Trong đợt tăng trưởng trước đó của trí tuệ nhân tạo phi tập trung, các dự án nổi bật như Bittensor, io.net và Olas đã nhanh chóng trở thành các nhà lãnh đạo trong ngành nhờ vào công nghệ tiên tiến và chiến lược tầm nhìn. Tuy nhiên, khi giá trị của những dự án này tăng vọt, rào cản đối với nhà đầu tư thông thường cũng tăng cao. Trên nền tảng chuyển đổi ngành hiện tại, liệu vẫn còn cơ hội mới để tham gia không?

Flock: Mạng lưới đào tạo và xác minh trí tuệ nhân tạo phi tập trung

Flock là một nền tảng huấn luyện mô hình trí tuệ nhân tạo phi tập trung và ứng dụng kết hợp giữa học tập liên minh và công nghệ blockchain, cung cấp một môi trường an toàn cho việc huấn luyện và quản lý mô hình trong khi bảo vệ quyền riêng tư dữ liệu và tạo điều kiện cho sự tham gia công bằng của cộng đồng. Thuật ngữ “Flock” lần đầu tiên trở nên nổi bật vào năm 2022 khi nhóm sáng lập phát hành một bài báo học thuật có tựa đề “FLock: Bảo vệ hành vi độc hại trong học máy liên kết với chuỗi khối“.” Bài báo đề xuất sử dụng blockchain để chống lại hành động độc hại trong việc học phân tán. Nó trình bày cách tiếp cận phi tập trung có thể tăng cường bảo mật dữ liệu và quyền riêng tư trong quá trình đào tạo mô hình, trưng bày các ứng dụng tiềm năng của kiến trúc đột phá này trong tính toán phân tán.

Sau khi xác minh khái niệm ban đầu, Flock đã ra mắt mạng lưới trí tuệ nhân tạo đa tác nhân phi tập trung, Flock Research, vào năm 2023. Trong Flock Research, mỗi Tác nhân là một mô hình ngôn ngữ lớn (LLM) được điều chỉnh tốt cho các lĩnh vực cụ thể, có khả năng cung cấp thông tin chi tiết cho người dùng trên nhiều lĩnh vực thông qua sự cộng tác. Vào giữa tháng 5 năm 2024, Flock chính thức mở testnet cho nền tảng đào tạo trí tuệ nhân tạo phi tập trung của mình, cho phép người dùng tham gia huấn luyện và điều chỉnh mô hình bằng token thử nghiệm FML và kiếm phần thưởng. Đến ngày 30 tháng 9 năm 2024, số kỹ sư trí tuệ nhân tạo hoạt động hàng ngày trên nền tảng Flock đã vượt qua con số 300, với hơn 15.000 mô hình được nộp tổng cộng.

Khi dự án tiếp tục phát triển, Flock cũng đã thu hút sự chú ý từ thị trường vốn. Vào tháng 3 năm nay, Flock đã hoàn thành vòng gọi vốn trị giá 6 triệu đô la do Lightspeed Faction và Tagus Capital dẫn đầu, tham gia cùng DCG, OKX Ventures, Inception Capital và Volt Capital. Đáng chú ý, Flock là dự án cơ sở hạ tầng trí tuệ nhân tạo duy nhất nhận được hỗ trợtrong vòng gọi vốn học thuật của Ethereum Foundation năm 2024.

Nền tảng của việc định hình lại các mối quan hệ sản xuất trí tuệ nhân tạo: Giới thiệu Hợp đồng Thông minh cho Học máy Liên minh

Federated Learning là một phương pháp học máy cho phép nhiều thực thể (thường được gọi là máy khách) hợp tác đào tạo các mô hình trong khi vẫn đảm bảo rằng dữ liệu vẫn được lưu trữ cục bộ. Không giống như học máy truyền thống, học liên kết tránh tải tất cả dữ liệu lên máy chủ trung tâm, do đó bảo vệ quyền riêng tư của người dùng thông qua tính toán cục bộ. Phương pháp này đã được áp dụng trong các tình huống thực tế khác nhau; chẳng hạn, Google đã giới thiệu học tập liên kết vào bàn phím Gboard vào năm 2017 để tối ưu hóa các đề xuất đầu vào và dự đoán văn bản trong khi đảm bảo rằng dữ liệu đầu vào của người dùng không được tải lên. Tesla cũng sử dụng công nghệ tương tự trong hệ thống lái tự động của mình, nâng cao nhận thức về môi trường của xe tại địa phương và giảm nhu cầu truyền dữ liệu video lớn.

