Web3 như một mô hình internet hoàn toàn mới, phi tập trung, mở và minh bạch, có cơ hội tự nhiên để kết hợp với AI. Dưới kiến trúc tập trung truyền thống, tài nguyên tính toán và dữ liệu của AI bị kiểm soát nghiêm ngặt, và tồn tại nhiều thách thức như hạn chế khả năng tính toán, rò rỉ quyền riêng tư, và thuật toán hộp đen. Trong khi đó, Web3 dựa trên công nghệ phân tán, có thể cung cấp động lực mới cho sự phát triển của AI thông qua việc chia sẻ mạng lưới khả năng tính toán, thị trường dữ liệu mở, và tính toán quyền riêng tư. Đồng thời, AI cũng có thể mang lại nhiều khả năng cho Web3, chẳng hạn như tối ưu hóa hợp đồng thông minh, thuật toán chống gian lận, hỗ trợ cho việc xây dựng hệ sinh thái của nó. Do đó, khám phá sự kết hợp giữa Web3 và AI là hết sức quan trọng cho việc xây dựng cơ sở hạ tầng internet thế hệ tiếp theo, giải phóng giá trị của dữ liệu và khả năng tính toán.
Dữ liệu được điều khiển: AI và Web3 là nền tảng vững chắc
Dữ liệu là động lực chính thúc đẩy sự phát triển của AI, giống như nhiên liệu đối với động cơ. Mô hình AI cần tiêu hóa một lượng lớn dữ liệu chất lượng cao để có được hiểu biết sâu sắc và khả năng suy luận mạnh mẽ. Dữ liệu không chỉ cung cấp nền tảng đào tạo cho các mô hình học máy, mà còn quyết định độ chính xác và độ tin cậy của mô hình.
Trong mô hình thu thập và sử dụng dữ liệu AI tập trung truyền thống, có một số vấn đề chính sau đây:
Chi phí thu thập dữ liệu cao, các doanh nghiệp vừa và nhỏ khó có thể chịu đựng.
Tài nguyên dữ liệu bị các ông lớn công nghệ độc quyền, hình thành nên các hòn đảo dữ liệu
Dữ liệu cá nhân đang đối mặt với rủi ro bị rò rỉ và lạm dụng
Web3 có thể giải quyết những điểm đau của mô hình truyền thống bằng một mô hình dữ liệu phi tập trung mới:
Bằng cách thu thập dữ liệu mạng theo cách phi tập trung, sau khi làm sạch và chuyển đổi, cung cấp dữ liệu thực và chất lượng cao cho việc đào tạo mô hình AI.
Áp dụng mô hình "label to earn", thông qua việc khuyến khích bằng token để người lao động toàn cầu tham gia vào việc gán nhãn dữ liệu, tập hợp kiến thức chuyên môn toàn cầu, tăng cường khả năng phân tích dữ liệu.
Nền tảng giao dịch dữ liệu blockchain cung cấp cho cả hai bên cung cầu dữ liệu một môi trường giao dịch công khai và minh bạch, khuyến khích đổi mới và chia sẻ dữ liệu.
Mặc dù vậy, việc thu thập dữ liệu từ thế giới thực cũng gặp một số vấn đề, chẳng hạn như chất lượng dữ liệu không đồng nhất, khó khăn trong việc xử lý, sự đa dạng và tính đại diện không đủ, v.v. Dữ liệu tổng hợp có thể trở thành ngôi sao trong lĩnh vực dữ liệu Web3 trong tương lai. Dựa trên công nghệ AI sinh tạo và mô phỏng, dữ liệu tổng hợp có thể mô phỏng các thuộc tính của dữ liệu thực, như một sự bổ sung hiệu quả cho dữ liệu thực, nâng cao hiệu quả sử dụng dữ liệu. Trong các lĩnh vực như lái xe tự động, giao dịch thị trường tài chính, phát triển trò chơi, dữ liệu tổng hợp đã cho thấy tiềm năng ứng dụng trưởng thành của nó.
