phần một

nhìn thoáng qua, ai và web3 dường như là những công nghệ độc lập, mỗi công nghệ dựa trên những nguyên tắc cơ bản khác nhau và phục vụ những chức năng riêng biệt. Tuy nhiên, khi khám phá sâu hơn, chúng ta nhận ra rằng hai công nghệ này có tiềm năng cân bằng những điều kiện không mong muốn của nhau, với những điểm mạnh độc đáo của họ bổ sung và tăng cường lẫn nhau. Balaji Srinivasan đã diễn đạt một cách lập luận rõ ràng về khái niệm này tại hội nghị SuperAI, gây ra một cuộc so sánh chi tiết về cách mà hai công nghệ này tương tác.

các token xuất phát từ một phương pháp từ dưới lên, nổi lên từ sự nỗ lực phi tập trung của những người hâm mộ mạng lưới ẩn danh và phát triển qua một thập kỷ thông qua sự cộng tác của nhiều thực thể độc lập trên toàn cầu. ngược lại, trí tuệ nhân tạo đã được phát triển thông qua một phương pháp từ trên xuống, được thống trị bởi một số tập đoàn công nghệ hàng đầu quyết định nhịp độ và động lực của ngành công nghiệp. các rào cản cho việc tham gia vào trí tuệ nhân tạo được xác định chủ yếu bởi tính tập trung nguồn lực hơn là độ phức tạp kỹ thuật.

cả hai công nghệ này cũng có bản chất khác nhau. các token là các hệ thống xác định sản xuất kết quả bất biến, chẳng hạn như tính dự đoán của các hàm băm hoặc chứng minh không có kiến thức. điều này tương phản rõ rệt với bản chất xác suất và thường không thể dự đoán của trí tuệ nhân tạo.

Tương tự, công nghệ mật mã vượt trội trong việc xác thực, đảm bảo tính xác thực và bảo mật của các giao dịch và thiết lập các quy trình và hệ thống không tin cậy, trong khi AI tập trung vào việc tạo ra, tạo ra nội dung kỹ thuật số phong phú. Tuy nhiên, việc đảm bảo nguồn gốc nội dung và ngăn chặn hành vi trộm cắp danh tính đặt ra những thách thức trong việc tạo ra nội dung kỹ thuật số.

May mắn thay, các token cung cấp một điểm đối lập với sự phong phú kỹ thuật số - sự khan hiếm kỹ thuật số. Chúng cung cấp các công cụ tương đối chín muồi có thể được áp dụng vào các công nghệ trí tuệ nhân tạo để đảm bảo nguồn gốc nội dung và giải quyết các vấn đề về trộm danh tính.

Một lợi thế đáng kể của các mã thông báo là khả năng thu hút vốn và phần cứng đáng kể vào các mạng được phối hợp để phục vụ các mục tiêu cụ thể. Khả năng này đặc biệt có lợi cho trí tuệ nhân tạo, đòi hỏi lượng lớn năng lượng tính toán. Kích hoạt tài nguyên không được sử dụng hiệu quả để cung cấp sức mạnh tính toán giá rẻ hơn có thể cải thiện đáng kể hiệu quả trí tuệ nhân tạo.

bằng cách so sánh hai công nghệ này, chúng ta không chỉ đánh giá được những đóng góp cá nhân mà còn thấy được cách chúng có thể cùng nhau mở ra những con đường mới trong công nghệ và kinh tế. Mỗi công nghệ có thể giải quyết nhược điểm của công nghệ khác, tạo ra một tương lai tích hợp và đổi mới hơn. Bài đăng trên blog này nhằm khám phá cảnh quan ngành công nghiệp ai x web3 mới nổi, tập trung vào một số dọc ngang mới tại sự giao thoa của các công nghệ này.