Tuy nhiên, các ứng dụng này về cơ bản vản áp đảo những thách thức, đặc biệt là về quyền riêng tư và an ninh. Thứ nhất, người dùng cần tin tước vào các bên thọ trung gian tâm trữ. Thứ hai, trong quá trình truyền và tối ơng các tham số mô hình, rất quan trọng là ngăn chặn các nó có hại từ tải dữ liệu giả mã hoặc tham số có hại, điều này có thể dữn đến sự thiên lệch trong hiệu suất tổng thể mô hình hoặc thậm chí dự đoán.IEEEBáo cáo cho thấy rằng độ chính xác của các mô hình học tập liên minh truyền thống giảm xuống 96,3% khi 10% các nút là độc hại, và tiếp tục giảm xuống 80,1% và 70,9% khi tỷ lệ các nút độc hại tăng lên 30% và 40%, tương ứng.

Để giải quyết những vấn đề này, Flock đã giới thiệu các hợp đồng thông minh trên blockchain như một “động cơ tin cậy” trong khung học liên minh của nó. Là một động cơ tin cậy, các hợp đồng thông minh có thể tự động hóa việc thu thập và xác thực các thông số trong một môi trường phi tập trung, cho phép xuất bản kết quả mô hình không thiên vị và hiệu quả ngăn chặn các nút độc hại can thiệp vào dữ liệu. So với các giải pháp học liên minh truyền thống, độ chính xác mô hình của FLock vẫn đạt trên 95,5%, ngay cả khi 40% các nút độc hại.

Lớp Thực thi Trí tuệ nhân tạo: Phân tích Kiến trúc Ba Lớp của FLock

Vấn đề chính trong cảnh quan AI hiện tại là tài nguyên cho việc huấn luyện mô hình AI và việc sử dụng dữ liệu vẫn tập trung cao trong số một vài công ty lớn, làm cho việc sử dụng tài nguyên này một cách hiệu quả trở nên khó khăn đối với các nhà phát triển và người dùng thông thường. Do đó, người dùng chỉ có sẵn các mô hình chuẩn hóa và không thể tùy chỉnh chúng theo nhu cầu cụ thể của họ. Sự không phù hợp giữa cung cấp và cầu cần dẫn đến tình trạng, mặc dù có sẵn sàng sức mạnh tính toán và dữ liệu trữ trong thị trường, chúng không thể được biến đổi thành các mô hình và ứng dụng có thể sử dụng một cách thực tế.

Để giải quyết vấn đề này, Flock nhằm mục đích phục vụ như một hệ thống lập lịch hiệu quả điều phối nhu cầu, tài nguyên, sức mạnh tính toán và dữ liệu. Dựa trên ngăn xếp công nghệ Web3, Flock định vị chính mình là “tầng thực thi,” chịu trách nhiệm chủ yếu để phân bổ yêu cầu trí tuệ nhân tạo tùy chỉnh của người dùng đến các nút phi tập trung khác nhau để huấn luyện, sử dụng hợp đồng thông minh để điều phối các nhiệm vụ này trên các nút toàn cầu.

Bên cạnh đó, để đảm bảo sự công bằng và hiệu quả trong toàn bộ hệ sinh thái, hệ thống FLock cũng chịu trách nhiệm cho "lớp giải quyết" và "lớp đồng thuận." Lớp giải quyết đề cập đến việc khuyến khích và quản lý đóng góp của các thành viên, thưởng hoặc phạt dựa trên việc hoàn thành nhiệm vụ. Lớp đồng thuận liên quan đến đánh giá và tối ưu hóa chất lượng kết quả huấn luyện, đảm bảo rằng các mô hình cuối cùng được tạo ra đại diện cho giải pháp toàn cầu tối ưu.

