IOSG｜Phát triển câu chuyện mới về cơ sở hạ tầng từ nền tảng công nghệ AI x Web3

Lời nói đầu

Sự phát triển nhanh chóng gần đây của các mô hình ngôn ngữ lớn (LLM) đã thu hút sự quan tâm đến việc sử dụng trí tuệ nhân tạo (AI) để chuyển đổi các ngành công nghiệp khác nhau. Ngành công nghiệp blockchain không phải là ngoại lệ và sự xuất hiện của câu chuyệnAI x Crypto đã khiến nó trở thành tâm điểm chú ý. Bài viết này khám phá ba cách chính để hợp nhất AI và tiền điện tử, đồng thời khám phá những cơ hội duy nhất của công nghệ chuỗi khối để giải quyết các vấn đề trong ngành AI.

Ba cách tiếp cận của AIxCrypto bao gồm:

• 1. Tích hợp AI vào các sản phẩm hiện có: Các công ty như Dune đang sử dụng AI để cải tiến sản phẩm của họ, chẳng hạn như giới thiệu SQL copilot để giúp người dùng viết các truy vấn phức tạp.

• 2. Xây dựng cơ sở hạ tầng AI cho hệ sinh thái tiền điện tử: Các công ty khởi nghiệp như Ritual và Autonolas tập trung phát triển cơ sở hạ tầng dựa trên AI, được thiết kế riêng cho nhu cầu của hệ sinh thái tiền điện tử.

• 3. Sử dụng blockchain để giải quyết các vấn đề của ngành AI: Các dự án như Gensyn, EZKL và io.net đang khám phá công nghệ blockchain Làm thế nào để giải quyết các thách thức mà ngành AI phải đối mặt, chẳng hạn như quyền riêng tư, bảo mật và minh bạch dữ liệu.

Điểm độc đáo của AI x Crypto là công nghệ chuỗi khối được kỳ vọng sẽ giải quyết các vấn đề cố hữu của ngành công nghiệp AI. Giao điểm độc đáo này mở ra những khả năng mới cho các giải pháp sáng tạo mang lại lợi ích cho cộng đồng AI và blockchain.

Khi đi sâu vào lĩnh vực AI x Crypto, chúng tôi mong muốn xác định và giới thiệu những ứng dụng hứa hẹn nhất của công nghệ blockchain trong việc giải quyết các thách thức của ngành AI. Bằng cách hợp tác với các chuyên gia trong ngành AI và các nhà xây dựng tiền điện tử, chúng tôi cam kết thúc đẩy phát triển các giải pháp tiên tiến nhằm tận dụng thế mạnh của cả hai công nghệ.

1. Tổng quan về ngành

Lĩnh vực AI x Crypto có thể được chia thành hai loại: cơ sở hạ tầng và ứng dụng mạnh>. Trong khi một số cơ sở hạ tầng hiện có tiếp tục hỗ trợ các trường hợp sử dụng AI, những người chơi mới đang tung ra các kiến ​​trúc gốc AI hoàn toàn mới trên thị trường.

1.1 Mạng máy tính

Trong lĩnh vực AIxCrypto, Mạng máy tính đóng một vai trò quan trọng trong việc cung cấp cơ sở hạ tầng cần thiết cho các ứng dụng AI. Các mạng này có thể được chia thành hai loại dựa trên nhiệm vụ mà chúng hỗ trợ: mạng máy tính đa năng và mạng máy tính chuyên dụng.

1.1.1 Mạng máy tính toàn cầu

Mạng máy tính chung (chẳng hạn như IO.net và Akash) cung cấp cho người dùng cơ hội truy cập vào máy thông qua SSH và cung cấp giao diện dòng lệnh (CLI) cho phép người dùng xây dựng các ứng dụng của riêng họ. Các mạng này tương tự như máy chủ riêng ảo (VPS), cung cấp môi trường điện toán cá nhân trên đám mây.

IO.net Dựa trên hệ sinh thái Solana, tập trung vào các cụm máy tính và cho thuê GPU, trong khi Akash, dựa trên hệ sinh thái Cosmos, chủ yếu cung cấp các máy chủ đám mây CPU và các ứng dụng khác nhau.

Quan điểm của iOSG Ventures:

So với thị trường đám mây Web2 trưởng thành, mạng điện toán Vẫn ở giai đoạn đầu. Mạng điện toán Web3 không thể so sánh với các khối xây dựng "Lego" của Web2, chẳng hạn như các chức năng không có máy chủ, VPS và các dự án đám mây cơ sở dữ liệu dựa trên các nhà cung cấp đám mây lớn như AWS, Azure và Google Cloud.

