Grayscale：AI时代，mã hóa用例如何大展拳脚？

Tác giả gốc: Will Ogden Moore

Bản dịch gốc: Luffy, Foresight News

Đọc thêm:

《AI 浪潮再袭，一文盘点灰度 AI 基金Nắm giữ项目》

Trí tuệ nhân tạo (AI) là một trong những công nghệ mới có triển vọng nhất của thế kỷ này, nó có khả năng tăng gấp đôi năng suất lao động của con người và thúc đẩy các bước đột phá trong y học. Mặc dù trí tuệ nhân tạo đã bắt đầu lộ diện, nhưng tầm ảnh hưởng của nó trong tương lai sẽ càng lớn hơn. PwC ước tính rằng đến năm 2030, nó sẽ phát triển thành một ngành công nghiệp khổng lồ trị giá 15 nghìn tỷ đô la.

Tuy nhiên, công nghệ triển vọng này cũng đối mặt với thách thức. Khi trí tuệ nhân tạo trở nên mạnh mẽ hơn, ngành công nghiệp trí tuệ nhân tạo trở nên rất mã hóa, quyền lực tập trung vào một số ít công ty, điều này là một mối đe dọa tiềm ẩn đối với toàn bộ xã hội nhân loại. Trí tuệ nhân tạo cũng gây ra lo ngại nghiêm trọng về nguy cơ làm giả, thành kiến và riêng tư dữ liệu. May mắn thay, Tiền điện tử và tính chất Phi tập trung và minh bạch của nó đã cung cấp một số giải pháp tiềm năng cho một số vấn đề này.

Dưới đây, chúng tôi sẽ thảo luận về các vấn đề gây ra bởi trung tâm hóa và cách mà trí tuệ nhân tạo Phi tập trung có thể giúp giải quyết một số vấn đề, và đề cập đến lĩnh vực chéo giữa tiền điện tử và trí tuệ nhân tạo hiện tại, tập trung vào ứng dụng mã hóa đã cho thấy dấu hiệu sớm của việc áp dụng.

Vấn đề Trí tuệ nhân tạo tập trung

Hiện nay, sự phát triển của trí tuệ nhân tạo đang đối mặt với một số thách thức và rủi ro nhất định. Hiệu ứng mạng của trí tuệ nhân tạo và nhu cầu vốn đầu tư dày đặc là rất đáng kể, đến mức các nhà phát triển trí tuệ nhân tạo ngoài các công ty công nghệ lớn, như các công ty nhỏ hoặc các nhà nghiên cứu học thuật, hoặc gặp khó khăn trong việc có được tài nguyên cần thiết cho việc phát triển, hoặc không thể thương mại hóa. Điều này hạn chế sự cạnh tranh và sáng tạo chung của trí tuệ nhân tạo.

Do đó, sự ảnh hưởng của công nghệ quan trọng này tập trung chủ yếu trong tay một số công ty như OpenAI và Google, điều này đã gây ra sự đặt câu hỏi nghiêm trọng về việc quản lý trí tuệ nhân tạo. Ví dụ, vào tháng 2 năm nay, Gemini, công cụ tạo hình ảnh trí tuệ nhân tạo của Google, đã tiếp tục phơi bày sự thiên vị chủng tộc và các sai lầm lịch sử. Ngoài ra, vào tháng 11 năm ngoái, một hội đồng gồm sáu người đã quyết định sa thải CEO của OpenAI, Sam Altman, tiết lộ sự thực rằng một số người kiểm soát các công ty này.

Với sức mạnh và sự quan trọng ngày càng tăng của trí tuệ nhân tạo, nhiều người lo lắng rằng một công ty có thể kiểm soát quyền quyết định về mô hình trí tuệ nhân tạo có tác động lớn đến xã hội, và nó có thể thiết lập hàng rào, hoạt động đóng cửa, hoặc thao túng mô hình vì lợi ích của chính mình.