Kiến trúc sản phẩm tổng quát của FLock bao gồm ba mô-đun chính: AI Arena, FL Alliance và AI Marketplace. AI Arena chịu trách nhiệm về việc đào tạo mô hình cơ bản phi tập trung, FL Alliance tập trung vào việc điều chỉnh mô hình dưới cơ chế hợp đồng thông minh và AI Marketplace phục vụ như một thị trường ứng dụng mô hình cuối cùng.

AI Arena: Phần thưởng cho việc Huấn luyện và Xác thực Mô hình Cục bộ

AI Arena là nền tảng đào tạo trí tuệ nhân tạo phi tập trung của Flock, nơi người dùng có thể tham gia bằng cách đặt cược token thử nghiệm Flock (FML) và nhận phần thưởng đặt cược tương ứng. Khi người dùng xác định các mô hình họ cần và gửi nhiệm vụ, các nút đào tạo trong AI Arena sẽ huấn luyện các mô hình cục bộ bằng cách sử dụng kiến trúc mô hình ban đầu cụ thể, mà không cần tải lên dữ liệu trực tiếp lên máy chủ tập trung. Sau khi mỗi nút hoàn thành việc huấn luyện, người xác thực chịu trách nhiệm đánh giá công việc của các nút đào tạo, kiểm tra chất lượng của các mô hình và điểm số chúng. Những người không muốn tham gia quá trình xác thực có thể ủy quyền token của họ cho người xác thực để nhận phần thưởng.

Trong AI Arena, cơ chế khen thưởng cho tất cả các vai trò phụ thuộc vào hai yếu tố cốt lõi: số lượng token được đặt cọc và chất lượng của các nhiệm vụ. Số tiền đặt cược phản ánh "cam kết" của người tham gia, trong khi chất lượng nhiệm vụ đo lường sự đóng góp của họ. Ví dụ: phần thưởng cho các nút đào tạo phụ thuộc vào số tiền đặt cọc và xếp hạng chất lượng mô hình đã gửi, trong khi phần thưởng của người xác thực phụ thuộc vào tính nhất quán của kết quả bỏ phiếu với sự đồng thuận, số lượng mã thông báo được đặt cọc, tần suất và tỷ lệ thành công khi họ tham gia xác thực. Lợi nhuận cho người ủy quyền phụ thuộc vào người xác thực mà họ chọn và số tiền họ đặt cược.

AI Arenahỗ trợ các chế độ huấn luyện mô hình học máy truyền thống, cho phép người dùng lựa chọn huấn luyện trên dữ liệu cục bộ từ thiết bị của họ hoặc dữ liệu công khai có sẵn để tối ưu hóa hiệu suất của mô hình cuối cùng. Hiện tại, mạng thử nghiệm công cộng AI Arena có tổng cộng496 nút đào tạo hoạt động, 871 nút xác thực và 72 người ủy quyền. Tỷ lệ giao dịch của nền tảng đạt 97,74%, với thu nhập trung bình hàng tháng của các nút đào tạo là 40,57% và các nút xác thực là 24,70%.

FL Alliance: Một Nền Tảng Điều Chỉnh Tinh Vi Được Quản Lý Bởi Hợp Đồng Thông Minh

Các mô hình được đánh giá cao nhất trên AI Arena được chọn làm "mô hình đồng thuận" và được giao cho FL Alliance để tinh chỉnh thêm. Quá trình tinh chỉnh này bao gồm nhiều vòng. Vào đầu mỗi vòng, hệ thống sẽ tự động tạo một hợp đồng thông minh FL liên quan đến nhiệm vụ, quản lý việc thực hiện nhiệm vụ và phần thưởng. Tương tự, mỗi người tham gia được yêu cầu đặt cược một lượng token FML nhất định. Những người tham gia được chỉ định ngẫu nhiên vai trò là người đề xuất hoặc cử tri. Người đề xuất sử dụng bộ dữ liệu cục bộ của họ để đào tạo mô hình và tải lên các thông số hoặc trọng số mô hình đã đào tạo cho những người tham gia khác. Sau đó, cử tri tổng hợp, bỏ phiếu để đánh giá kết quả cập nhật mô hình của người đề xuất.