Bảo vệ quyền riêng tư: Vai trò của FHE trong Web3
Thời đại dữ liệu, bảo vệ quyền riêng tư đã trở thành tâm điểm của sự quan tâm toàn cầu, sự ra đời của các quy định như Quy định Bảo vệ Dữ liệu Tổng quát (GDPR) của Liên minh Châu Âu phản ánh sự bảo vệ nghiêm ngặt đối với quyền riêng tư cá nhân. Tuy nhiên, điều này cũng mang lại thách thức: một số dữ liệu nhạy cảm không thể được khai thác đầy đủ do rủi ro về quyền riêng tư, điều này chắc chắn hạn chế tiềm năng và khả năng suy luận của mô hình AI.
FHE là mã hóa toàn phần, cho phép thực hiện các phép toán trên dữ liệu đã mã hóa mà không cần giải mã dữ liệu, và kết quả tính toán giống như kết quả của phép toán thực hiện trên dữ liệu rõ.
FHE cung cấp sự bảo vệ vững chắc cho tính toán riêng tư AI, cho phép khả năng tính toán GPU thực hiện đào tạo mô hình và nhiệm vụ suy luận trong một môi trường không chạm vào dữ liệu gốc. Điều này mang lại lợi thế lớn cho các công ty AI. Họ có thể mở dịch vụ API một cách an toàn trong khi bảo vệ bí mật thương mại.
FHEML hỗ trợ mã hóa dữ liệu và mô hình trong toàn bộ chu trình học máy, đảm bảo an toàn cho thông tin nhạy cảm và ngăn chặn rủi ro rò rỉ dữ liệu. Bằng cách này, FHEML củng cố quyền riêng tư dữ liệu, cung cấp một khung tính toán an toàn cho các ứng dụng AI.
FHEML là sự bổ sung cho ZKML, ZKML chứng minh việc thực hiện máy học đúng cách, trong khi FHEML nhấn mạnh việc tính toán trên dữ liệu được mã hóa để bảo vệ quyền riêng tư của dữ liệu.
Khả năng tính toán cách mạng: AI trong mạng Phi tập trung
Hiện nay, độ phức tạp tính toán của hệ thống AI tăng gấp đôi mỗi 3 tháng, dẫn đến nhu cầu về khả năng tính toán tăng vọt, vượt xa nguồn cung tài nguyên tính toán hiện có. Ví dụ, việc đào tạo một mô hình AI nổi tiếng yêu cầu khả năng tính toán khổng lồ, tương đương với thời gian đào tạo 355 năm trên một thiết bị đơn lẻ. Sự thiếu hụt khả năng tính toán như vậy không chỉ hạn chế sự tiến bộ của công nghệ AI, mà còn khiến những mô hình AI tiên tiến trở nên ngoài tầm với đối với hầu hết các nhà nghiên cứu và phát triển.
Trong khi đó, tỷ lệ sử dụng GPU toàn cầu chưa đến 40%, cộng với việc hiệu suất của vi xử lý đang giảm dần, cũng như việc thiếu hụt chip do các yếu tố chuỗi cung ứng và địa chính trị, tất cả đã khiến vấn đề cung cấp khả năng tính toán trở nên nghiêm trọng hơn. Những người làm trong lĩnh vực AI đang rơi vào tình huống tiến thoái lưỡng nan: hoặc tự mua phần cứng, hoặc thuê tài nguyên đám mây, họ đang rất cần một cách thức dịch vụ tính toán theo nhu cầu và tiết kiệm chi phí.