Ưu điểm của mạng máy tính bao gồm:

• Công nghệ chuỗi khối có thể tận dụng các tài nguyên máy tính và máy tính cá nhân không được sử dụng để làm cho mạng bền vững hơn.

• Thiết kế ngang hàng (P2P) cho phép các cá nhân kiếm tiền từ các tài nguyên máy tính không sử dụng và cung cấp điện toán với chi phí thấp hơn, do đó có khả năng Giảm chi phí từ 75%-90%.

Tuy nhiên, do những thách thức sau đây nên mạng máy tính khó được đưa vào sử dụng sản xuất thực tế và thay thế các dịch vụ đám mây Web2:

• Giá cả chắc chắn là lợi thế chính của mạng máy tính nói chung , nhưng nó phải được so sánh với các công ty đám mây Web2 trưởng thành. Việc cạnh tranh về tính năng, bảo mật và tính ổn định vẫn còn nhiều thách thức.

• Phong cách ngang hàng có thể hạn chế khả năng của các mạng này trong việc nhanh chóng cung cấp các sản phẩm hoàn thiện và mạnh mẽ. Bản chất phi tập trung sẽ làm tăng chi phí phát triển và bảo trì.

1.1.2 Mạng máy tính riêng tư

Riêng tư Mạng điện toán bổ sung thêm một lớp cho mạng điện toán chung, cho phép người dùng triển khai các ứng dụng cụ thể thông qua các tệp cấu hình. Các mạng này được thiết kế để đáp ứng các trường hợp sử dụng cụ thể, chẳng hạn như kết xuất 3D hoặc suy luận và đào tạo AI.

Render là mạng điện toán chuyên nghiệp tập trung vào kết xuất 3D. Trong lĩnh vực AI, những người chơi mới như Bittensor, Hyperbolic, Ritual và Fetch.ai tập trung vào suy luận AI, trong khi Flock và Gensyn chủ yếu tập trung vào đào tạo AI.

Quan điểm của iOSG Ventures:

Mạng máy tính riêng Ưu điểm :

• Các tính năng phi tập trung và tiền điện tử giải quyết các vấn đề chung về tập trung hóa và mật mã trong AI ​​vấn đề minh bạch của ngành.

• Mạng máy tính không được phép và sơ đồ xác minh đảm bảo tính hiệu quả của quá trình suy luận và đào tạo.

• Các công nghệ bảo vệ quyền riêng tư, chẳng hạn như học tập liên kết được Flock áp dụng, cho phép các cá nhân đóng góp dữ liệu vào đào tạo mô hình trong khi vẫn giữ dữ liệu của họ cục bộ và Riêng tư.

• Bằng cách hỗ trợ tích hợp hợp đồng thông minh với các ứng dụng blockchain xuôi dòng, lý luận AI có thể được sử dụng trực tiếp trên blockchain.

Nguồn: IOSG Ventures

Mặc dù Mạng điện toán đào tạo và suy luận AI chuyên dụng vẫn đang ở giai đoạn đầu, nhưng chúng tôi kỳ vọng các ứng dụng AI Web3 sẽ ưu tiên cơ sở hạ tầng AI Web3. Xu hướng này đã được thể hiện rõ trong các hoạt động hợp tác như Story Protocol và Ritual hợp tác với MyShell để giới thiệu các mô hình AI dưới dạng tài sản trí tuệ.

Mặc dù các ứng dụng nổi bật được xây dựng trên cơ sở hạ tầng AI x Web3 mới nổi này vẫn chưa xuất hiện nhưng tiềm năng phát triển là rất lớn. Khi hệ sinh thái trưởng thành, chúng tôi kỳ vọng sẽ thấy nhiều ứng dụng sáng tạo hơn tận dụng các khả năng độc đáo của mạng điện toán AI phi tập trung.

2. Dữ liệu

Dữ liệu đóng vai trò quan trọng trong mô hình AI và sự phát triển của Mô hình AI Dữ liệu tham gia vào tất cả các giai đoạn, bao gồm thu thập dữ liệu, lưu trữ tập dữ liệu huấn luyện và lưu trữ mô hình.

2.1 Lưu trữ dữ liệu

Việc lưu trữ phi tập trung các mô hình AI là rất quan trọng để cung cấp API suy luận theo cách phi tập trung. Các nút suy luận sẽ có thể truy xuất các mô hình này từ mọi nơi vào bất kỳ lúc nào. Với các mô hình AI có khả năng đạt kích thước hàng trăm gigabyte, cần có một mạng lưu trữ phi tập trung mạnh mẽ. Những công ty dẫn đầu về lưu trữ phi tập trung, chẳng hạn như Filecoin và Arweave, có thể cung cấp chức năng này.

