Tại sao AI cần blockchain?

“Thông tin là dầu mỏ của thế kỷ 21” (Information is the oil of the 21st century), câu chuyện được viết bởi cựu giám đốc điều hành của Gartner – Peter Sondergaard vào đầu những năm 2010, mô tả tầm quan trọng của kiến thức trong thế giới kỹ thuật số.

Tuy nhiên, với sự ra đời của trí tuệ nhân tạo (AI), câu chuyện này đã có những thay đổi nhất định trong vài năm gần đây. Do quy mô dữ liệu cần thiết để đào tạo các mô hình ngôn ngữ lớn (LLM)* dành cho AI, dữ liệu đã trở thành một loại vàng mới. Theo Statista, chỉ trong vòng 5 năm, lượng dữ liệu toàn cầu được tạo ra, thu thập, sao chép và tiêu thụ sẽ tăng gấp ba lần.

Không thể phủ nhận tác động của AI trong lĩnh vực dữ liệu, và các nhà đầu tư dường như đang đặt tiền vào nơi có dữ liệu. Crunchbase ước tính rằng cứ 4 đô la đầu tư vào các công ty start-up có trụ sở tại Hoa Kỳ thì có hơn 1 đô la đã được chuyển vào các công ty thực hiện các dự án liên quan đến AI vào năm 2023, tăng gấp đôi so với thời điểm 4 năm trước đó.

Tỷ lệ phần trăm tài trợ mạo hiểm của Hoa Kỳ dành cho các startup liên quan đến AI. Nguồn: Crunchbase

Những con số ấn tượng này tạo ra một cuộc “chạy đua vũ trang” với dòng vốn khổng lồ đầu tư vào AI, và các tổ chức cũng đã sớm nhận ra rằng AI đang phải đối mặt với những thách thức chưa được giải quyết trên quy mô lớn đáng kinh ngạc đối với một ngành đang trên đường vượt qua 200 tỷ USD vào năm 2024 và dự kiến ​​sẽ đạt được 1,81 nghìn tỷ USD vào năm 2030

Tại sao AI cần blockchain?

Dữ liệu chính là nguồn sống của AI, hoặc làm phong phú, hoặc gây tổn hại đến cuộc sống kỹ thuật số dựa trên khả năng quản lý và vận hành của nó. Nếu dữ liệu được đưa vào AI không xác thực và được xác minh thì nguy cơ tạo ra sự thiên vị trong AI sẽ rất cao. Để AI sẵn sàng sản xuất cho quy mô tác động rộng lớn mà công nghệ này hứa hẹn, cần phải hạn chế những sai lệch, quản lý các mối quan tâm về thiên lệch và tránh vi phạm quyền sở hữu trí tuệ.

Sự trỗi dậy của AI cho chúng ta thấy được sự tăng trưởng theo cấp số nhân trong xử lý dữ liệu, kéo theo nhu cầu xác minh và xác thực thông tin ngày càng tăng. Nếu các tổ chức lớn và gần như mọi doanh nghiệp sử dụng những công cụ hiệu quả và năng suất khổng lồ này trong thời đại thông tin, thì chúng cần phải chính xác.

Nhờ các tính năng “bẩm sinh” như tính bất biến, khả năng truy xuất nguồn gốc và tính minh bạch, blockchain được coi là sự kết hợp hoàn hảo để giải quyết các vấn đề đau đầu liên quan đến AI. Chúng ta có thể tận dụng sức mạnh của cơ chế phi tập trung để đảm bảo thông tin được lưu trữ hoặc xử lý trong nó sẽ luôn chính xác, có thể kiểm chứng và không bị bóp méo qua thời gian. Tuy nhiên, blockchain dường như quá “bận rộn” với việc chiến đấu chống lại những con quỷ của chính nó – cụ thể là bộ ba vấn đề nan giải: đạt được tính bảo mật, khả năng mở rộng và tính phi tập trung cùng lúc – để giúp đỡ các doanh nghiệp đang tìm kiếm cơ sở hạ tầng đáng tin cậy để thiết lập cửa hàng trong không gian AI.