Một số mạng lưới khả năng tính toán AI phi tập trung thông qua việc tập hợp các tài nguyên GPU nhàn rỗi trên toàn cầu, đã cung cấp cho các công ty AI một thị trường khả năng tính toán vừa tiết kiệm vừa dễ tiếp cận. Các bên có nhu cầu khả năng tính toán có thể đăng tải nhiệm vụ tính toán trên mạng, hợp đồng thông minh sẽ phân bổ nhiệm vụ cho các nút thợ mỏ đóng góp khả năng tính toán, thợ mỏ thực hiện nhiệm vụ và nộp kết quả, sau khi được xác minh sẽ nhận phần thưởng điểm. Giải pháp này nâng cao hiệu quả sử dụng tài nguyên, góp phần giải quyết vấn đề nút thắt khả năng tính toán trong các lĩnh vực như AI.
Ngoài mạng lưới khả năng tính toán phi tập trung chung, còn có một số nền tảng tập trung vào đào tạo AI, cũng như mạng lưới khả năng tính toán chuyên dụng tập trung vào suy diễn AI.
Mạng lưới khả năng tính toán phi tập trung cung cấp thị trường khả năng tính toán công bằng và minh bạch, phá vỡ độc quyền, giảm bớt rào cản ứng dụng và nâng cao hiệu quả sử dụng khả năng tính toán. Trong hệ sinh thái web3, mạng lưới khả năng tính toán phi tập trung sẽ đóng vai trò then chốt, thu hút nhiều dapp đổi mới tham gia, cùng nhau thúc đẩy sự phát triển và ứng dụng của công nghệ AI.
DePIN：Web3 trao quyền cho Edge AI
Hãy tưởng tượng rằng, điện thoại di động, đồng hồ thông minh, thậm chí là các thiết bị thông minh trong nhà của bạn, đều có khả năng chạy AI - đó chính là sức hấp dẫn của Edge AI. Nó cho phép tính toán diễn ra tại nguồn gốc sinh ra dữ liệu, đạt được độ trễ thấp, xử lý theo thời gian thực, đồng thời bảo vệ quyền riêng tư của người dùng. Công nghệ Edge AI đã được áp dụng trong các lĩnh vực quan trọng như lái xe tự động.
Trong lĩnh vực Web3, chúng ta có một cái tên quen thuộc hơn - DePIN. Web3 nhấn mạnh vào phi tập trung và quyền sở hữu dữ liệu của người dùng, DePIN có thể tăng cường bảo vệ quyền riêng tư của người dùng và giảm thiểu rủi ro rò rỉ dữ liệu thông qua việc xử lý dữ liệu tại chỗ; cơ chế kinh tế Token bản địa của Web3 có thể khuyến khích các nút DePIN cung cấp khả năng tính toán, xây dựng một hệ sinh thái bền vững.
Hiện nay, DePIN đang phát triển nhanh chóng trong một số hệ sinh thái chuỗi công khai, trở thành một trong những nền tảng triển khai dự án được ưa chuộng. TPS cao, phí giao dịch thấp và đổi mới công nghệ của những chuỗi công khai này đã cung cấp hỗ trợ mạnh mẽ cho các dự án DePIN. Hiện tại, một số dự án DePIN trên các chuỗi công khai đã có giá trị thị trường vượt quá 10 tỷ USD, nhiều dự án nổi tiếng đã đạt được tiến triển đáng kể.
IMO：Mô hình AI phát hành khuôn mẫu mới
Khái niệm IMO được đề xuất lần đầu bởi một giao thức, nhằm mã hóa mô hình AI.
Trong mô hình truyền thống, do cơ chế chia sẻ lợi nhuận không tồn tại, một khi mô hình AI được phát triển và đưa ra thị trường, các nhà phát triển thường gặp khó khăn trong việc thu được lợi nhuận liên tục từ việc sử dụng mô hình sau này, đặc biệt là khi mô hình được tích hợp vào các sản phẩm và dịch vụ khác, người sáng tạo ban đầu rất khó để theo dõi tình trạng sử dụng, chưa kể đến việc thu được lợi nhuận từ đó. Hơn nữa, hiệu suất và hiệu quả của mô hình AI thường thiếu tính minh bạch, điều này khiến cho các nhà đầu tư tiềm năng và người sử dụng khó khăn trong việc đánh giá giá trị thực sự của nó, hạn chế sự công nhận trên thị trường và tiềm năng thương mại của mô hình.