Cách trí tuệ nhân tạo cung cấp sự trợ giúp

Phi tập trung AI 是指利用区块链技术以提高透明度和可访问性的方式分配 AI 所有权和治理权。Grayscale Research 认为，Phi tập trung AI 有潜力将这些重要决策从封闭的制度中解放出来，并交接到公众手中。

Công nghệ blockchain có thể giúp các nhà phát triển tiếp cận trí tuệ nhân tạo một cách lâu dài hơn, giảm ngưỡng phát triển và kinh doanh độc lập. Chúng tôi tin rằng điều này có thể giúp cải thiện sự đổi mới và cạnh tranh trong ngành trí tuệ nhân tạo, đồng thời đạt được một sự cân bằng nào đó giữa các công ty nhỏ và các công ty công nghệ lớn.

Ngoài ra, Phi tập trung AI đóng vai trò quan trọng trong việc thực hiện việc đầu tư AI dân chủ. Hiện nay, ngoài vài cổ phiếu công nghệ, hầu như không có cách nào khác để đạt được lợi nhuận tài chính liên quan đến sự phát triển của AI. Trong khi đó, một lượng lớn vốn riêng tư được phân bổ cho các công ty mới thành lập và các công ty tư nhân AI (năm 2022 là 47 tỷ đô la Mỹ, năm 2023 là 42 tỷ đô la Mỹ). Do đó, chỉ có một số nhỏ các nhà đầu tư rủi ro và nhà đầu tư được công nhận mới có thể đạt được lợi nhuận tài chính từ những công ty này. Trái lại, tài sản mã hóa AI của Phi tập trung là công bằng đối với mọi người và tất cả mọi người đều có thể sở hữu một phần trong tương lai của AI.

Lĩnh vực giao cắt này đã phát triển đến đâu?

Sự giao thoa giữa Tiền điện tử và AI vẫn đang ở giai đoạn đầu, nhưng phản ứng của thị trường rất đáng khích lệ. Kể từ tháng 5 năm 2024, khái niệm AI (Lưu ý: Danh mục đầu tư tiền điện tử được xác định bởi Grayscale Research, bao gồm NEAR, FET, RNDR, FIL, TAO, THETA, AKT, AGIX, WLD, AIOZ, TFUEL, GLM, PRIME, OCEAN, ARKM và LTP. ) lợi nhuận 20%, chỉ vượt trội so với danh mục khái niệm tiền tệ (Hình 1). Ngoài ra, theo nhà cung cấp dữ liệu Kaito, AI hiện đang là “câu chuyện” hot nhất trên các nền tảng xã hội, so với các chủ đề khác như Tài chính phi tập trung, Layer 2, Memecoin và tài sản trong thế giới thực.

Gần đây, một số người nổi tiếng đã bắt đầu nắm lấy lĩnh vực xuyên suốt mới nổi này và làm việc để giải quyết những thiếu sót của AI tập trung. Vào tháng 3 năm nay, Emad Mostaque, người sáng lập Stability AI, một công ty AI nổi tiếng, đã rời công ty để khám phá Phi tập trung AI, nói rằng “đã đến lúc AI phải cởi mở và Phi tập trung”. Doanh nhân tiền điện tử Erik Vorhees gần đây đã ra mắt Venice.ai, một dịch vụ AI tập trung vào quyền riêng tư với khả năng mãhóa đầu cuối.

Hình 1: Kể từ đầu năm nay, hiệu suất của lĩnh vực trí tuệ nhân tạo gần như vượt trội hơn tất cả các lĩnh vực con của Tài sản tiền điện tử.

Chúng ta có thể chia tích hợp Tiền điện tử và Trí tuệ nhân tạo thành ba loại con chính:

• Tầng cơ sở hạ tầng: Mạng lưới cung cấp nền tảng cho phát triển trí tuệ nhân tạo (ví dụ: NEAR, TAO, FET);
• Tài nguyên cần thiết cho trí tuệ nhân tạo: cung cấp các tài nguyên then chốt như tính toán, lưu trữ, dữ liệu cần thiết cho phát triển trí tuệ nhân tạo (ví dụ RNDR, AKT, LPT, FIL, AR, MASA);
• Giải quyết vấn đề AI: Cố gắng giải quyết các vấn đề liên quan đến AI như sự gia tăng của robot và giả mạo sâu, cũng như xác thực mô hình (ví dụ như WLD, TRAC, NUM).