Tất cả các kết quả được gửi đến hợp đồng thông minh, so sánh điểm số từng vòng với vòng trước để đánh giá sự cải thiện hoặc suy giảm trong hiệu suất mô hình. Nếu điểm số hiệu suất cải thiện, hệ thống sẽ tiến vào giai đoạn đào tạo tiếp theo; nếu suy giảm, đào tạo sẽ bắt đầu lại bằng cách sử dụng mô hình đã được xác thực trước đó cho một vòng đào tạo, tóm tắt và đánh giá khác.

FL Allianceđạt được mục tiêu huấn luyện chung một mô hình toàn cầu với nhiều người tham gia đồng thời đảm bảo chủ quyền dữ liệu bằng cách kết hợp học liên minh và cơ chế hợp đồng thông minh. Bằng cách tích hợp các nguồn dữ liệu khác nhau và tổng hợp trọng số, nó có thể xây dựng một mô hình toàn cầu hoạt động tốt hơn và có khả năng lớn hơn. Ngoài ra, người tham gia chứng minh sự cam kết của họ với việc tham gia bằng cách đặt cược token và nhận phần thưởng dựa trên chất lượng mô hình và kết quả đồng thuận, hình thành một hệ sinh thái công bằng và minh bạch.

Thị trường trí tuệ nhân tạo: Làm thế nào để cung cấp dịch vụ trí tuệ nhân tạo cá nhân?

Các mô hình được đào tạo trong AI Arena và được điều chỉnh tốt trong FL Alliance cuối cùng sẽ được triển khai trong AI Marketplace để sử dụng bởi các ứng dụng khác. Khác với các “thị trường mô hình” truyền thống, AI Marketplace không chỉ cung cấp các mô hình sẵn có mà còn cho phép người dùng sửa đổi những mô hình này và tích hợp nguồn dữ liệu mới để giải quyết các kịch bản ứng dụng khác nhau. Hơn nữa, AI Marketplace tích hợp Công nghệ Tạo ra và Mở rộng Truy xuất (RAG) để tăng cường độ chính xác của các mô hình trong các lĩnh vực cụ thể. RAG là một phương pháp mở rộng các mô hình ngôn ngữ lớn bằng cách truy xuất thông tin liên quan từ cơ sở kiến thức bên ngoài trong quá trình tạo ra phản hồi, đảm bảo rằng các phản hồi của mô hình có độ chính xác và cá nhân hóa hơn.

Hiện tại, AI Marketplace đã ra mắt nhiều mô hình GPT tùy chỉnh dựa trên các kịch bản ứng dụng khác nhau, bao gồm BTC GPT, Farcaster GPT, Scroll GPT và Ethereum GPT. Hãy lấy BTC GPT làm ví dụ để minh họa sự khác biệt giữa các mô hình tùy chỉnh và mô hình tổng quát.

Vào tháng 12 năm 2023, khi được hỏi "ARC20 là gì?" đồng thời với BTC GPT và ChatGPT:

• BTC GPT "Giao thức ARC20 được xây dựng trên mạng Bitcoin và cho phép người dùng tạo, chuyển và nâng cấp các vật phẩm kỹ thuật số, chẳng hạn như NFT và mã thông báo có thể thay thế. Với giao thức ARC20, NFT không thể thay thế và mã thông báo có thể thay thế có thể được tạo trên mạng Bitcoin. Mã thông báo chính của giao thức ARC20 là ATOM, được sử dụng cho các mục đích khác nhau trong giao thức.
• ChatGPTđã trả lời: “Theo thông tin cuối cùng của tôi cập nhật vào tháng 1 năm 2022, không có tiêu chuẩn hoặc công nghệ nào được công nhận rộng rãi hoặc công nghệ được biết đến với tên gọi là ARC20 trong lĩnh vực công nghệ, tài chính hoặc các lĩnh vực phổ biến khác. Có thể rằng một công nghệ hoặc tiêu chuẩn mới gọi là ARC20 đã xuất hiện kể từ đó, nhưng tôi không có thông tin liên quan.