IMO cung cấp một cách hoàn toàn mới để hỗ trợ tài chính và chia sẻ giá trị cho các mô hình AI mã nguồn mở, nhà đầu tư có thể mua token IMO để chia sẻ lợi nhuận phát sinh từ mô hình trong tương lai. Một số giao thức sử dụng các tiêu chuẩn ERC cụ thể, kết hợp với oracle AI và công nghệ OPML để đảm bảo tính xác thực của mô hình AI và cho phép các chủ sở hữu token chia sẻ lợi nhuận.
Mô hình IMO đã tăng cường tính minh bạch và sự tin cậy, khuyến khích sự hợp tác mã nguồn mở, thích ứng với xu hướng thị trường tiền điện tử và tiếp thêm động lực cho sự phát triển bền vững của công nghệ AI. IMO hiện vẫn đang ở giai đoạn thử nghiệm ban đầu, nhưng với việc nâng cao mức độ chấp nhận của thị trường và mở rộng phạm vi tham gia, tính sáng tạo và giá trị tiềm năng của nó đáng để chúng ta mong đợi.
AI Agent：kỷ nguyên mới trong trải nghiệm tương tác
AI Agent có khả năng cảm nhận môi trường, tư duy độc lập và thực hiện các hành động tương ứng để đạt được mục tiêu đã định. Dưới sự hỗ trợ của mô hình ngôn ngữ lớn, AI Agent không chỉ có thể hiểu ngôn ngữ tự nhiên mà còn có thể lập kế hoạch quyết định, thực hiện các nhiệm vụ phức tạp. Chúng có thể đóng vai trò như trợ lý ảo, học hỏi sở thích của người dùng thông qua tương tác và cung cấp các giải pháp cá nhân hóa. Ngay cả khi không có chỉ dẫn rõ ràng, AI Agent cũng có thể tự giải quyết vấn đề, nâng cao hiệu quả và tạo ra giá trị mới.
Một số nền tảng ứng dụng gốc AI mở cung cấp bộ công cụ sáng tạo toàn diện và dễ sử dụng, hỗ trợ người dùng cấu hình chức năng, ngoại hình, giọng nói của robot cũng như kết nối với kho kiến thức bên ngoài, nhằm xây dựng hệ sinh thái nội dung AI công bằng và mở, tận dụng công nghệ AI sinh tạo, trao quyền cho cá nhân trở thành nhà sáng tạo siêu việt. Những nền tảng này đã đào tạo các mô hình ngôn ngữ lớn chuyên biệt, giúp việc nhập vai trở nên nhân văn hơn; công nghệ nhân bản giọng nói có thể tăng tốc tương tác cá nhân hóa của sản phẩm AI, giảm đáng kể chi phí tổng hợp giọng nói, việc nhân bản giọng nói chỉ mất 1 phút để thực hiện. Với những nền tảng này, AI Agent được tùy chỉnh hiện có thể được ứng dụng trong nhiều lĩnh vực như trò chuyện video, học ngôn ngữ, tạo hình ảnh.
Trong sự kết hợp giữa Web3 và AI, hiện tại chủ yếu là khám phá các lớp cơ sở hạ tầng, cách thu thập dữ liệu chất lượng cao, bảo vệ quyền riêng tư dữ liệu, cách lưu trữ mô hình trên chuỗi, cách cải thiện khả năng tính toán phi tập trung một cách hiệu quả, cách xác minh các mô hình ngôn ngữ lớn và các vấn đề quan trọng khác. Khi các cơ sở hạ tầng này dần được hoàn thiện, chúng ta có lý do để tin rằng sự kết hợp giữa Web3 và AI sẽ mang lại một loạt các mô hình và dịch vụ kinh doanh đổi mới.
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.
14 thích
Phần thưởng
14
9
Chia sẻ
Bình luận
0/400
WenMoon
· 07-21 17:28
À đây, cảm giác rằng web3.0 vẫn không bán chạy bằng việc đầu tư chứng khoán!