Chế độ xem của iOSG Ventures:

Có rất nhiều cơ hội trong lĩnh vực này.

• Mạng lưu trữ dữ liệu phi tập trung được tối ưu hóa cho các mô hình AI, cung cấp khả năng kiểm soát phiên bản và lưu trữ khác nhau Thấp- định lượng mô hình chính xác và tải xuống nhanh chóng các mô hình lớn.

• Cơ sở dữ liệu vectơ phi tập trung, vì chúng thường đi kèm với các mô hình, cung cấp độ chính xác cao hơn bằng cách chèn câu trả lời của kiến ​​thức cần thiết liên quan đến vấn đề. Cơ sở dữ liệu SQL hiện có cũng có thể được thêm vào với sự hỗ trợ tìm kiếm vector.

2.2 Thu thập dữ liệuThu thập và gắn thẻ

Việc thu thập dữ liệu chất lượng cao là điều vô cùng quan trọng trong quá trình đào tạo AI. Các dự án dựa trên chuỗi khối như Grass sử dụng nguồn lực cộng đồng để thu thập dữ liệu cho việc đào tạo AI, tận dụng mạng lưới cá nhân. Với các cơ chế và ưu đãi phù hợp, người đào tạo AI có thể có được dữ liệu chất lượng cao với chi phí thấp hơn. Các dự án như Tai-da và Saipen tập trung vào việc ghi nhãn dữ liệu.

Chế độ xem của iOSG Ventures:

Một số quan sát của chúng tôi về thị trường này:

• Hầu hết các dự án gắn thẻ dữ liệu đều bị ảnh hưởng bởi GameFi Lấy cảm hứng từ, thu hút người dùng bằng khái niệm "kiếm thẻ" và các nhà phát triển với lời hứa giảm chi phí cho dữ liệu được gắn thẻ chất lượng cao.

• Hiện tại không có người dẫn đầu rõ ràng trong lĩnh vực này và AI quy mô đang thống trị thị trường ghi nhãn dữ liệu Web2.

2.3 Dữ liệu chuỗi khối

Khi đào tạo các mô hình AI dành riêng cho blockchain, các nhà phát triển cần dữ liệu blockchain chất lượng cao có thể được sử dụng trực tiếp trong quá trình đào tạo của họ. Spice AI và Space and Time cung cấp dữ liệu blockchain chất lượng cao với SDK, cho phép các nhà phát triển dễ dàng tích hợp dữ liệu vào đường dẫn dữ liệu đào tạo của họ.

Chế độ xem của iOSG Ventures:

Khi nhu cầu về các mô hình AI liên quan đến blockchain tăng lên, nhu cầu về dữ liệu blockchain chất lượng cao sẽ tăng cao. Tuy nhiên, hầu hết các công cụ phân tích dữ liệu hiện chỉ cung cấp tính năng xuất dữ liệu ở định dạng CSV, không lý tưởng cho mục đích đào tạo AI.

Để thúc đẩy sự phát triển của các mô hình AI dành riêng cho blockchain, điều quan trọng là phải cung cấp thêm chức năng hoạt động học máy (MLOP) liên quan đến blockchain để cải thiện trải nghiệm của nhà phát triển. Những tính năng này sẽ cho phép các nhà phát triển tích hợp liền mạch dữ liệu blockchain trực tiếp vào quy trình đào tạo AI dựa trên Python của họ.

3. ZKML

Do khuyến khích sử dụng các mô hình ít phức tạp hơn để giảm chi phí tính toán, các nhà cung cấp AI tập trung đối mặt với các vấn đề về niềm tin. Ví dụ: người dùng đôi khi cảm thấy ChatGPT hoạt động kém hiệu quả vào năm ngoái. Điều này sau đó được cho là do bản cập nhật OpenAI nhằm cải thiện hiệu suất của mô hình.

Ngoài ra, những người sáng tạo nội dung còn nêu lên mối lo ngại về bản quyền đối với các công ty AI. Rất khó để các công ty này chứng minh rằng dữ liệu cụ thể không được đưa vào quá trình đào tạo của họ.