nguồn: iosg ventures

Phần hai

2.1 mạng máy tính

• cảnh quan ngành công nghiệp đầu tiên giới thiệu mạng máy tính nhằm giải quyết vấn đề cung cấp gpu hạn chế và khám phá các cách khác nhau để giảm chi phí tính toán. các khía cạnh đáng chú ý bao gồm:
• Khả năng tương tác GPU không đồng nhất: nỗ lực đầy tham vọng này liên quan đến rủi ro kỹ thuật cao và sự không chắc chắn, nhưng nếu thành công, nó có thể tạo ra quy mô và tác động đáng kể bằng cách làm cho tất cả các tài nguyên máy tính có thể hoán đổi cho nhau. Ý tưởng là phát triển các trình biên dịch và các điều kiện tiên quyết khác cho phép bất kỳ tài nguyên phần cứng nào được sử dụng ở phía cung, đồng thời trừu tượng hóa tính không đồng nhất của phần cứng ở phía cầu. Điều này sẽ cho phép các yêu cầu điện toán được chuyển đến bất kỳ tài nguyên nào trong mạng, có khả năng giảm sự phụ thuộc vào phần mềm CUDA, hiện đang chiếm ưu thế trong số các nhà phát triển AI. Mặc dù có những lợi ích tiềm năng, nhiều chuyên gia rất hoài nghi về tính khả thi của phương pháp này.
• tích hợp gpu hiệu suất cao: phương pháp này tập trung vào việc tích hợp các gpu phổ biến nhất trên toàn cầu vào một mạng phân phối không cần phép, mà không lo lắng về vấn đề tương thích giữa các tài nguyên gpu không đồng nhất.
• tập trung gpu tiêu dùng hàng hóa: điều này liên quan đến việc tập trung các gpu hiệu suất thấp có sẵn trong các thiết bị tiêu dùng, là một trong những nguồn tài nguyên không được sử dụng hiệu quả nhất phía cung cấp. Nó phục vụ những người sẵn lòng hy sinh hiệu suất và tốc độ để có quá trình đào tạo rẻ hơn và lâu hơn.

2.2 huấn luyện và suy luận

Mạng máy tính được sử dụng chủ yếu cho hai chức năng chính: đào tạo và suy luận. Nhu cầu cho các mạng này đến từ cả các dự án web 2.0 và web 3.0. Trong không gian web 3.0, các dự án như bittensor sử dụng tài nguyên máy tính để điều chỉnh mô hình. Đối với suy luận, các dự án web 3.0 nhấn mạnh tính xác thực của quy trình. Sự tập trung này đã dẫn đến sự xuất hiện của suy luận có thể xác thực như một thị trường dọc, với các dự án khám phá cách tích hợp suy luận trí tuệ nhân tạo vào các hợp đồng thông minh trong khi duy trì nguyên tắc phi tập trung.

2.3 nền tảng đại lý thông minh

• Tiếp theo là nền tảng điều hành trí tuệ nhân tạo, với mục đích liệt kê các vấn đề cốt lõi mà các startup trong danh mục này cần giải quyết:
• tính năng tương tác và khám phá và giao tiếp của đại lý: các đại lý có thể khám phá và giao tiếp với nhau.
• khả năng xây dựng và quản lý cụm đại lý: đại lý có thể hình thành các cụm và quản lý các đại lý khác.
• Quyền sở hữu và thị trường đại lý AI: Cung cấp quyền sở hữu và thị trường cho các đại lý AI.
• những tính năng này nhấn mạnh sự quan trọng của các hệ thống linh hoạt và module có thể tích hợp một cách liền mạch vào các ứng dụng blockchain và trí tuệ nhân tạo khác nhau. các đại lý trí tuệ nhân tạo có tiềm năng cách mạng hóa cách chúng ta tương tác với internet, và chúng tôi tin rằng các đại lý sẽ tận dụng cơ sở hạ tầng để hỗ trợ hoạt động của họ. chúng tôi tưởng tượng các đại lý trí tuệ nhân tạo sẽ phụ thuộc vào cơ sở hạ tầng theo các cách sau:
• truy cập dữ liệu web thời gian thực bằng mạng lưới crawling phân tán
• thực hiện thanh toán giữa các đại lý bằng cách sử dụng các kênh defi
• yêu cầu tiền gửi kinh tế không chỉ để trừng phạt hành vi kỷ luật mà còn để tăng cường khả năng phát hiện của đại lý (tức là, sử dụng tiền gửi như tín hiệu kinh tế trong quá trình phát hiện)
• sử dụng sự nhất trí để quyết định những sự kiện nào nên dẫn đến việc cắt giảm điểm
• tiêu chuẩn tương tác mở và khung vi mạch đại lý để hỗ trợ xây dựng các tập thể có thể kết hợp
• đánh giá hiệu suất trước đó dựa trên lịch sử dữ liệu không thể thay đổi và lựa chọn các nhóm đại lý phù hợp trong thời gian thực