Xem bản gốcTrả lời0
GateUser-c799715c
· 07-21 16:47
Lại thổi phồng ứng dụng thực tế của web3.
Xem bản gốcTrả lời0
AirdropChaser
· 07-20 22:17
bull trong Web3 kết hợp với AI mới là con đường đúng đắn
Xem bản gốcTrả lời0
PensionDestroyer
· 07-20 03:47
Không thể kiếm tiền được đâu.
Xem bản gốcTrả lời0
SchrodingersPaper
· 07-18 17:58
Lại một đợt thuế trí tuệ nữa đến rồi... Paper hand đang chờ để mua đáy
Xem bản gốcTrả lời0
FunGibleTom
· 07-18 17:53
nhập một vị thế đừng quan tâm quá nhiều web3+ai chính là tương lai
Xem bản gốcTrả lời0
DAOplomacy
· 07-18 17:52
có thể nói là một lý thuyết thanh lịch, nhưng các phụ thuộc đường đi ở đây tạo ra những ngoại tác không tầm thường...
Sự kết hợp giữa Web3 và AI: Tái định hình dữ liệu, quyền riêng tư và Khả năng tính toán
Web3 như một mô hình internet hoàn toàn mới, phi tập trung, mở và minh bạch, có cơ hội tự nhiên để kết hợp với AI. Dưới kiến trúc tập trung truyền thống, tài nguyên tính toán và dữ liệu của AI bị kiểm soát nghiêm ngặt, và tồn tại nhiều thách thức như hạn chế khả năng tính toán, rò rỉ quyền riêng tư, và thuật toán hộp đen. Trong khi đó, Web3 dựa trên công nghệ phân tán, có thể cung cấp động lực mới cho sự phát triển của AI thông qua việc chia sẻ mạng lưới khả năng tính toán, thị trường dữ liệu mở, và tính toán quyền riêng tư. Đồng thời, AI cũng có thể mang lại nhiều khả năng cho Web3, chẳng hạn như tối ưu hóa hợp đồng thông minh, thuật toán chống gian lận, hỗ trợ cho việc xây dựng hệ sinh thái của nó. Do đó, khám phá sự kết hợp giữa Web3 và AI là hết sức quan trọng cho việc xây dựng cơ sở hạ tầng internet thế hệ tiếp theo, giải phóng giá trị của dữ liệu và khả năng tính toán.
Dữ liệu được điều khiển: AI và Web3 là nền tảng vững chắc
Dữ liệu là động lực chính thúc đẩy sự phát triển của AI, giống như nhiên liệu đối với động cơ. Mô hình AI cần tiêu hóa một lượng lớn dữ liệu chất lượng cao để có được hiểu biết sâu sắc và khả năng suy luận mạnh mẽ. Dữ liệu không chỉ cung cấp nền tảng đào tạo cho các mô hình học máy, mà còn quyết định độ chính xác và độ tin cậy của mô hình.
Trong mô hình thu thập và sử dụng dữ liệu AI tập trung truyền thống, có một số vấn đề chính sau đây:
Web3 có thể giải quyết những điểm đau của mô hình truyền thống bằng một mô hình dữ liệu phi tập trung mới:
Mặc dù vậy, việc thu thập dữ liệu từ thế giới thực cũng gặp một số vấn đề, chẳng hạn như chất lượng dữ liệu không đồng nhất, khó khăn trong việc xử lý, sự đa dạng và tính đại diện không đủ, v.v. Dữ liệu tổng hợp có thể trở thành ngôi sao trong lĩnh vực dữ liệu Web3 trong tương lai. Dựa trên công nghệ AI sinh tạo và mô phỏng, dữ liệu tổng hợp có thể mô phỏng các thuộc tính của dữ liệu thực, như một sự bổ sung hiệu quả cho dữ liệu thực, nâng cao hiệu quả sử dụng dữ liệu. Trong các lĩnh vực như lái xe tự động, giao dịch thị trường tài chính, phát triển trò chơi, dữ liệu tổng hợp đã cho thấy tiềm năng ứng dụng trưởng thành của nó.