Học máy không kiến ​​thức (ZKML) là một phương pháp tiếp cận đổi mới nhằm giải quyết các vấn đề về niềm tin liên quan đến các nhà cung cấp trí tuệ nhân tạo tập trung. Bằng cách tận dụng các bằng chứng không có kiến ​​thức, ZKML cho phép các nhà phát triển chứng minh tính chính xác của quá trình suy luận và đào tạo AI của họ mà không tiết lộ chi tiết mô hình hoặc dữ liệu nhạy cảm.

3.1 Đào tạo

Các nhà phát triển có thể sử dụng ảo không có kiến ​​thức Thực hiện các tác vụ đào tạo trong máy (ZKVM), chẳng hạn như máy ảo do Risc Zero cung cấp. Quá trình này tạo ra bằng chứng xác minh rằng việc đào tạo đã được thực hiện chính xác và chỉ sử dụng dữ liệu được ủy quyền. Chứng nhận này đóng vai trò là bằng chứng cho thấy nhà phát triển đã tuân thủ các thông số kỹ thuật đào tạo và quyền sử dụng dữ liệu phù hợp.

Chế độ xem của iOSG Ventures:

• ZKML cung cấp giải pháp độc đáo để chứng minh việc sử dụng dữ liệu được ủy quyền trong đào tạo mô hình, điều này thường khó đạt được do tính chất hộp đen của các mô hình trí tuệ nhân tạo.

• Công nghệ này vẫn đang ở giai đoạn đầu. Chi phí tính toán là rất lớn. Cộng đồng đang tích cực khám phá thêm nhiều trường hợp sử dụng cho chương trình đào tạo ZK.

3.2 Lý luận

ZKML mất nhiều thời gian hơn để suy luận so với đối tác đào tạo của nó. Hiện đã có một số công ty nổi tiếng đang nổi lên trong lĩnh vực này, mỗi công ty có một cách tiếp cận riêng để làm cho suy luận của máy học trở nên đáng tin cậy và minh bạch.

Giza tập trung vào việc xây dựng nền tảng vận hành máy học (MLOP) toàn diện và xây dựng một cộng đồng sôi động xung quanh nền tảng đó. Mục tiêu của họ là cung cấp cho các nhà phát triển các công cụ và tài nguyên để tích hợp ZKML vào quy trình suy luận.

Mặt khác, EZKL ưu tiên trải nghiệm phát triển bằng cách tạo khung ZKML thân thiện với người dùng, mang lại hiệu suất tốt. Giải pháp của họ nhằm mục đích đơn giản hóa quá trình triển khai suy luận ZKML, giúp nhiều nhà phát triển dễ dàng tiếp cận hơn.

Modulus Labs có cách tiếp cận khác và đã phát triển hệ thống chứng minh của riêng mình. Mục tiêu chính của họ là giảm đáng kể chi phí tính toán liên quan đến suy luận ZKML. Bằng cách giảm chi phí hoạt động xuống 10 lần, Modulus Labs cố gắng làm cho suy luận ZKML trở nên thiết thực và hiệu quả hơn cho các ứng dụng trong thế giới thực.

Chế độ xem của iOSG Ventures:

• ZKML đặc biệt phù hợp với các tình huống GameFi và DeFi trong đó sự thiếu tin cậy là rất quan trọng.

• Chi phí tính toán do ZKML đưa ra khiến việc chạy các mô hình trí tuệ nhân tạo lớn một cách hiệu quả trở nên khó khăn.

• Ngành công nghiệp vẫn đang tìm kiếm những người tiên phong về DeFi và GameFi để sử dụng nhiều ZKML trong các sản phẩm của họ để chứng minh các kịch bản ứng dụng thực tế của nó.

4. Mạng đại lý + các ứng dụng khác

4.1 Mạng đại lý

4.1 Mạng đại lý strong> 

Mạng lưới đại lý bao gồm nhiều đại lý trí tuệ nhân tạo được trang bị các công cụ và kiến ​​thức để thực hiện các nhiệm vụ cụ thể, chẳng hạn như hỗ trợ trên chuỗi giao dịch. Các tác nhân này có thể cộng tác với nhau để đạt được các mục tiêu phức tạp hơn. Một số công ty nổi tiếng đang tích cực phát triển các đại lý và mạng lưới đại lý giống chatbot.

Sleepless, Siya, Myshell, characterX và Delysium là những người chơi quan trọng đang xây dựng các tác nhân chatbot. Autonolas và ChainML đang xây dựng mạng proxy cho các trường hợp sử dụng mạnh mẽ hơn.

