi tập trung này tối đa hóa hiệu quả sử dụng tài nguyên, tạo ra giá trị cho các bên tham gia và giảm chi phí phát triển và vận hành của trí tuệ nhân tạo. Vào tháng 12 năm ngoái, Render đã đạt được một bước nhảy vọt đáng kể bằng cách di dời cơ sở hạ tầng của mình từ chuỗi Ethereum sang Solana có TPS cao, tận dụng hiệu suất cao và khả năng mở rộng lớn hơn của Solana để tăng cường khả năng của Render, bao gồm streaming thời gian thực và nén trạng thái.

Hình ảnh được render trên Mạng Render

Akash là một nền tảng điện toán phi tập trung tổng hợp CPU, GPU, lưu trữ, băng thông, địa chỉ IP chuyên dụng và các tài nguyên mạng khác trên toàn thế giới và cho các doanh nghiệp và cá nhân thuê chúng đòi hỏi sức mạnh tính toán cao cho các tác vụ như trí tuệ nhân tạo. Điều này cho phép họ tận dụng tối đa các tài nguyên này và cung cấp dịch vụ cho thuê GPU. Người dùng cung cấp tài nguyên cho thuê GPU nhận được mã thông báo AKT, trong khi người yêu cầu có quyền truy cập vào sức mạnh tính toán với chi phí thấp. Mã thông báo nền tảng AKT không chỉ được sử dụng để giải quyết thanh toán cho các tài nguyên mạng đã thuê mà còn đóng vai trò là động lực để khuyến khích người xác thực tham gia quản trị hệ sinh thái và bảo trì an ninh mạng. Nền tảng tính một khoản phí giao dịch nhất định để giải quyết thanh toán cho tài nguyên mạng, cho phép tất cả những người tham gia vào hệ sinh thái nền tảng tạo thu nhập và thúc đẩy khả năng tồn tại lâu dài của nền tảng và tăng trưởng liên tục mô hình kinh doanh.

Đồ thị thống kê tài nguyên mạng thời gian thực của Akash Network

Livepeer là một nền tảng mạng cơ sở hạ tầng video cho phương tiện truyền thông trực tiếp và theo yêu cầu. Người dùng có thể tham gia vào mạng bằng cách chạy phần mềm nền tảng và sử dụng GPU, băng thông và tài nguyên khác của máy tính để mã hóa và phân phối video. Phương pháp này cải thiện đáng kể độ tin cậy của luồng video và giảm chi phí liên quan như mã hóa và phân phối lên tới 50 lần. Hơn nữa, dự án Livepeer đang giới thiệu các nhiệm vụ tính toán video AI vào mạng Livepeer, sử dụng mạng GPU của mình do các điều phối viên vận hành để tạo ra các video AI chất lượng cao, qua đó giảm chi phí tạo nội dung video.

Từ mô tả về các dự án blockchain ở trên, rõ ràng rằng blockchain có thể tận dụng tính phân quyền và phân phối của mình để sử dụng hiệu quả tài nguyên mạng không hoạt động để giải quyết vấn đề thiếu hụt sức mạnh tính toán AI và chi phí cao hiện tại. Khi mô hình này được xác nhận và được công nhận trong nhiều kịch bản thực tế hơn và bởi các startup AI trong tương lai, nó sẽ giảm bớt đáng kể vấn đề về sức mạnh tính toán.

Sự tích hợp của trí tuệ nhân tạo với dữ liệu Blockchain.

Dữ liệu là nền tảng của các mô hình AI, và dữ liệu được sử dụng để huấn luyện các mô hình xác định sự khác biệt giữa các mô hình AI khác nhau. So với các nguồn dữ liệu khác, dữ liệu blockchain có chất lượng cao hơn và minh bạch, cho phép xác định người dùng trên blockchain.

Arkham là một nền tảng thưởng cho người dùng cung cấp dữ liệu trên chuỗi và phân tích thông tin bằng công nghệ trí tuệ nhân tạo. Bộ máy trí tuệ nhân tạo độc quyền của nó, ULTRA, có thể gắn nhãn địa chỉ trên chuỗi với người dùng thực tế, cho phép các địa chỉ không nguồn trên chuỗi phi tập trung được liên kết với cá nhân thực tế. Bằng cách thu thập một lượng lớn dữ liệu được gắn nhãn cho các địa chỉ không nguồn trên chuỗi thông qua các mô hình trí tuệ nhân tạo, người dùng có thể khám phá thông tin giao dịch trên chuỗi của các thực thể thông qua Arkham. Được biết rằng thách thức lớn nhất trong điều tra tội phạm tiền điện tử là xác định việc chuyển tiền qua các địa chỉ không nguồn. Cơ quan quản lý có thể theo dõi và điều tra các hoạt động tội phạm như rửa tiền và gian lận thông qua dữ liệu được gắn nhãn do Arkham cung cấp.

