Lưu trữ cho từ khóa: Trò chuyện

Tìm hiểu hệ sinh thái AI đang phát triển của Web3

Mặc dù sự giao thoa giữa Web3 và AI có tiềm năng rất lớn nhưng vẫn còn rất nhiều nhầm lẫn về công nghệ mới nổi này trên thị trường hiện nay. David Attermann, tại M31 Capital, cho biết việc vạch ra chuỗi cung ứng GPU, các lớp công nghệ và bối cảnh cạnh tranh khác nhau có thể giúp các nhà đầu tư hiểu rõ hơn về hệ sinh thái và đưa ra quyết định đầu tư sáng suốt hơn.

Chỉ trong hơn một năm kể từ khi ChatGPT ra mắt lần đầu tiên, AI được cho là đã trở thành câu chuyện toàn cầu có ảnh hưởng nhất hiện nay. Thành công ban đầu của OpenAI đã thúc đẩy sự quan tâm của nhà đầu tư đối với các mô hình ngôn ngữ lớn (LLM) và ứng dụng AI, thu hút 25 tỷ USD tài trợ vào năm 2023 ( tăng 5 lần so với cùng kỳ năm ngoái!) , để theo đuổi cơ hội thị trường trị giá hàng nghìn tỷ USD tiềm năng.

Bạn đang đọc Crypto Long & Short , bản tin hàng tuần của chúng tôi cung cấp thông tin chi tiết, tin tức và phân tích dành cho nhà đầu tư chuyên nghiệp. Đăng ký tại đây để nhận nó trong hộp thư đến của bạn vào thứ Tư hàng tuần.

Như tôi đã viết trước đây , công nghệ AI và tiền điện tử bổ sung tốt cho nhau, vì vậy không có gì ngạc nhiên khi thấy một hệ sinh thái AI đang phát triển nổi lên trong Web3. Bất chấp mọi sự chú ý, tôi nhận thấy có rất nhiều nhầm lẫn về chức năng của các giao thức này, đâu là sự cường điệu so với thực tế và chúng khớp với nhau như thế nào. Báo cáo này sẽ vạch ra chuỗi cung ứng Web3 AI, xác định từng lớp trong nhóm công nghệ và khám phá các bối cảnh cạnh tranh khác nhau. Cuối cùng, bạn phải có hiểu biết cơ bản về cách hoạt động của hệ sinh thái và những điều cần chú ý tiếp theo.

Kho công nghệ AI của Web3

Lớp cơ sở hạ tầng

AI sáng tạo được hỗ trợ bởi LLM, chạy trên GPU hiệu suất cao. LLM có ba khối lượng công việc chính: đào tạo (tạo mô hình), tinh chỉnh (chuyên môn hóa lĩnh vực/chủ đề) và suy luận (chạy mô hình). Tôi đã phân chia lớp này thành GPU đa năng, GPU dành riêng cho ML và bộ tổng hợp GPU, được đặc trưng bởi khả năng khối lượng công việc và trường hợp sử dụng khác nhau. Các thị trường P2P này được khuyến khích bằng tiền điện tử để đảm bảo phân cấp an toàn, nhưng điều quan trọng cần lưu ý là quá trình xử lý GPU thực tế diễn ra ngoài chuỗi.

  • GPU đa năng: Được khuyến khích bằng tiền điện tử (phi tập trung) thị trường sức mạnh tính toán GPU có thể được sử dụng cho bất kỳ loại ứng dụng nào. Do tính chất có mục đích chung, tài nguyên điện toán chỉ phù hợp nhất cho suy luận mô hình (khối lượng công việc LLM được sử dụng nhiều nhất). Những người dẫn đầu danh mục ban đầu bao gồm Akash và Render, tuy nhiên, với nhiều người mới tham gia, không rõ sự khác biệt về giao thức sẽ diễn ra như thế nào. Mặc dù về mặt kỹ thuật, điện toán là một mặt hàng, nhưng nhu cầu của Web3 về điện toán dành riêng cho GPU, không được phép sẽ tiếp tục tăng theo cấp số nhân trong hơn một thập kỷ tới khi chúng ta tích hợp AI nhiều hơn vào cuộc sống hàng ngày. Những điểm khác biệt chính trong dài hạn sẽ là hiệu ứng phân phối và mạng lưới.
  • GPU dành riêng cho ML: Các thị trường này dành riêng cho máy học (ML) các ứng dụng và do đó có thể được sử dụng để huấn luyện mô hình, tinh chỉnh và suy luận. Không giống như các thị trường có mục đích chung, các giao thức này có thể phân biệt tốt hơn thông qua lớp phủ của phần mềm dành riêng cho ML, nhưng hiệu ứng phân phối và mạng cũng sẽ là yếu tố then chốt. Bittensor đã sớm dẫn đầu nhưng nhiều dự án sẽ sớm ra mắt.
  • Bộ tổng hợp GPU: Các thị trường này tổng hợp nguồn cung cấp GPU từ hai danh mục trước đó, điều phối mạng trừu tượng và lớp phủ với phần mềm dành riêng cho ML. Họ giống như Web2 VAR (đại lý có giá trị gia tăng) và có thể được coi là nhà phân phối sản phẩm. Các giao thức này cung cấp các giải pháp GPU hoàn chỉnh hơn có thể chạy đào tạo mô hình, tinh chỉnh và suy luận. Io.net là giao thức đầu tiên xuất hiện trong danh mục này, nhưng tôi hy vọng sẽ có nhiều đối thủ cạnh tranh hơn do nhu cầu phân phối GPU hợp nhất hơn.