Bảo vệ quyền riêng tư: Vai trò của FHE trong Web3
Thời đại dữ liệu, bảo vệ quyền riêng tư đã trở thành tâm điểm của sự quan tâm toàn cầu, sự ra đời của các quy định như Quy định Bảo vệ Dữ liệu Tổng quát (GDPR) của Liên minh Châu Âu phản ánh sự bảo vệ nghiêm ngặt đối với quyền riêng tư cá nhân. Tuy nhiên, điều này cũng mang lại thách thức: một số dữ liệu nhạy cảm không thể được khai thác đầy đủ do rủi ro về quyền riêng tư, điều này chắc chắn hạn chế tiềm năng và khả năng suy luận của mô hình AI.
FHE là mã hóa toàn phần, cho phép thực hiện các phép toán trên dữ liệu đã mã hóa mà không cần giải mã dữ liệu, và kết quả tính toán giống như kết quả của phép toán thực hiện trên dữ liệu rõ.
FHE cung cấp sự bảo vệ vững chắc cho tính toán riêng tư AI, cho phép khả năng tính toán GPU thực hiện đào tạo mô hình và nhiệm vụ suy luận trong một môi trường không chạm vào dữ liệu gốc. Điều này mang lại lợi thế lớn cho các công ty AI. Họ có thể mở dịch vụ API một cách an toàn trong khi bảo vệ bí mật thương mại.
FHEML hỗ trợ mã hóa dữ liệu và mô hình trong toàn bộ chu trình học máy, đảm bảo an toàn cho thông tin nhạy cảm và ngăn chặn rủi ro rò rỉ dữ liệu. Bằng cách này, FHEML củng cố quyền riêng tư dữ liệu, cung cấp một khung tính toán an toàn cho các ứng dụng AI.
FHEML là sự bổ sung cho ZKML, ZKML chứng minh việc thực hiện máy học đúng cách, trong khi FHEML nhấn mạnh việc tính toán trên dữ liệu được mã hóa để bảo vệ quyền riêng tư của dữ liệu.
Khả năng tính toán cách mạng: AI trong mạng Phi tập trung
Hiện nay, độ phức tạp tính toán của hệ thống AI tăng gấp đôi mỗi 3 tháng, dẫn đến nhu cầu về khả năng tính toán tăng vọt, vượt xa nguồn cung tài nguyên tính toán hiện có. Ví dụ, việc đào tạo một mô hình AI nổi tiếng yêu cầu khả năng tính toán khổng lồ, tương đương với thời gian đào tạo 355 năm trên một thiết bị đơn lẻ. Sự thiếu hụt khả năng tính toán như vậy không chỉ hạn chế sự tiến bộ của công nghệ AI, mà còn khiến những mô hình AI tiên tiến trở nên ngoài tầm với đối với hầu hết các nhà nghiên cứu và phát triển.
Trong khi đó, tỷ lệ sử dụng GPU toàn cầu chưa đến 40%, cộng với việc hiệu suất của vi xử lý đang giảm dần, cũng như việc thiếu hụt chip do các yếu tố chuỗi cung ứng và địa chính trị, tất cả đã khiến vấn đề cung cấp khả năng tính toán trở nên nghiêm trọng hơn. Những người làm trong lĩnh vực AI đang rơi vào tình huống tiến thoái lưỡng nan: hoặc tự mua phần cứng, hoặc thuê tài nguyên đám mây, họ đang rất cần một cách thức dịch vụ tính toán theo nhu cầu và tiết kiệm chi phí.