Từ các phản ứng của họ, chúng ta có thể thấy sự quan trọng và ưu điểm của các mô hình GPT tùy chỉnh. Khác với các mô hình ngôn ngữ đa năng, các mô hình GPT tùy chỉnh có thể được huấn luyện trên dữ liệu cụ thể cho một số lĩnh vực nhất định, từ đó cung cấp các phản ứng chính xác hơn.

Những điểm tương đồng và khác nhau giữa Flock và Bittensor, cả hai đều được hỗ trợ bởi DCG?

Khi ngành công nghiệp trí tuệ nhân tạo hồi phục, Bittensor, một trong những đại diện của các dự án trí tuệ nhân tạo phi tập trung, đã chứng kiến sự tăng của token của mình lên hơn 93,7% trong 30 ngày qua, đạt gần đỉnh lịch sử của nó, với vốn hóa thị trường vượt qua 40 tỷ đô la một lần nữa. Đáng chú ý, công ty đầu tư của Flock, Digital Currency Group (DCG), cũng là một trong những nhà xác thực và đào mỏ lớn nhất trong hệ sinh thái Bittensor. Theo nguồn tin, DCG nắm giữ khoảng 100 triệu đô la trong TAO, và trong một bài viết năm 2021 của “Business Insider,” nhà đầu tư DCG Matthew Beck đã đề xuất Bittensor là một trong 53 startup tiềm năng nhất.

Mặc dù cả hai đều là dự án được DCG hỗ trợ, Flock và Bittensor tập trung vào các khía cạnh khác nhau. Cụ thể, Bittensor nhắm vào việc xây dựng một internet trí tuệ phân tán, sử dụng "mạng con" làm đơn vị cơ bản, trong đó mỗi mạng con đại diện cho một thị trường phân tán. Người tham gia có thể tham gia dưới dạng "mỏ vàng" hoặc "xác minh viên." Hiện tại, hệ sinh thái Bittensor bao gồm 49 mạng con, bao gồm các lĩnh vực khác nhau như chuyển văn bản thành giọng nói, tạo nội dung và điều chỉnh mô hình ngôn ngữ lớn.

Kể từ năm ngoái, Bittensor đã trở thành một trung tâm chú ý trên thị trường. Một mặt, giá token của nó đã tăng vọt, từ 80 đô la vào tháng 10 năm 2023 lên đến mức cao nhất là 730 đô la trong năm nay. Mặt khác, nó đã đối mặt với nhiều chỉ trích, bao gồm cả câu hỏi về tính bền vững của mô hình của nó, dựa trên động lực token để thu hút các nhà phát triển. Ngoài ra, ba nhà xác thực hàng đầu trong hệ sinh thái Bittensor (Opentensor Foundation, Taostats & Corcel và Foundry) tổng cộng nắm giữ gần 40% số lượng TAO được đặt cược, gây ra lo ngại của người dùng về mức độ phi tập trung.

Trái ngược với điều đó, Flock nhằm cung cấp dịch vụ trí tuệ nhân tạo cá nhân hóa bằng cách tích hợp blockchain vào học liên đoàn. Flock định vị mình là “Uber của không gian trí tuệ nhân tạo,” là một “hệ thống lập lịch phi tập trung” kết hợp nhu cầu trí tuệ nhân tạo với các nhà phát triển. Qua hợp đồng thông minh trên chuỗi, Flock tự động quản lý phân bổ nhiệm vụ, xác minh kết quả và giải quyết phần thưởng, đảm bảo rằng mỗi người tham gia có thể công bằng nhận được một phần dựa trên đóng góp của họ. Tương tự như Bittensor, Flock cũng cung cấp cho người dùng tùy chọn tham gia như đại biểu.

