Sự kết hợp giữa Trí tuệ nhân tạo (AI) và công nghệ Blockchain (Web3) đang tạo ra những cơ hội và thách thức mới. Liệu AI có thể tận dụng sức mạnh của Web3 để vượt qua những hạn chế hiện tại, và ngược lại? Bài viết này sẽ đi sâu vào mối quan hệ này, tập trung vào những lợi ích mà Web3 có thể mang lại cho sự phát triển của AI.
AI và Crypto: Mối Quan Hệ Cộng Sinh?
Từ sau khi AlphaGo đánh bại kỳ thủ cờ vây chuyên nghiệp năm 2016, thế giới đã chứng kiến sự trỗi dậy của nhiều dự án kết hợp AI và Crypto, điển hình là Fetch.AI và WorldCoin. Nhiều người tin rằng chúng ta đang bước vào một kỷ nguyên mà AI đảm nhiệm vai trò sản xuất và Crypto lo việc phân phối.
Tuy nhiên, cần có cái nhìn thực tế hơn về mối quan hệ này:
- AI và Crypto không phải lúc nào cũng đi đôi với nhau. Việc sử dụng các ứng dụng AI trong Crypto không đồng nghĩa với sự tích hợp thực sự.
- Crypto có thể hỗ trợ AI nhiều hơn là ngược lại. Các “gã khổng lồ” AI vẫn chưa thể hiện rõ thiện chí với Crypto.
- Đóng góp của Crypto cho AI tập trung vào phân cấp và khuyến khích mã thông báo trong các yếu tố như sức mạnh tính toán, dữ liệu và mô hình.
- WorldCoin là một ví dụ thành công về sự tích hợp giữa AI và Crypto, với zkML (Zero-Knowledge Machine Learning) và lý thuyết UBI (Thu nhập cơ bản chung).
Từ Hồi Quy Tuyến Tính Đến Máy Biến Áp (Transformer)
Để hiểu rõ hơn về AI, chúng ta cần xem xét cơ chế hoạt động của nó. Bắt đầu từ những khái niệm cơ bản:
- Hồi quy tuyến tính: Một phương trình tuyến tính đơn giản, ví dụ như mối quan hệ giữa lượng calo nạp vào và cân nặng. Tuy nhiên, phương pháp này có nhiều hạn chế và không thể áp dụng cho tất cả các tình huống.
- Chỉ số khối cơ thể (BMI): Đo lường mối quan hệ giữa cân nặng và chiều cao, sử dụng nhiều thông số hơn so với hồi quy tuyến tính.
- Mạng lưới thần kinh: Mô phỏng cấu trúc của bộ não con người, cho phép suy nghĩ và lý luận phức tạp hơn. Tăng tần suất và chiều sâu của suy nghĩ dẫn đến học sâu (Deep Learning).
- Máy biến áp (Transformer): Mô hình ngôn ngữ lớn (LLM) kiểm tra mối quan hệ theo ngữ cảnh giữa các từ và câu, và có thể mở rộng sang các lĩnh vực như hình ảnh và video.
Trong phổ AI, dù là hồi quy tuyến tính hay Transformer, chúng đều là thuật toán hoặc mô hình. Bên cạnh đó, hai yếu tố thiết yếu khác là sức mạnh tính toán và dữ liệu.
Quy trình vận hành AI trong thương mại hóa Web2:
- Dữ liệu: Chia thành dữ liệu công khai, dữ liệu thuộc sở hữu của công ty và dữ liệu thương mại. Yêu cầu xử lý trước chuyên nghiệp.
- Sức mạnh tính toán: Tự xây dựng hoặc cho thuê điện toán đám mây. NVIDIA thống trị phần cứng GPU, trong khi Microsoft (Azure, AWS) và Google Cloud cung cấp dịch vụ triển khai mô hình và điện toán một cửa.
- Mô hình: TensorFlow của Google và PyTorch của Meta cạnh tranh nhau. Tuy nhiên, OpenAI đang dần vượt lên về mặt thương mại hóa.
Web3 Trao Quyền Cho AI Như Thế Nào?
Thay vì cố gắng thay đổi mô hình sản xuất AI bằng Crypto, lựa chọn hợp lý là tích hợp Crypto vào quy trình làm việc của AI và trao quyền cho AI bằng Crypto. Dưới đây là một số tích hợp tiềm năng:
- Sản xuất dữ liệu phi tập trung: Thu thập dữ liệu từ DePIN (Decentralized Physical Infrastructure Networks) và dữ liệu mở trên chuỗi (ví dụ: dữ liệu giao dịch cho phân tích tài chính, bảo mật).
- Nền tảng tiền xử lý phi tập trung: Giảm bớt sự phụ thuộc vào chú thích thủ công tốn kém và khai thác lao động.
- Nền tảng sức mạnh tính toán phi tập trung: Sử dụng các ưu đãi và băng thông cá nhân, sức mạnh tính toán GPU và các tài nguyên phần cứng khác được phân cấp.
- zkML: Bảo vệ quyền riêng tư và xác minh tính xác thực của các mô hình.
Bốn khía cạnh này là những kịch bản tiềm năng mà Crypto có thể trao quyền cho AI.
Tích Hợp Web3 Vào Quy Trình Làm Việc AI
Cách tiếp cận hợp lý của Web3 dành cho AI phải là “Nếu Web3 không được sử dụng, dự án sẽ không thể duy trì được.”
Quy trình làm việc AI từ góc độ Web3:
- Nguồn dữ liệu: Hệ sinh thái Grass và DePIN.
- Grass: Thị trường bán băng thông nhàn rỗi, thu thập và phân phối dữ liệu, cung cấp các bộ dữ liệu dễ sử dụng cho các mô hình AI.
- DePIN: Tạo ra dữ liệu theo yêu cầu của AI, đặc biệt trong lĩnh vực lái xe tự động. Các dự án như DIMO và Hivemapper thu thập thông tin lái xe và dữ liệu đường bộ.
- Tiền xử lý dữ liệu: Giải phóng con người khỏi công việc chú thích thủ công tốn kém bằng các nền tảng chú thích dữ liệu Web3 như Public AI.
- Tự do phần cứng: Mạng kết xuất và Bittensor.
- Mạng kết xuất: Cung cấp tài nguyên GPU cho kết xuất, AI và metaverse.
- Bittensor: Đào tạo các mô hình AI thông qua các biện pháp khuyến khích kinh tế.
- zkML và UBI: Các khía cạnh kép của Worldcoin.
- zkML: Giải quyết các vấn đề về rò rỉ dữ liệu, lỗi về quyền riêng tư và xác minh mô hình.
- UBI: Phân phối công bằng các lợi ích AI thông qua mã thông báo $WLD.
Kết Luận
Sự phát triển của AI đang đối mặt với những trở ngại. Việc chỉ tăng các tham số mô hình hoặc khối lượng dữ liệu là không đủ. Mặc dù việc bổ sung Crypto có thể không giải quyết được vấn đề ảo giác của AI về mặt kỹ thuật, nhưng nó có thể thay đổi một số khía cạnh từ góc độ công bằng và minh bạch.
Niềm tin rằng Crypto có thể thay đổi AI có thể là một ảo giác, nhưng những tiềm năng và cơ hội mà sự kết hợp này mang lại là không thể phủ nhận.