Hình 2: Sơ đồ dự án hợp nhất trí tuệ nhân tạo và mã hóa tiền tệ, Nguồn dữ liệu: Grayscale Investments

Mạng lưới cơ sở hạ tầng trí tuệ nhân tạo

Loại đầu tiên là mạng cung cấp cơ sở hạ tầng mở không cần phép, được xây dựng đặc biệt cho việc phát triển trí tuệ nhân tạo (AI). Các mạng này không tập trung vào một loại sản phẩm hoặc dịch vụ AI cụ thể, mà là tạo ra cơ sở hạ tầng và cơ chế động viên cho đa dạng ứng dụng AI.

NEAR nổi bật trong danh mục này với một trong những người sáng lập của nó là một trong những tác giả cùng nhau của kiến trúc “Transformer”, kiến trúc này hỗ trợ các hệ thống AI như ChatGPT. Tuy nhiên, công ty này gần đây đã sử dụng kiến thức chuyên môn về AI của mình và thông qua bộ phận nghiên cứu do một nhóm cố vấn dẫn dắt bởi một kỹ sư nghiên cứu cũ của OpenAI, công ty đã công bố kết quả nghiên cứu trong việc phát triển “AI do người dùng sở hữu”. Vào cuối tháng 6 năm 2024, Near đã khởi động kế hoạch nuôi dưỡng AI để phát triển các mô hình cơ bản gốc của Near, nền tảng dữ liệu ứng dụng AI, khung ứng dụng AI và thị trường tính toán.

Bittensor là một ví dụ nổi bật khác. Bittensor là một nền tảng sử dụng Token TAO để khuyến khích phát triển trí tuệ nhân tạo về mặt kinh tế. Bittensor là một nền tảng cơ bản cho 38 mạng con, mỗi mạng con có các ứng dụng khác nhau như trò chuyện với robot, tạo hình ảnh, dự báo tài chính, dịch ngôn ngữ, huấn luyện mô hình, lưu trữ và tính toán. Mạng Bittensor sử dụng Token TAO để thưởng cho Người khai thác và Người xác thực có hiệu suất tốt nhất trong mỗi mạng con và cung cấp API không cần phép để giúp các nhà phát triển xây dựng ứng dụng trí tuệ nhân tạo cụ thể.

Mạng cơ sở hạ tầng trí tuệ nhân tạo cũng bao gồm các giao thức khác như Fetch.ai và Allora. Fetch.ai là một nền tảng cho phép các nhà phát triển tạo ra các trợ lý trí tuệ nhân tạo phức tạp (hay còn gọi là “đại lý AI”), gần đây đã sáp nhập với AGIX và OCEAN, tổng giá trị khoảng 75 tỷ đô la. Một nền tảng khác là mạng lưới Allora, tập trung vào việc áp dụng trí tuệ nhân tạo vào lĩnh vực tài chính, bao gồm các chiến lược giao dịch tự động trên sàn giao dịch phi tập trung và thị trường dự đoán. Allora vẫn chưa phát hành Token và đã tiến hành một vòng huy động vốn chiến lược vào tháng 6, tổng giá trị huy động đạt 35 triệu đô la.

Cung cấp tài nguyên cần thiết cho trí tuệ nhân tạo

Loại thứ hai là dự án cung cấp tài nguyên cần thiết cho việc phát triển trí tuệ nhân tạo dưới dạng tính toán, lưu trữ hoặc dữ liệu.

Sự bùng nổ của trí tuệ nhân tạo đã tạo ra nhu cầu chưa từng có đối với tài nguyên tính toán dưới dạng GPU. Các thị trường GPU phi tập trung như Render (RNDR), Akash (AKT) và Livepeer (LPT) cung cấp nguồn cung GPU không sử dụng cho các nhà phát triển cần tính toán để huấn luyện mô hình, suy luận mô hình hoặc tạo ra 3D sáng tạo thông minh AI. Render cung cấp khoảng 10.000 GPU, tập trung vào nghệ sĩ và AI sáng tạo, trong khi Akash cung cấp 400 GPU, tập trung vào nhà phát triển và nhà nghiên cứu AI. Trong khi đó, Livepeer vừa thông báo về kế hoạch mạng con AI mới của họ, với mục tiêu hoàn thành chức năng chuyển đổi văn bản thành hình ảnh, văn bản thành video và hình ảnh thành video vào tháng 8 năm 2024.