Bản đồ trực quan hóa dữ liệu trên chuỗi của nền tảng Arkham

Ngoài ra, Arkham cũng có tính năng giao dịch thông tin thông minh trên chuỗi. Tính năng liên sàn của Arkham cho phép sự trao đổi giữa địa chỉ trên chuỗi và thông tin thế giới thực ngoại chuỗi. Người dùng có thể thu thập thông tin thông minh trên chuỗi thông qua phần thưởng thám tử trên nền tảng và thông tin thông minh trên chuỗi có giá trị cũng có thể được đấu giá trên nền tảng. Để có phân tích chi tiết về các sản phẩm cụ thể, bạn có thể tham khảo bài viếtArkham có thể trở thành công cụ mạnh mẽ cho quy định trên chuỗi không?“ trước đó đã được viết.

Bộ máy trí tuệ nhân tạo của Arkham, ULTRA, đã nhận được sự hỗ trợ trong quá trình phát triển từ Palantir, một công ty phân tích dữ liệu lớn và cung cấp dịch vụ thông minh cho chính phủ Mỹ, cũng như từ các nhà sáng lập của OpenAI. Với sự hỗ trợ mạnh mẽ và truy cập vào một nguồn dữ liệu đào tạo mô hình AI mạnh mẽ, Arkham sở hữu thư viện gán nhãn dữ liệu trên chuỗi mạnh mẽ nhất trong ngành.

Để giảm chi phí lưu trữ lượng dữ liệu lớn cho việc đào tạo mô hình AI, các dự án lưu trữ blockchain như Arweave, Filecoin và Storj đã cung cấp các giải pháp. Cho dù đó là việc thanh toán một lần cho việc lưu trữ vĩnh viễn của Arweave hay mô hình thanh toán linh hoạt theo nhu cầu của Filecoin, những giải pháp này giảm đáng kể chi phí lưu trữ dữ liệu. Ngoài ra, lưu trữ phi tập trung cũng có thể giảm thiểu rủi ro mất dữ liệu do thảm họa tự nhiên so với các phương pháp lưu trữ truyền thống.

Khi sử dụng ChatGPT có thể cải thiện hiệu suất làm việc, tuy nhiên việc tối ưu hóa mô hình để tăng cường độ chính xác của cuộc trò chuyện AI đòi hỏi lượng lớn dữ liệu người dùng để huấn luyện và điều chỉnh tốt. Do đó, có nguy cơ rò rỉ dữ liệu nhạy cảm và thông tin cá nhân. Zama là một công ty mật mã mã nguồn mở xây dựng các giải pháp mã hóa toàn diện hàng đầu (FHE) cho blockchain và trí tuệ nhân tạo. Zama Concrete ML có thể xử lý an toàn dữ liệu nhạy cảm, cho phép hợp tác dữ liệu giữa các cơ sở khác nhau trong khi duy trì tính bảo mật, cải thiện hiệu suất và bảo mật dữ liệu. Nó mã hóa dữ liệu riêng tư như hồ sơ y tế cá nhân trong quá trình huấn luyện, đảm bảo rằng mỗi người dùng chỉ có thể thấy kết quả cuối cùng mà không thể xem dữ liệu nhạy cảm của người khác.

Sự tích hợp của các đại lý AI với các Dự án Blockchain.

OpenAI định nghĩa một AI Agent như một hệ thống được điều khiển bởi một mô hình ngôn ngữ lớn (LLM) có khả năng tự hiểu, nhận thức, lập kế hoạch, ghi nhớ và sử dụng công cụ, cho phép nó tự động hóa việc thực hiện các nhiệm vụ phức tạp. Với việc liên tục phát hành các mô hình GPT của OpenAI, có ngày càng nhiều ứng dụng của AI agents được triển khai.

Fetch.ai là một mạng lưới blockchain tự học chủ yếu để hỗ trợ các hoạt động kinh tế giữa các đại lý trí tuệ AI tự động. Fetch.ai bao gồm bốn phần: AI Agents, Agentverse, AI Engine và mạng Fetch. Người dùng có thể tạo, phát triển và triển khai các đại lý trí tuệ AI của riêng mình bằng cách sử dụng các trường hợp sử dụng đại lý AI được cung cấp bởi nền tảng trên Agentverse. Họ cũng có thể quảng bá đại lý AI của mình đến người dùng khác trên nền tảng. DeltaV là giao diện trò chuyện dựa trên AI trong Fetch.ai. Người dùng nhập yêu cầu thông qua giao diện này, và AI Engine đọc đầu vào của người dùng, chuyển đổi nó thành các nhiệm vụ có thể thực hiện và chọn đại lý AI phù hợp nhất trong Agentverse để thực hiện nhiệm vụ. Hiện tại, công ty Đức Bosch đang hợp tác với Fetch.ai để nghiên cứu tích hợp công nghệ đại lý AI với ứng dụng di động và nhà thông minh, mở cửa cùng nhau vào kỷ nguyên Web3 của nền kinh tế Internet of Things.