Lớp phần mềm trung gian

Lớp trước cho phép truy cập không cần cấp phép vào GPU, nhưng cần có phần mềm trung gian để kết nối tài nguyên máy tính này với các hợp đồng thông minh trên chuỗi theo cách giảm thiểu độ tin cậy (tức là để sử dụng cho các ứng dụng Web3). Nhập bằng chứng không có kiến thức (ZKP), một phương pháp mật mã mà theo đó một bên (người chứng minh) có thể chứng minh cho một bên khác (người xác minh) rằng một tuyên bố đã cho là đúng, đồng thời tránh truyền đạt cho người xác minh bất kỳ thông tin nào ngoài sự thật của tuyên bố đó. Trong trường hợp của chúng tôi, “câu lệnh” là đầu ra của LLM với đầu vào cụ thể.

  • Xác minh suy luận không có kiến thức (ZK): Thị trường phi tập trung cho Trình xác minh ZKP đặt giá thầu để có cơ hội xác minh (để được bồi thường) rằng đầu ra suy luận được tạo ra chính xác bởi LLM mong muốn (trong khi vẫn giữ riêng tư dữ liệu và tham số mô hình). Mặc dù công nghệ ZK đã đi được một chặng đường dài nhưng ZK dành cho máy học (zkML) vẫn còn ở giai đoạn đầu và phải rẻ hơn, nhanh hơn để có thể áp dụng vào thực tế. Khi thực hiện được điều đó, nó có khả năng mở ra một cách đáng kể không gian thiết kế Web3 và AI, bằng cách cho phép các hợp đồng thông minh truy cập LLM theo cách phi tập trung. Mặc dù vẫn còn sớm, =nil;, Giza và RISC Zero dẫn đầu hoạt động của nhà phát triển trên GitHub. Các giao thức như Blockless được định vị tốt cho dù nhà cung cấp ZKP nào giành chiến thắng vì chúng hoạt động như các lớp tổng hợp & trừu tượng (phân phối ZKP).
  • Trung tâm ứng dụng và công cụ dành cho nhà phát triển: Ngoài ZKP, Web3 nhà phát triển yêu cầu công cụ, bộ công cụ phát triển phần mềm (SDK) và dịch vụ để xây dựng các ứng dụng một cách hiệu quả như tác nhân AI (thực thể phần mềm thực hiện các hoạt động thay mặt cho người dùng hoặc chương trình khác với mức độ tự chủ nhất định, sử dụng thể hiện mục tiêu của người dùng) và được hỗ trợ bởi AI chiến lược giao dịch tự động. Nhiều giao thức trong số này còn đóng vai trò là trung tâm ứng dụng, nơi người dùng có thể truy cập trực tiếp vào các ứng dụng đã hoàn thiện được xây dựng trên nền tảng của họ (phân phối ứng dụng). Các nhà lãnh đạo ban đầu bao gồm Bittensor, hiện lưu trữ 32 “mạng con” (ứng dụng AI) khác nhau và Fetch.ai , cung cấp nền tảng dịch vụ đầy đủ để phát triển các tác nhân AI cấp doanh nghiệp.