Nguồn: IOSG Ventures

2.4 lớp dữ liệu

Trong việc tích hợp trí tuệ nhân tạo và web3, dữ liệu là một thành phần cốt lõi. Dữ liệu là tài sản chiến lược trong cuộc đua trí tuệ nhân tạo, cùng với tài nguyên tính toán. Tuy nhiên, hạng mục này thường bị bỏ qua khi sự chú ý của ngành công nghiệp tập trung vào tầng tính toán. Trong thực tế, các nguyên thủy cung cấp nhiều hướng giá trị thú vị trong quá trình thu thập dữ liệu, chủ yếu bao gồm hai hướng cấp cao sau đây:

truy cập dữ liệu công cộng trên internet

truy cập dữ liệu được bảo vệ

Truy cập dữ liệu Internet công cộng: Hướng này nhằm mục đích xây dựng một mạng lưới trình thu thập thông tin phân tán có thể thu thập dữ liệu toàn bộ internet trong vòng vài ngày, có được các bộ dữ liệu khổng lồ hoặc truy cập dữ liệu internet rất cụ thể trong thời gian thực. Tuy nhiên, để thu thập dữ liệu lớn trên Internet, nhu cầu mạng rất cao, đòi hỏi ít nhất vài trăm nút để bắt đầu một số công việc có ý nghĩa. May mắn thay, Grass, một mạng lưới nút thu thập thông tin phân tán, đã có hơn 2 triệu nút tích cực chia sẻ băng thông internet với mạng, nhằm thu thập dữ liệu toàn bộ internet. Điều này cho thấy tiềm năng to lớn của các ưu đãi kinh tế trong việc thu hút các nguồn lực quý giá.

Mặc dù cỏ cung cấp môi trường cạnh tranh công bằng cho dữ liệu công khai, nhưng thách thức trong việc sử dụng dữ liệu tiềm năng - cụ thể là truy cập vào các bộ dữ liệu độc quyền - vẫn tồn tại. Cụ thể, một lượng lớn dữ liệu vẫn được lưu trữ theo cách bảo vệ quyền riêng tư do tính nhạy cảm của nó. Nhiều startup đang sử dụng các công cụ mật mã cho phép các nhà phát triển trí tuệ nhân tạo sử dụng cấu trúc dữ liệu cơ bản của các bộ dữ liệu độc quyền để xây dựng và điều chỉnh các mô hình ngôn ngữ lớn trong khi vẫn giữ thông tin nhạy cảm riêng tư.

Các công nghệ như học tập liên kết, quyền riêng tư khác biệt, môi trường thực thi đáng tin cậy, mã hóa đồng cấu hoàn toàn và tính toán đa bên cung cấp các mức độ bảo vệ quyền riêng tư và đánh đổi khác nhau. Bài báo nghiên cứu của Bagel tóm tắt một cái nhìn tổng quan tuyệt vời về các công nghệ này. Những công nghệ này không chỉ bảo vệ quyền riêng tư dữ liệu trong quá trình học máy mà còn đạt được các giải pháp AI được bảo vệ quyền riêng tư toàn diện ở lớp điện toán.