Chế độ xem của iOSG Ventures:

Các tác nhân rất quan trọng đối với các ứng dụng trong thế giới thực. Chúng có thể thực hiện các nhiệm vụ cụ thể tốt hơn trí tuệ nhân tạo nói chung. Blockchain cung cấp một số cơ hội đặc biệt cho các tác nhân trí tuệ nhân tạo.

• Có cơ chế khuyến khích: Blockchain thông qua các token không thể thay thế (NFT) và các công nghệ khác cung cấp cơ chế khuyến khích. Với quyền sở hữu và cơ cấu khuyến khích rõ ràng, người sáng tạo được khuyến khích phát triển các đại lý thú vị và sáng tạo hơn trên chuỗi.

• Khả năng kết hợp của hợp đồng thông minh: Hợp đồng thông minh trên chuỗi khối có khả năng kết hợp cao và hoạt động giống như các khối Lego. API mở được cung cấp bởi hợp đồng thông minh cho phép các đại lý thực hiện các nhiệm vụ phức tạp khó đạt được trong các hệ thống tài chính truyền thống. Khả năng kết hợp này cho phép các tác nhân tương tác và tận dụng chức năng của nhiều ứng dụng phi tập trung (dApps).

• Tính cởi mở vốn có: Bằng cách xây dựng proxy trên chuỗi khối, họ kế thừa tính cởi mở và minh bạch vốn có của các mạng này. Điều này tạo ra những cơ hội đáng kể cho khả năng kết hợp giữa các tác nhân khác nhau, cho phép chúng hợp tác và kết hợp các khả năng của mình để giải quyết các nhiệm vụ phức tạp hơn.

4.2 Các ứng dụng khác

Ngoài các danh mục chính được thảo luận trước đây, có một số ứng dụng AI thú vị đang nhận được sự chú ý trong không gian Web3, mặc dù chúng có thể không đủ lớn để tạo thành các danh mục độc lập. Các ứng dụng này trải rộng trên nhiều lĩnh vực và thể hiện tính đa dạng cũng như tiềm năng của trí tuệ nhân tạo trong hệ sinh thái blockchain.

• Tạo hình ảnh: ImgnAI

• Kiếm tiền từ hình ảnh nhắc nhở: NFPromp

• Tạo hình ảnh trí tuệ nhân tạo do cộng đồng đào tạo: Botto

• Chatbot: Kaito, Supersight, Galaxy, Knn3, Awesome QA, Qna3

• Tài chính: Số AI

• Ví: Dawn_wallet

< li>

Trò chơi: TCG song song

• Giáo dục: Bị mắc kẹt

• Bảo mật: Forta

• DID: Worldcoin

• Công cụ dành cho người sáng tạo: Plai Lab

5. Thúc đẩy AIxCrypto trao quyền cho người dùng Web2 để đạt được sự chấp nhận rộng rãi

AI x Crypto là duy nhất vì nó giải quyết được những vấn đề khó khăn nhất trong câu hỏi về trí tuệ nhân tạo. Bất chấp khoảng cách giữa sản phẩm AIxCrypto hiện tại và sản phẩm AI Web2 và sự thiếu hấp dẫn đối với người dùng Web2, AIxCrypto vẫn có một số tính năng độc đáo mà chỉ AIxCrypto mới có thể cung cấp.

5.1 Tài nguyên tính toán hiệu quả về mặt chi phí:

Một trong những lợi thế chính của AIxCrypto là cung cấp tài nguyên máy tính hiệu quả về mặt chi phí. Khi nhu cầu về LLM tăng lên và có nhiều nhà phát triển hơn trên thị trường, tính sẵn có và giá cả của GPU trở nên khó khăn hơn. Giá GPU đã tăng đáng kể và đang thiếu hụt.

Mạng điện toán phi tập trung như dự án DePIN có thể giúp giảm bớt vấn đề này bằng cách tận dụng sức mạnh tính toán nhàn rỗi, GPU trong các trung tâm dữ liệu nhỏ và thiết bị điện toán cá nhân. Mặc dù sức mạnh tính toán phi tập trung có thể không ổn định như các dịch vụ đám mây tập trung, nhưng các mạng này cung cấp thiết bị tính toán hiệu quả về mặt chi phí ở nhiều khu vực địa lý khác nhau. Cách tiếp cận phi tập trung này giảm thiểu độ trễ biên, đảm bảo cơ sở hạ tầng phân tán và linh hoạt hơn.

Bằng cách tận dụng sức mạnh của mạng điện toán phi tập trung, AIxCrypto có thể cung cấp cho người dùng Web2 tài nguyên máy tính có thể truy cập và giá cả phải chăng. Lợi thế về chi phí này sẽ hấp dẫn trong việc thu hút người dùng Web2 áp dụng các giải pháp AIxCrypto, đặc biệt khi nhu cầu về điện toán AI tiếp tục tăng.