Lớp ứng dụng

Và cuối cùng, ở trên cùng của nhóm công nghệ, chúng tôi có các ứng dụng giao tiếp với người dùng tận dụng sức mạnh xử lý AI không cần cấp phép của Web3 (được hai lớp trước kích hoạt) để hoàn thành các tác vụ cụ thể cho nhiều trường hợp sử dụng khác nhau. Phần thị trường này vẫn còn non trẻ và vẫn dựa vào cơ sở hạ tầng tập trung, nhưng các ví dụ ban đầu bao gồm kiểm toán hợp đồng thông minh, chatbot dành riêng cho blockchain, trò chơi metaverse, tạo hình ảnh cũng như nền tảng giao dịch và quản lý rủi ro. Khi cơ sở hạ tầng cơ bản tiếp tục phát triển và ZKP trưởng thành, các ứng dụng AI thế hệ tiếp theo sẽ xuất hiện với chức năng mà ngày nay khó có thể tưởng tượng được. Không rõ liệu những người tham gia sớm có thể theo kịp hay không hay liệu những nhà lãnh đạo mới sẽ xuất hiện vào năm 2024 và hơn thế nữa hay không.

Triển vọng của nhà đầu tư: Mặc dù tôi lạc quan về toàn bộ nhóm công nghệ AI, nhưng tôi tin rằng các giao thức cơ sở hạ tầng và phần mềm trung gian là những khoản đầu tư tốt hơn hiện nay do không chắc chắn về cách chức năng AI sẽ phát triển theo thời gian. Dù có phát triển đến đâu, các ứng dụng Web3 AI chắc chắn sẽ yêu cầu sức mạnh GPU lớn, công nghệ ZKP cũng như các dịch vụ và công cụ dành cho nhà phát triển (tức là cơ sở hạ tầng & phần mềm trung gian).

Tiết lộ: M31 Capital có vị trí trong một số mã thông báo được đề cập trong bài viết này.

Tổng hợp và chỉnh sửa: ThS Phạm Mạnh Cường
Theo Coindesk

Công ty khởi nghiệp về tiền điện tử AI Sahara huy động được 6 triệu đô la để thưởng cho các nhà đào tạo AI

Người đồng sáng lập Sahara, Sean Ren, cho biết công nghệ của ông có thể giúp người lao động và doanh nghiệp nhận được kiến thức, dữ liệu và chuyên môn của họ trong thời đại AI.

Sahara, công ty khởi nghiệp mới nhất kết hợp thế giới tiền điện tử và trí tuệ nhân tạo, cho biết nó có thể giúp người lao động và các công ty được đền bù cho kiến thức, chuyên môn và dữ liệu của họ trong thời đại AI.

Công ty khởi nghiệp có trụ sở tại Los Angeles đã huy động được 6 triệu USD trong vòng tài trợ hạt giống do Polychain Capital dẫn đầu. Vòng này còn có sự tham gia của Samsung Next, Matrix Partners, Motherson Group và Sandeep Nailwal, người đồng sáng lập hệ sinh thái chuỗi khối Polygon.

Các sản phẩm AI như ChatGPT và Gemini của Google được đào tạo dựa trên kho dữ liệu khổng lồ và chúng cải thiện theo thời gian nhờ phản hồi của người dùng. Theo người đồng sáng lập Sahara, Sean Ren, công ty khởi nghiệp của anh ấy đang xây dựng một bộ sản phẩm sẽ trực tiếp thưởng cho người dùng, nhà cung cấp dữ liệu và người đào tạo AI giúp các công cụ phát triển – một sự khác biệt rõ rệt so với mô hình hiện tại, theo đó số tiền thu được từ mô hình AI là thường hướng tới bất kỳ công ty nào đã tạo ra nó.

Ren, người đã thành lập Sahara sau bảy năm làm nhà nghiên cứu AI tại Đại học Nam California (USC), nơi ông là thành viên chính thức của khoa khoa học máy tính của trường, giải thích: “Người dùng cung cấp phản hồi rất được cá nhân hóa cho các hệ thống AI” để giúp họ cải thiện. giảng viên. Ren nói với CoinDesk trong một cuộc phỏng vấn rằng mọi người có xu hướng “hoàn toàn hài lòng với việc chia sẻ dữ liệu đó” vì họ rất vui khi sử dụng dịch vụ miễn phí. Nhưng gần đây, “chúng tôi đã thấy công việc của mọi người bắt đầu bị thay thế do thực tế là họ đã cải thiện AI rất nhiều.”

Ren nói rằng ông không nghĩ những gã khổng lồ AI ngày nay được khuyến khích đền bù cho người dùng của họ. Về việc tìm ra giải pháp cho vấn đề ngày càng gia tăng về việc con người mất sinh kế vì AI, “Tôi nghĩ nó phải đến từ bên dưới, với một số công nghệ đột phá,” Ren nói.