Sự cấu thành của hệ sinh thái Fetch.ai

Ngoài ra, ứng dụng AI Agent QnA3.AI giới thiệu robot hỏi đáp AI của ngành công nghiệp mã hóa, robot phân tích kỹ thuật và khả năng giao dịch tài sản vào thế giới Web3. Thông qua QnA3 Bot, người dùng có thể thu thập, phân tích và thực hiện các giao dịch thực tế khi giao dịch tài sản tiền điện tử. Hành vi được thực hiện thông qua các chức năng sản phẩm "Câu hỏi và trả lời", "Phân tích kỹ thuật" và "Giao dịch thời gian thực", giúp giảm thiểu sự can thiệp của cảm xúc chủ quan của người dùng trong quyết định giao dịch của họ.

Rủi ro pháp lý có thể xảy ra

1. Rủi ro xuất khẩu dữ liệu

Trong phần giới thiệu trên, đã đề cập đến việc một số dự án lưu trữ phi tập trung đang giải quyết vấn đề lưu trữ dữ liệu cho việc huấn luyện mô hình trí tuệ nhân tạo với chi phí thấp hơn. Điều này giảm thiểu rào cản đối với cá nhân và các doanh nghiệp khởi nghiệp chuyên sâu về trí tuệ nhân tạo. Tuy nhiên, phương pháp lưu trữ phi tập trung này có thể mang lại các rủi ro về việc dữ liệu rời khỏi phạm vi luật pháp.

Văn phòng Thông tin Internet Quốc gia đã ban hành “Hướng dẫn về Đánh giá An ninh Xuất dữ liệu (Phiên bản đầu tiên)”, trong đó rõ ràng nêu rằng hành vi xuất dữ liệu bao gồm:

(1) Chuyển và lưu trữ dữ liệu được thu thập và tạo ra trong quá trình hoạt động nội địa tới các địa điểm ở nước ngoài bởi các bộ xử lý dữ liệu;

(2) Lưu trữ dữ liệu được thu thập và tạo ra bởi các bộ xử lý dữ liệu trong nước, và cho phép các cơ quan, tổ chức hoặc cá nhân ở nước ngoài truy vấn, truy xuất, tải xuống và xuất dữ liệu;

(3) Hành vi xuất dữ liệu khác được quy định bởi Văn phòng Thông tin Internet Quốc gia.

Vậy, định nghĩa của "xuất khẩu" là gì? Điều 89 của Luật Quản lý Xuất nhập cảnh của Cộng hòa Nhân dân Trung Hoa quy định rõ rằng "xuất khẩu" đề cập đến việc đi từ Trung Quốc đại lục đến các quốc gia hoặc khu vực khác, đi từ Trung Quốc đại lục đến Đặc khu Hành chính Hồng Kông hoặc Đặc khu Hành chính Ma Cao và đi từ Trung Quốc đại lục đến Đài Loan. Do đó, có thể thấy việc xác định có xuất khẩu hay không là dựa trên thẩm quyền.

Đối với các dự án lưu trữ phi tập trung, người dùng lưu trữ dữ liệu trong các mạng phân tán phi tập trung như IPFS. Các tệp được lưu trữ trong mạng được chia thành một số phần nhỏ của dữ liệu, được mã hóa và lưu trữ trên các nút khác nhau, với các nút lưu trữ phân tán trên toàn cầu. Hãy tưởng tượng nếu một công ty khởi nghiệp AI trong nước muốn lưu trữ dữ liệu để huấn luyện mô hình AI trên các nút của các dự án phi tập trung như vậy, thực sự có nguy cơ xuất khẩu dữ liệu.

2. Rủi ro rò rỉ dữ liệu riêng tư nhạy cảm

Trong các ứng dụng AI Agent như QnA3.AI, người dùng tham gia vào các cuộc trò chuyện với AI để có thông tin giao dịch cho tài sản mã hóa và thực hiện các giao dịch. Cuộc đối thoại cá nhân Q&A được tạo ra từ những tương tác này đặt ra một nguy cơ tiết lộ dữ liệu riêng tư nếu được dự án sử dụng cho việc huấn luyện mô hình và tối ưu hóa. Sự rò rỉ dữ liệu giao dịch như vậy, nếu bị khai thác bởi các bên tấn công độc hại, có thể dẫn đến thất bại đầu tư và tiềm ẩn những tổn thất lớn hơn.

Thông báo:

1. Bài viết này được tái bản từ [ web3caff]Tất cả bản quyền thuộc về tác giả gốc[Chris Chuyan]. Nếu có ý kiến ​​phản đối về việc tái bản này, vui lòng liên hệ Gate Learnnhóm và họ sẽ xử lý ngay lập tức.
2. Liability Disclaimer: Quan điểm và ý kiến được thể hiện trong bài viết này chỉ thuộc về tác giả và không cấu thành bất kỳ lời khuyên đầu tư nào.
3. Các bản dịch của bài viết sang các ngôn ngữ khác được thực hiện bởi nhóm Gate Learn. Trừ khi có được ghi chú, việc sao chép, phân phối hoặc đạo văn các bài viết dịch là không được phép.