Một số mạng lưới khả năng tính toán AI phi tập trung thông qua việc tập hợp các tài nguyên GPU nhàn rỗi trên toàn cầu, đã cung cấp cho các công ty AI một thị trường khả năng tính toán vừa tiết kiệm vừa dễ tiếp cận. Các bên có nhu cầu khả năng tính toán có thể đăng tải nhiệm vụ tính toán trên mạng, hợp đồng thông minh sẽ phân bổ nhiệm vụ cho các nút thợ mỏ đóng góp khả năng tính toán, thợ mỏ thực hiện nhiệm vụ và nộp kết quả, sau khi được xác minh sẽ nhận phần thưởng điểm. Giải pháp này nâng cao hiệu quả sử dụng tài nguyên, góp phần giải quyết vấn đề nút thắt khả năng tính toán trong các lĩnh vực như AI.
Ngoài mạng lưới khả năng tính toán phi tập trung chung, còn có một số nền tảng tập trung vào đào tạo AI, cũng như mạng lưới khả năng tính toán chuyên dụng tập trung vào suy diễn AI.
Mạng lưới khả năng tính toán phi tập trung cung cấp thị trường khả năng tính toán công bằng và minh bạch, phá vỡ độc quyền, giảm bớt rào cản ứng dụng và nâng cao hiệu quả sử dụng khả năng tính toán. Trong hệ sinh thái web3, mạng lưới khả năng tính toán phi tập trung sẽ đóng vai trò then chốt, thu hút nhiều dapp đổi mới tham gia, cùng nhau thúc đẩy sự phát triển và ứng dụng của công nghệ AI.
DePIN：Web3 trao quyền cho Edge AI
Hãy tưởng tượng rằng, điện thoại di động, đồng hồ thông minh, thậm chí là các thiết bị thông minh trong nhà của bạn, đều có khả năng chạy AI - đó chính là sức hấp dẫn của Edge AI. Nó cho phép tính toán diễn ra tại nguồn gốc sinh ra dữ liệu, đạt được độ trễ thấp, xử lý theo thời gian thực, đồng thời bảo vệ quyền riêng tư của người dùng. Công nghệ Edge AI đã được áp dụng trong các lĩnh vực quan trọng như lái xe tự động.
Trong lĩnh vực Web3, chúng ta có một cái tên quen thuộc hơn - DePIN. Web3 nhấn mạnh vào phi tập trung và quyền sở hữu dữ liệu của người dùng, DePIN có thể tăng cường bảo vệ quyền riêng tư của người dùng và giảm thiểu rủi ro rò rỉ dữ liệu thông qua việc xử lý dữ liệu tại chỗ; cơ chế kinh tế Token bản địa của Web3 có thể khuyến khích các nút DePIN cung cấp khả năng tính toán, xây dựng một hệ sinh thái bền vững.
Hiện nay, DePIN đang phát triển nhanh chóng trong một số hệ sinh thái chuỗi công khai, trở thành một trong những nền tảng triển khai dự án được ưa chuộng. TPS cao, phí giao dịch thấp và đổi mới công nghệ của những chuỗi công khai này đã cung cấp hỗ trợ mạnh mẽ cho các dự án DePIN. Hiện tại, một số dự án DePIN trên các chuỗi công khai đã có giá trị thị trường vượt quá 10 tỷ USD, nhiều dự án nổi tiếng đã đạt được tiến triển đáng kể.
IMO：Mô hình AI phát hành khuôn mẫu mới
Khái niệm IMO được đề xuất lần đầu bởi một giao thức, nhằm mã hóa mô hình AI.
Trong mô hình truyền thống, do cơ chế chia sẻ lợi nhuận không tồn tại, một khi mô hình AI được phát triển và đưa ra thị trường, các nhà phát triển thường gặp khó khăn trong việc thu được lợi nhuận liên tục từ việc sử dụng mô hình sau này, đặc biệt là khi mô hình được tích hợp vào các sản phẩm và dịch vụ khác, người sáng tạo ban đầu rất khó để theo dõi tình trạng sử dụng, chưa kể đến việc thu được lợi nhuận từ đó. Hơn nữa, hiệu suất và hiệu quả của mô hình AI thường thiếu tính minh bạch, điều này khiến cho các nhà đầu tư tiềm năng và người sử dụng khó khăn trong việc đánh giá giá trị thực sự của nó, hạn chế sự công nhận trên thị trường và tiềm năng thương mại của mô hình.