Ngoài việc cần một lượng tính toán lớn, mô hình trí tuệ nhân tạo cũng cần một lượng dữ liệu lớn. Do đó, nhu cầu lưu trữ dữ liệu tăng đáng kể. Giải pháp lưu trữ dữ liệu như FIL (FIL) và Arweave (AR) có thể được sử dụng thay thế cho việc lưu trữ dữ liệu AI trên máy chủ trung tâm của AWS. Những giải pháp này không chỉ cung cấp lưu trữ hiệu quả về mặt kinh tế và có thể mở rộng, mà còn tăng cường tính an toàn và tính toàn vẹn của dữ liệu bằng cách loại bỏ điểm lỗi đơn và giảm thiểu rủi ro rò rỉ dữ liệu.

Cuối cùng, dịch vụ trí tuệ nhân tạo hiện có như OpenAI và Gemini đều tiếp tục truy cập dữ liệu thời gian thực thông qua Bing và Google. Điều này đặt những nhà phát triển mô hình trí tuệ nhân tạo khác nằm trong tình thế bất lợi bên ngoài các công ty công nghệ lớn. Tuy nhiên, các dịch vụ thu thập dữ liệu như Grass và Masa (MASA) có thể giúp tạo ra môi trường cạnh tranh công bằng, vì chúng cho phép cá nhân thương mại hóa dữ liệu ứng dụng của họ để huấn luyện mô hình trí tuệ nhân tạo, đồng thời duy trì kiểm soát và quyền riêng tư đối với dữ liệu cá nhân.

Giải quyết vấn đề liên quan đến AI

Một vấn đề lớn do trí tuệ nhân tạo gây ra là sự lan rộng của rô-bốt và thông tin giả mạo. Nội dung giả mạo được tạo ra bởi trí tuệ nhân tạo đã ảnh hưởng đến cuộc bầu cử tổng thống ở Ấn Độ và châu Âu, các chuyên gia đang ‘rất lo lắng’ rằng cuộc đua vào tổng thống sắp tới sẽ rơi vào ‘đại dịch thông tin giả mạo’ do nội dung giả mạo được đưa ra bởi trí tuệ nhân tạo. Các dự án nhằm giúp giải quyết vấn đề liên quan đến nội dung giả mạo bao gồm Origin Trail (TRAC), Numbers Protocol (NUM) và Story Protocol. Ngoài ra, Worldcoin (WLD) cố gắng giải quyết vấn đề của rô-bốt bằng công nghệ nhận dạng sinh trắc học độc đáo để chứng minh tính nhân văn của một người.

Một rủi ro khác của trí tuệ nhân tạo là đảm bảo niềm tin vào mô hình chính nó. Làm thế nào để chúng ta tin rằng kết quả AI nhận được không bị thay đổi hoặc điều khiển? Hiện tại, có một số giao thức đang nỗ lực giải quyết vấn đề này bằng mật mã học, Bằng chứng không kiến thức và Mã hóa đồng cấu hoàn toàn (FHE), bao gồm Modulus Labs và Zama.

Kết luận

Mặc dù các tài sản trí tuệ nhân tạo này đã đạt được tiến bộ ban đầu, nhưng chúng ta vẫn đang ở giai đoạn đầu của lĩnh vực giao thoa này. Đầu năm nay, nhà đầu tư rủi ro nổi tiếng Fred Wilson cho rằng Trí tuệ nhân tạo và Tài sản tiền điện tử là “hai mặt của cùng một đồng xu”, và “Web3 sẽ giúp chúng ta tin tưởng vào Trí tuệ nhân tạo”. Theo Grayscale Research, khi ngành công nghiệp Trí tuệ nhân tạo ngày càng trưởng thành, các trường hợp sử dụng mã hóa liên quan đến Trí tuệ nhân tạo này sẽ trở nên ngày càng quan trọng, hai công nghệ phát triển nhanh này có thể hỗ trợ lẫn nhau và phát triển chung.

Có nhiều dấu hiệu cho thấy kỷ nguyên của trí tuệ nhân tạo đang đến, điều này sẽ có những tác động sâu rộng, cả tích cực và tiêu cực. Bằng cách khai thác bản chất của công nghệ blockchain, chúng tôi tin rằng tiền điện tử cuối cùng có thể giúp giảm thiểu một số nguy hiểm do trí tuệ nhân tạo gây ra.

Liên kết gốc