Khả năng mở rộng và khả năng tương tác

Hầu hết các mạng blockchain phải vật lộn để theo kịp nhu cầu băng thông ngày nay, khiến cho bức tranh về một tương lai nơi cơ sở hạ tầng như vậy trở nên khả thi cho sự tăng trưởng theo cấp số nhân của dữ liệu ngày càng trở nên mù mờ. Với các mạng multi-chain được shard cho phép xử lý song song các giao dịch, Polkadot nhắm tới việc loại bỏ các tắc nghẽn đang gây khó khăn cho các mạng kế thừa.

Biểu đồ mô phỏng cách thức hoạt động của cơ chế sharding

Sharding là một kỹ thuật đã được thiết lập trong khoa học máy tính để xử lý lượng lớn dữ liệu bằng cách chia dữ liệu thành các phân đoạn nhỏ hơn, dễ quản lý hơn. Khi được sử dụng trong bối cảnh blockchain, mạng multi-chain được shard của Polkadot cho phép xử lý đồng thời nhiều giao dịch trên một số chain. Điều này giúp cải thiện khả năng mở rộng và định vị Polkadot như một cơ sở hạ tầng lý tưởng để xử lý vụ nổ dữ liệu gây ra bởi AI.

Bên cạnh những lợi ích cốt lõi được cung cấp ở cấp cơ sở hạ tầng, hệ sinh thái Polkadot còn chứa nhiều parachain – các blockchain Layer 1 riêng lẻ hoạt động trong mạng Polkadot – để mở rộng khả năng của nó. Dưới đây là một số ví dụ:

Biểu đồ kiến thức phi tập trung

AI chỉ tốt và hiệu quả như những dữ liệu mà nó đào tạo và đây là lý do tại sao việc “cung cấp” cho nó dữ liệu đã được xác minh là rất quan trọng để ngăn AI phạm phải sai lầm. OriginTrail – một parachain Polkadot đang xây dựng biểu đồ kiến thức phi tập trung – đang cố gắng tìm cách giải quyết các mối lo ngại về tính xác thực của dữ liệu.

OriginTrail quán lý các tài sản kiến ​​thức quan trọng, giúp chúng có thể được khám phá và kiểm chứng bằng cách sử dụng sức mạnh của công nghệ phi tập trung. Thay vì tin tưởng một bên trung tâm tạo và nắm giữ biểu đồ kiến thức để thực hiện các truy vấn tìm kiếm và đào tạo AI, OriginTrail khuyến khích tạo ra một mạng mở của các tài sản kiến thức – dữ liệu chuỗi cung ứng, chi tiết sản phẩm hoặc thông tin trong thế giới thực khác – bất kỳ ai cũng có thể đóng góp và xác minh.

Nền tảng này đã hợp tác với BSI – cơ quan tiêu chuẩn quốc gia của Vương quốc Anh – để đảm bảo tính minh bạch trong chuỗi cung ứng dược phẩm. Sáng kiến ​​Internet thế hệ tiếp theo của EU cũng đã chọn OriginTrail để giúp xây dựng cơ sở hạ tầng tiên tiến cho Internet châu Âu.

Bộ đồng xử lý cho blockchain

Phala Network là bộ đồng xử lý được hỗ trợ bởi mạng cơ sở hạ tầng vật lý phi tập trung (DePIN) – layer thực thi cho Web3 AI. Kho công nghệ của Phala cho phép AI hiểu và tương tác với các blockchain đồng thời cung cấp bộ công cụ để giúp các nhà phát triển xây dựng, vận chuyển và kiếm tiền từ các tác nhân AI tập trung vào hợp đồng thông minh.