IMO cung cấp một cách hoàn toàn mới để hỗ trợ tài chính và chia sẻ giá trị cho các mô hình AI mã nguồn mở, nhà đầu tư có thể mua token IMO để chia sẻ lợi nhuận phát sinh từ mô hình trong tương lai. Một số giao thức sử dụng các tiêu chuẩn ERC cụ thể, kết hợp với oracle AI và công nghệ OPML để đảm bảo tính xác thực của mô hình AI và cho phép các chủ sở hữu token chia sẻ lợi nhuận.
Mô hình IMO đã tăng cường tính minh bạch và sự tin cậy, khuyến khích sự hợp tác mã nguồn mở, thích ứng với xu hướng thị trường tiền điện tử và tiếp thêm động lực cho sự phát triển bền vững của công nghệ AI. IMO hiện vẫn đang ở giai đoạn thử nghiệm ban đầu, nhưng với việc nâng cao mức độ chấp nhận của thị trường và mở rộng phạm vi tham gia, tính sáng tạo và giá trị tiềm năng của nó đáng để chúng ta mong đợi.
AI Agent：kỷ nguyên mới trong trải nghiệm tương tác
AI Agent có khả năng cảm nhận môi trường, tư duy độc lập và thực hiện các hành động tương ứng để đạt được mục tiêu đã định. Dưới sự hỗ trợ của mô hình ngôn ngữ lớn, AI Agent không chỉ có thể hiểu ngôn ngữ tự nhiên mà còn có thể lập kế hoạch quyết định, thực hiện các nhiệm vụ phức tạp. Chúng có thể đóng vai trò như trợ lý ảo, học hỏi sở thích của người dùng thông qua tương tác và cung cấp các giải pháp cá nhân hóa. Ngay cả khi không có chỉ dẫn rõ ràng, AI Agent cũng có thể tự giải quyết vấn đề, nâng cao hiệu quả và tạo ra giá trị mới.
Một số nền tảng ứng dụng gốc AI mở cung cấp bộ công cụ sáng tạo toàn diện và dễ sử dụng, hỗ trợ người dùng cấu hình chức năng, ngoại hình, giọng nói của robot cũng như kết nối với kho kiến thức bên ngoài, nhằm xây dựng hệ sinh thái nội dung AI công bằng và mở, tận dụng công nghệ AI sinh tạo, trao quyền cho cá nhân trở thành nhà sáng tạo siêu việt. Những nền tảng này đã đào tạo các mô hình ngôn ngữ lớn chuyên biệt, giúp việc nhập vai trở nên nhân văn hơn; công nghệ nhân bản giọng nói có thể tăng tốc tương tác cá nhân hóa của sản phẩm AI, giảm đáng kể chi phí tổng hợp giọng nói, việc nhân bản giọng nói chỉ mất 1 phút để thực hiện. Với những nền tảng này, AI Agent được tùy chỉnh hiện có thể được ứng dụng trong nhiều lĩnh vực như trò chuyện video, học ngôn ngữ, tạo hình ảnh.
Trong sự kết hợp giữa Web3 và AI, hiện tại chủ yếu là khám phá các lớp cơ sở hạ tầng, cách thu thập dữ liệu chất lượng cao, bảo vệ quyền riêng tư dữ liệu, cách lưu trữ mô hình trên chuỗi, cách cải thiện khả năng tính toán phi tập trung một cách hiệu quả, cách xác minh các mô hình ngôn ngữ lớn và các vấn đề quan trọng khác. Khi các cơ sở hạ tầng này dần được hoàn thiện, chúng ta có lý do để tin rằng sự kết hợp giữa Web3 và AI sẽ mang lại một loạt các mô hình và dịch vụ kinh doanh đổi mới.