5.2 Cấp cho người sáng tạo quyền sở hữu:

AI x Một ưu điểm quan trọng khác của Crypto là bảo vệ quyền sở hữu của người sáng tạo. Trong lĩnh vực trí tuệ nhân tạo hiện nay, một số tác nhân có thể dễ dàng bị sao chép. Các tác nhân này có thể được sao chép dễ dàng bằng cách viết các lời nhắc tương tự. Ngoài ra, proxy trong cửa hàng GPT thường thuộc sở hữu của các công ty tập trung chứ không phải của người sáng tạo, điều này hạn chế quyền kiểm soát của người sáng tạo đối với tác phẩm của họ và khả năng kiếm tiền hiệu quả của họ.

AI x Crypto giải quyết vấn đề này bằng cách tận dụng công nghệ NFT đã được chứng minh có mặt khắp nơi trong không gian tiền điện tử. Bằng cách đại diện cho đại lý với tư cách là NFT, người sáng tạo có thể thực sự sở hữu các tác phẩm sáng tạo của mình và nhận được lợi ích thực sự từ chúng. Mỗi khi người dùng tương tác với đại lý, người sáng tạo có thể nhận được ưu đãi, đảm bảo phần thưởng công bằng cho nỗ lực của họ. Khái niệm quyền sở hữu dựa trên NFT không chỉ áp dụng cho các đại lý mà còn có thể được sử dụng để bảo vệ các tài sản quan trọng khác trong lĩnh vực trí tuệ nhân tạo, chẳng hạn như cơ sở kiến ​​thức và mẹo.

5.3 Bảo vệ quyền riêng tư và xây dựng lại niềm tin:

Người dùng và người sáng tạo có những lo ngại về quyền riêng tư của các công ty AI tập trung. Người dùng lo lắng về việc dữ liệu của họ bị lạm dụng để đào tạo các mô hình trong tương lai, trong khi người sáng tạo lo lắng về việc tác phẩm của họ bị sử dụng mà không có sự ghi nhận hoặc bồi thường thích hợp. Ngoài ra, các công ty AI tập trung có thể hy sinh chất lượng dịch vụ để giảm chi phí cơ sở hạ tầng.

Những vấn đề này khó giải quyết bằng công nghệ Web2 và AIxCrypto tận dụng các giải pháp Web3 tiên tiến. Đào tạo và suy luận không có kiến ​​thức mang lại sự minh bạch bằng cách chứng minh dữ liệu được sử dụng và đảm bảo áp dụng mô hình chính xác. Các công nghệ như Môi trường thực thi đáng tin cậy (TEE), học tập liên kết và mã hóa đồng hình hoàn toàn (FHE) cho phép hoạt động đào tạo và suy luận AI một cách an toàn, đảm bảo quyền riêng tư.

Bằng cách ưu tiên quyền riêng tư và tính minh bạch, AIxCrypto cho phép các công ty AI lấy lại niềm tin của công chúng và cung cấp các dịch vụ AI tôn trọng quyền của người dùng, khiến chúng khác biệt với giải pháp Web2 truyền thống.

5.3 Bảo vệ quyền riêng tư và xây dựng lại niềm tin:

Người dùng và người sáng tạo có những lo ngại về quyền riêng tư của các công ty AI tập trung. Người dùng lo lắng về việc dữ liệu của họ bị lạm dụng để đào tạo các mô hình trong tương lai, trong khi người sáng tạo lo lắng về việc tác phẩm của họ bị sử dụng mà không có sự ghi nhận hoặc bồi thường thích hợp. Ngoài ra, các công ty AI tập trung có thể hy sinh chất lượng dịch vụ để giảm chi phí cơ sở hạ tầng.

Những vấn đề này khó giải quyết bằng công nghệ Web2 và AIxCrypto tận dụng các giải pháp Web3 tiên tiến. Đào tạo và suy luận không có kiến ​​thức mang lại sự minh bạch bằng cách chứng minh dữ liệu được sử dụng và đảm bảo áp dụng mô hình chính xác. Các công nghệ như Môi trường thực thi đáng tin cậy (TEE), học tập liên kết và mã hóa đồng hình hoàn toàn (FHE) cho phép hoạt động đào tạo và suy luận AI một cách an toàn, đảm bảo quyền riêng tư.