Theo tiểu sử của Ren trên trang web USC, anh ấy dành thời gian tại Viện AI của Allen – được thành lập bởi nhà từ thiện và đồng sáng lập Microsoft Paul Allen – làm việc về ý thức chung của máy móc và trước đây là cố vấn khoa học dữ liệu tại Snapchat. Nghiên cứu học thuật của ông “tìm cách xây dựng các hệ thống xử lý ngôn ngữ tự nhiên (NLP) có thể khái quát hóa, có thể xử lý nhiều nhiệm vụ và tình huống ngôn ngữ khác nhau, để mở rộng phạm vi tổng quát của mô hình”, tiểu sử viết.

Một trong những sản phẩm đầu tiên của Sahara, Sahara Knowledge Agent (KA), sẽ là tác nhân AI có thể tùy chỉnh cho các cá nhân và doanh nghiệp. Sự khác biệt chính của Sahara KA so với các tác nhân AI khác là cách kiếm tiền: Các chuyên gia và công ty đào tạo Sahara KA có thể được trả thù lao trực tiếp cho việc đào tạo mô hình.

Tính năng này sẽ chủ yếu sử dụng mạng blockchain như một cách để theo dõi dữ liệu và khen thưởng những người đóng góp theo cách bảo vệ quyền riêng tư. Nó sẽ được xây dựng bằng cách sử dụng Sahara Data, một sản phẩm ban đầu khác của công ty khởi nghiệp nhằm “cung cấp các dịch vụ dữ liệu có giá trị cao để đào tạo mô hình AI, giải quyết những lo ngại về bảo mật và quyền riêng tư trong việc xử lý dữ liệu”, công ty giải thích trong một tuyên bố.

Theo Sahara, công nghệ của họ đã được Microsoft, MIT và USC áp dụng và hai khách hàng doanh nghiệp đã bắt đầu sử dụng dịch vụ Sahara KA. Ren cho biết các sản phẩm đầu tiên của Shara sẽ bắt đầu được tung ra thị trường rộng rãi hơn trong quý 2 và quý 3 năm nay.

Ren cho biết: “Tôi nghĩ nền kinh tế của ngành AI Web2 đang bị phá vỡ và chúng tôi đang cố gắng đảm bảo rằng mỗi bên đều có vai trò riêng của mình trong hệ sinh thái mới này của Sahara”.

Ông nói: “Các chuyên gia chuyên nghiệp, họ thực sự có thể mở rộng kiến thức của mình – kiếm tiền từ kiến thức của mình – chẳng hạn như sử dụng công nghệ đại lý để tiếp cận nhiều người hơn”. Ông nói thêm: “Đối với phần lớn những người không có kiến thức chuyên môn hoặc chuyên môn siêu mạnh, họ có thể đóng góp vào cái mà chúng tôi gọi là cơ sở tri thức công cộng hoặc các mô hình cơ sở công cộng”, tức là các tác nhân AI tổng quát hơn. .

Trong mỗi trường hợp, những người đóng góp nhận được “một phần của mô hình”, Ren nói. “Nếu mô hình kiếm tiền trong tương lai” nhờ việc mọi người trả tiền để sử dụng nó thì “các cổ đông sẽ thu được lợi nhuận”.

Sự trỗi dậy của hạt giống Sahara diễn ra khi sự giao thoa giữa AI và tiền điện tử đang đến thời điểm.

Worldcoin, công ty khởi nghiệp tiền điện tử của người sáng lập Open AI Sam Altman, đã liên tục thu hút sự chú ý với phương pháp quét võng mạc gây tranh cãi để xác minh danh tính kỹ thuật số trong thời đại AI. Vitalik Buterin, người đồng sáng lập Ethereum và nhà lãnh đạo tư tưởng blockchain, đã được trích dẫn rộng rãi trong một bài đăng trên blog gần đây và các tuyên bố công khai khác khám phá cách AI và tiền điện tử có thể bổ sung cho nhau.

Lĩnh vực này cũng nhận thấy sự quan tâm bằng đồng đô la. Ngoài một số hoạt động gây quỹ gần đây cho các công ty tiền điện tử liên kết với AI, các token tiền điện tử liên quan đến AI gần đây cũng đã tăng mạnh. Đáng chú ý, chúng đã vượt qua chỉ số CoinDesk 20 , chỉ số đánh giá các loại tiền điện tử lớn nhất, nhờ tin tức vào tháng trước về thu nhập hàng quý cao của NVIDIA (NVDA), nhà sản xuất chip AI hàng đầu.

Tổng hợp và chỉnh sửa: ThS Phạm Mạnh Cường
Theo Coindesk