Phala đặt mục tiêu trở thành bộ đồng xử lý cho toàn bộ hệ sinh thái blockchain. Nguồn: Phala Network

AI Agent Contract của Phala cho phép các nhà phát triển xây dựng các tác nhân AI tập trung vào hợp đồng thông minh với các lợi ích sau:

• Chuyển đổi hợp đồng thông minh thành tác nhân AI: Các nhà phát triển có thể phát triển các tác nhân AI tập trung vào hợp đồng thông minh cho các dịch vụ Web3 phổ biến và hợp đồng thông minh. Các tác nhân AI này có thể được quản lý thông qua một tổ chức tự trị phi tập trung (DAO) để thực thi logic kinh doanh.
• Phi tập trung hóa quyền sở hữu và hoạt động kiếm tiền: Người dùng có thể sở hữu các tác nhân của họ và xây dựng mô hình token sinh lời bằng cách sử dụng mô hình token mặc định được cung cấp hoặc bằng cách tùy chỉnh mô hình của riêng họ.
• Kết nối với Internet của nhiều tác nhân: Các tác nhân trên Phala mặc định có thể truy cập được vào các tác nhân AI đa nền tảng khác được triển khai trên Autonolas, FLock.io, Morpheus, Polywrap và các nền tảng tương tự khác.

Mạng AI dành cho việc cộng tác P2P

Hãy tưởng tượng một mạng lưới toàn cầu nơi các mô hình trí tuệ nhân tạo (AI) cộng tác và học hỏi lẫn nhau. Thay vì dựa vào một cơ quan trung ương, mạng lưới này hoạt động theo phương thức phi tập trung, tăng độ chính xác, giảm thiểu rủi ro tham nhũng và nâng cao hiệu quả.

Đây là ý tưởng đằng sau Bittensor – một giao thức mã nguồn mở cung cấp năng lượng cho mạng máy học phi tập trung, được token hóa và xây dựng dựa trên blockchain. Bittensor là mạng AI khuyến khích chia sẻ và cộng tác ngang hàng (P2P) của các mô hình học máy phi tập trung.

Trong hệ thống này, các mô hình AI có thể chia sẻ kiến ​​thức, thông tin và thậm chí cả tài nguyên tính toán trực tiếp với nhau. Nó giống như một thị trường kỹ thuật số nơi các tác nhân AI trao đổi thông tin và cùng nhau cải thiện. Mục đích cuối cùng của mô hình này là đạt được sự “dân chủ hóa” AI bằng cách làm cho nó có thể tiếp cận được với nhiều người hơn, không chỉ các tập đoàn lớn hay các tổ chức nghiên cứu.

Với hệ sinh thái đang phát triển và tầm nhìn hướng tới tương lai, Polkadot mong muốn đóng một vai trò quan trọng trong cuộc cách mạng AI. Dự án mang lại sự an tâm về khả năng nâng cấp trong tương lai cũng như một nền tảng mạnh mẽ cho phép băng thông và khả năng mở rộng phát triển để đáp ứng nhu cầu xử lý khổng lồ về tăng trưởng thông tin và dữ liệu theo cấp số nhân. Khi bối cảnh AI mới đầy dũng cảm đang nhanh chóng tiếp cận, Polkadot luôn đi đầu, nâng cao năng suất và giải quyết các thách thức trong thế giới thực.

*Mô hình ngôn ngữ lớn (Large Language Model – LLM) là một loại mô hình trí tuệ nhân tạo có khả năng xử lý và hiểu ngôn ngữ tự nhiên một cách phức tạp và chân thực. Đặc điểm chính của LLM là khả năng học và tự điều chỉnh dựa trên dữ liệu lớn để có thể sinh ra văn bản mới, phản hồi các câu hỏi, hoặc thực hiện các tác vụ liên quan đến ngôn ngữ như dịch thuật và tổng hợp văn bản.

Tham gia Telegram của Tạp Chí Bitcoin: https://t.me/tapchibitcoinvn

Theo dõi Twitter (X): https://twitter.com/tapchibtc_io

Theo dõi Tiktok: https://www.tiktok.com/@tapchibitcoin 

• OpenAI là gì? Công ty AI đứng sau ChatGPT
• Tiền điện tử vẫn sẽ đình trệ do các nhà đầu tư theo đuổi lợi nhuận cổ phiếu AI

Itadori

Theo Cointelegraph