2.5 nguồn dữ liệu và mô hình

Công nghệ nguồn gốc dữ liệu và mô hình nhằm thiết lập quy trình đảm bảo người dùng rằng họ đang tương tác với các mô hình và dữ liệu đúng đắn. Hơn nữa, những công nghệ này cung cấp các bảo đảm về tính xác thực và nguồn gốc. Ví dụ, công nghệ nguồn gốc mô hình watermarking nhúng chữ ký trực tiếp vào thuật toán học máy, cụ thể là vào trọng số mô hình, để trong quá trình truy xuất, có thể xác minh xem sự suy luận có phải xuất phát từ mô hình đúng đắn hay không.

Ứng dụng 2.6

Về mặt ứng dụng, các khả năng thiết kế là vô tận. Trên cảnh quan ngành công nghiệp trên, chúng tôi đã liệt kê một số trường hợp phát triển đặc biệt được mong đợi khi công nghệ AI được áp dụng trong lĩnh vực web 3.0. Vì những trường hợp sử dụng này phần lớn tự giải thích, chúng tôi sẽ không bình luận thêm. Tuy nhiên, đáng lưu ý rằng sự giao thoa của AI và web 3.0 có tiềm năng thay đổi nhiều lĩnh vực thẳng hàng trong lĩnh vực này, khi những nguyên thủy mới này mang lại cho nhà phát triển tự do hơn để tạo ra các trường hợp sử dụng sáng tạo và tối ưu hóa các trường hợp sử dụng hiện có.

phần ba

tóm tắt

Sự tích hợp của trí tuệ nhân tạo và web3 mang đến một cảnh quan đầy sáng tạo và tiềm năng. Bằng cách tận dụng những lợi thế độc đáo của mỗi công nghệ, chúng ta có thể giải quyết các thách thức đa dạng và mở ra những con đường công nghệ mới. Khi chúng ta khám phá ngành công nghiệp mới nổi này, sự phối hợp giữa trí tuệ nhân tạo và web3 có thể thúc đẩy tiến bộ, định hình kinh nghiệm kỹ thuật số tương lai của chúng ta và biến đổi cách chúng ta tương tác trực tuyến.

Sự kết hợp giữa sự khan hiếm kỹ thuật số và sự phong phú kỹ thuật số, việc tập hợp các tài nguyên chưa được sử dụng để đạt hiệu quả tính toán và việc thiết lập các thực tiễn bảo vệ sự riêng tư và an toàn sẽ định nghĩa cho kỷ nguyên tiến hóa công nghệ thế hệ tiếp theo.

Tuy nhiên, chúng ta phải nhận ra rằng ngành này vẫn còn đang ở thời kỳ đầu, và cảnh quan hiện tại có thể nhanh chóng trở nên lỗi thời. Tốc độ đổi mới nhanh chóng có nghĩa là những giải pháp tiên tiến nhất hiện nay có thể sớm được thay thế bằng những đột phá mới. Tuy nhiên, các khái niệm cơ bản được thảo luận - chẳng hạn như các mạng tính toán, nền tảng đại lý và giao thức dữ liệu - nhấn mạnh các khả năng vô cùng lớn của việc tích hợp trí tuệ nhân tạo với web3.

disclaimer:

1. bài viết này được tái bản từ [深潮TechFlow], bản quyền thuộc về tác giả gốc [iosg ventures], nếu bạn có bất kỳ phản đối nào đối với việc in lại, vui lòng liên hệ với Gate họcđội ngũ và đội ngũ sẽ xử lý nó càng sớm càng tốt theo các quy trình liên quan.

2. miễn trách nhiệm: quan điểm và ý kiến được thể hiện trong bài viết này chỉ đại diện cho quan điểm cá nhân của tác giả và không cấu thành bất kỳ lời khuyên đầu tư nào.

3. các phiên bản ngôn ngữ khác của bài viết được dịch bởi nhóm học của Gate và không được đề cập trongGate.io, bài viết dịch có thể không được sao chép, phân phối hoặc đạo văn.