Bằng cách ưu tiên quyền riêng tư và tính minh bạch, AIxCrypto cho phép các công ty AI lấy lại niềm tin của công chúng và cung cấp các dịch vụ AI tôn trọng quyền của người dùng, khiến chúng khác biệt với giải pháp Web2 truyền thống.

5.4 Theo dõi nguồn nội dung

Với thủ công As Nội dung được tạo thông minh ngày càng trở nên phức tạp, việc phân biệt giữa văn bản, hình ảnh hoặc video do con người tạo ra và do AI tạo ra cũng trở nên khó khăn hơn. Để ngăn chặn việc lạm dụng nội dung do AI tạo ra, mọi người cần một cách đáng tin cậy để xác định nguồn của nội dung.

Blockchain rất hiệu quả trong việc theo dõi nguồn gốc của nội dung, giống như nó đã được sử dụng thành công trong quản lý chuỗi cung ứng và NFT. Trong ngành chuỗi cung ứng, blockchain theo dõi toàn bộ vòng đời của sản phẩm và người dùng có thể xác định nhà sản xuất cũng như các cột mốc quan trọng. Tương tự như vậy, blockchain theo dõi những người sáng tạo và, trong trường hợp NFT, ngăn chặn vi phạm bản quyền, vốn đặc biệt dễ bị vi phạm bản quyền do tính chất công khai của chúng. Bất chấp lỗ hổng này, việc sử dụng blockchain có thể giảm thiểu tổn thất từ ​​NFT giả, vì người dùng có thể dễ dàng phân biệt giữa token thật và token giả.

Bằng cách áp dụng công nghệ blockchain để theo dõi nguồn gốc của nội dung do AI tạo ra, AIxCrypto cung cấp cho người dùng khả năng xác minh xem người tạo nội dung là AI hay con người, từ đó làm giảm tiềm năng để lạm dụng và tăng sự tin tưởng vào tính xác thực của nội dung.

5.5 Phát triển các mô hình sử dụng tiền điện tử

Thiết kế và đào tạo các mô hình, đặc biệt là các mô hình lớn, là một quá trình tốn kém và tốn nhiều thời gian. Ngoài ra còn có sự không chắc chắn xung quanh mô hình mới và các nhà phát triển không thể dự đoán hiệu suất của nó.

Tiền điện tử cung cấp một cách thân thiện với nhà phát triển để thu thập dữ liệu trước khi đào tạo, thu thập phản hồi học tập củng cố và gây quỹ từ các bên quan tâm. Quá trình này tương tự như vòng đời của một dự án tiền điện tử điển hình: gây quỹ thông qua đầu tư tư nhân hoặc bệ phóng và phát hành mã thông báo cho những người đóng góp tích cực khi khởi động.

Các mô hình có thể áp dụng cách tiếp cận tương tự, gây quỹ đào tạo bằng cách bán token và airdrop token cho những người đóng góp dữ liệu và phản hồi. Với mô hình kinh tế mã thông báo được thiết kế tốt, quy trình làm việc này giúp các nhà phát triển cá nhân đào tạo các mô hình mới dễ dàng hơn bao giờ hết.

6. Những thách thức của Tokennomics

AI x Crypto Dự án bắt đầu nhắm đến các nhà phát triển Web2 như những khách hàng tiềm năng vì mã hóa có đặc điểm riêng đề xuất giá trị và quy mô thị trường của ngành trí tuệ nhân tạo Web2 là đáng kể. Tuy nhiên, mã thông báo có thể là rào cản đối với các nhà phát triển Web2, những người không quen với mã thông báo và không muốn tham gia vào các hệ thống dựa trên mã thông báo.

Để phục vụ các nhà phát triển Web2, việc giảm hoặc loại bỏ tiện ích của token có thể gây nhầm lẫn cho những người đam mê Web3 vì nó có thể thay đổi dự án AI x Crypto  vị trí cơ bản. Khi nỗ lực tích hợp các token có giá trị vào nền tảng AI SaaS, việc tìm kiếm sự cân bằng giữa việc thu hút các nhà phát triển Web2 và duy trì tiện ích của token là một nhiệm vụ đầy thách thức.

Để thu hẹp khoảng cách giữa các mô hình kinh doanh Web2 và Web3 trong khi vẫn duy trì giá trị mã thông báo, có một số cách tiếp cận tiềm năng có thể được xem xét:

• Tận dụng mã thông báo trong mạng cơ sở hạ tầng phân tán của dự án. Thực hiện các cơ chế đặt cược, thưởng và phạt để bảo vệ mạng cơ bản.