Cụ thể, Flock cung cấp các vai trò sau:

• Các nút đào tạo:Những nút này có thể tham gia vào các cuộc thi huấn luyện nhiệm vụ AI bằng cách đặt cược token, phù hợp với người dùng có khả năng tính toán và kinh nghiệm phát triển AI.
• Validators:Họ cũng phải đặt cược token để tham gia mạng lưới, chịu trách nhiệm xác minh chất lượng của các mô hình mỏ và ảnh hưởng đến phân phối phần thưởng thông qua điểm xác nhận đã gửi.
• Delegators:Họ có thể ủy quyền token cho các nút khai thác và xác thực để tăng cường trọng lượng của các nút đó trong phân công nhiệm vụ trong khi chia sẻ phần thưởng được kiếm được bởi các nút được ủy quyền. Điều này cho phép người dùng không có chuyên môn kỹ thuật trong việc đào tạo hoặc xác thực nhiệm vụ tham gia vào mạng và kiếm được phần thưởng.

Flock.io đã chính thức mở tính năng ủy quyền, cho phép bất kỳ người dùng nào đặt cược token FML để kiếm phần thưởng. Người dùng có thểchọncác nút tối ưu dựa trên lợi tức hàng năm dự kiến của họ để tối đa hóa phần thưởng staking của họ. Flock cũng cho biết rằng việc staking và các hoạt động liên quan trong giai đoạn testnet sẽ ảnh hưởng đến phần thưởng airdrop tiềm năng sau khi mainnet ra mắt.

Trong tương lai, Flock nhắm mục tiêu giới thiệu một cơ chế khởi động nhiệm vụ thân thiện với người dùng hơn, cho phép cá nhân không có chuyên môn về trí tuệ nhân tạo tham gia dễ dàng vào việc tạo và huấn luyện các mô hình trí tuệ nhân tạo, thực hiện tầm nhìn “mọi người đều có thể tham gia vào trí tuệ nhân tạo.” Flock cũng đang tích cực theo đuổi các mối hợp tác khác nhau, như phát triển một mô hình đánh giá tín dụng trên chuỗi với Request Finance và hợp tác với Morpheus và Ritual để tạo ra các mô hình bot giao dịch cung cấp các mẫu triển khai một lần nhấp cho các nút huấn luyện, giúp cho các nhà phát triển bắt đầu và chạy huấn luyện mô hình trên Akash một cách đơn giản. Ngoài ra, Flock đã huấn luyện một trợ lý lập trình ngôn ngữ Move để hỗ trợ các nhà phát triển trên nền tảng Aptos.

Nhìn chung, trong khi Bittensor và Flock có vị trí thị trường khác nhau, cả hai đều cố gắng tái định nghĩa mối quan hệ sản xuất trong hệ sinh thái trí tuệ nhân tạo thông qua các công nghệ phi tập trung riêng biệt. Mục tiêu chung của họ là phá vỡ độc quyền của những ông trùm tập trung trong nguồn tài nguyên trí tuệ nhân tạo và thúc đẩy một hệ sinh thái trí tuệ nhân tạo công bằng và mở hơn, điều cần thiết ngay trong thị trường hiện nay.

Tất cả thông tin trên trang web này chỉ có tính chất tham khảo:

1. Bài viết này được sao chép từ [ chainfeeds], Tất cả bản quyền thuộc về tác giả gốc [Linda Bell]. Nếu có ý kiến ​​phản đối về việc tái bản này, vui lòng liên hệ Gate Họcđội ngũ, và họ sẽ xử lý nhanh chóng.
2. Miễn trách nhiệm về trách nhiệm: Quan điểm và ý kiến được thể hiện trong bài viết này chỉ là của tác giả và không đại diện cho 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 được nêu, việc sao chép, phân phối hoặc đạo văn các bài viết dịch là không được phép.