• Sử dụng mã thông báo làm phương thức thanh toán và cung cấp lối vào cho người dùng Web2

• < p style="text-align: left;">Triển khai quản trị dựa trên mã thông báo

• Chia sẻ doanh thu với chủ sở hữu mã thông báo

  < /li>

• Sử dụng số tiền thu được để mua lại hoặc tiêu hủy token

• Các dịch vụ được cung cấp cho dự án, cung cấp chiết khấu và các tính năng bổ sung cho chủ sở hữu mã thông báo

Thông qua việc chú ý cẩn thận đến việc Thiết kế mô hình kinh tế mã thông báo phù hợp với lợi ích của Web2 và Web3, dự án AI x Crypto  có thể thu hút thành công các nhà phát triển Web2 trong khi vẫn duy trì giá trị và tiện ích của mã thông báo của nó.

7. AI x Crypto Kịch bản

Kịch bản AIxCrypto yêu thích của chúng tôi tận dụng sức mạnh cộng tác của người dùng để hoàn thành các nhiệm vụ trong lĩnh vực trí tuệ nhân tạo với sự trợ giúp của công nghệ chuỗi khối. Một số ví dụ cụ thể bao gồm:

1. Đóng góp dữ liệu chung cho hoạt động đào tạo, căn chỉnh và đo điểm chuẩn AI (chẳng hạn như Chatbot Arena)

2. Cộng tác để xây dựng cơ sở kiến ​​thức được chia sẻ rộng lớn mà nhiều tác nhân khác nhau (ví dụ: Sahara) có thể sử dụng

3. Khai thác cá nhân tài nguyên để quét web (ví dụ: Grass)

Các mô hình này thể hiện sự phân cấp bằng cách tận dụng nỗ lực tập thể của người dùng dựa trên sự khuyến khích và phối hợp của blockchain Tiềm năng của một cộng đồng tập trung cách tiếp cận định hướng để phát triển và triển khai AI.

Kết luận

Chúng ta đang ở buổi bình minh của AI và Web3, và so với các ngành khác, AI là Tích hợp trong không gian blockchain vẫn đang ở giai đoạn đầu. Trong top 50 sản phẩm Gen AI, không có sản phẩm nào liên quan đến Web3. Các công cụ LLM hàng đầu có liên quan đến việc tạo và chỉnh sửa nội dung, chủ yếu nhắm mục tiêu bán hàng, cuộc họp và ghi chú/cơ sở kiến ​​thức. Xem xét số lượng lớn các nỗ lực nghiên cứu, tài liệu, bán hàng và cộng đồng trong hệ sinh thái Web3, có tiềm năng rất lớn để phát triển các công cụ LLM tùy chỉnh.

Hiện tại, các nhà phát triển đang tập trung xây dựng cơ sở hạ tầng để đưa các mô hình AI tiên tiến vào chuỗi, mặc dù chúng tôi vẫn chưa đạt được mục tiêu. Khi chúng tôi tiếp tục phát triển cơ sở hạ tầng này, chúng tôi cũng đang khám phá các kịch bản người dùng tốt nhất để tiến hành suy luận AI trên chuỗi một cách an toàn và không cần tin cậy, mang đến những cơ hội duy nhất trong không gian blockchain. Các ngành khác có thể trực tiếp sử dụng cơ sở hạ tầng LLM hiện có để suy luận và tinh chỉnh. Chỉ có ngành công nghiệp blockchain mới cần cơ sở hạ tầng AI riêng của mình.

Trong tương lai gần, chúng tôi kỳ vọng rằng công nghệ blockchain sẽ sử dụng các lợi thế ngang hàng của mình để giải quyết các vấn đề thách thức nhất trong ngành trí tuệ nhân tạo, tạo ra AI mô hình Giá cả phải chăng hơn, dễ tiếp cận và mang lại lợi nhuận cho mọi người. Chúng tôi cũng kỳ vọng không gian tiền điện tử sẽ đi theo câu chuyện của ngành AI, mặc dù có một chút chậm trễ. Trong năm qua, chúng tôi đã thấy các nhà phát triển kết hợp các mô hình Crypto, proxy và LLM. Trong những tháng tới, chúng ta có thể thấy nhiều mô hình đa phương thức hơn, tạo video văn bản và tạo 3D tác động đến không gian tiền điện tử.

Toàn bộ ngành AI và Web3 hiện chưa nhận được đủ sự quan tâm. Chúng tôi rất háo hức mong chờ thời điểm bùng nổ của AI trong Web3, một ứng dụng sát thủ của CryptoxAI .