Tác giả: Catrina Wang
Biên soạn: Catrina SevenUp DAO Nguồn: Coin Time
Tín dụng hình ảnh: Được tạo bởi các công cụ Unbounded AI
Cho đến gần đây, các công ty khởi nghiệp đã dẫn đầu trong đổi mới công nghệ vì tốc độ, sự linh hoạt, văn hóa kinh doanh và sự tự do khỏi sức ì của tổ chức. Tuy nhiên, trong thời đại AI đang phát triển nhanh chóng, mọi thứ đã thay đổi. Những gã khổng lồ công nghệ như OpenAI do Microsoft sở hữu, Nvidia, Google và thậm chí cả Meta đã thống trị các sản phẩm AI đột phá cho đến nay.
Vì vậy, những gì đã đi sai? Tại sao lần này "Goliaths" lại thắng "Davids"? Mặc dù các công ty khởi nghiệp có thể viết mã tuyệt vời, nhưng họ thường không thể cạnh tranh với những gã khổng lồ công nghệ do một số thách thức:
Chi phí tính toán vẫn còn rất cao;
AI có một vấn đề gọi là "nổi bật ngược": việc thiếu các biện pháp điều tiết cần thiết sẽ cản trở sự đổi mới do những lo ngại và sự không chắc chắn về tác động xã hội;
AI là một hộp đen;
Sự phân chia dữ liệu của những người chơi vốn đã mở rộng (các công ty công nghệ lớn) tạo ra rào cản đối với các đối thủ cạnh tranh mới nổi.
Vì vậy, điều này liên quan như thế nào đến công nghệ chuỗi khối và nó giao thoa với trí tuệ nhân tạo ở đâu? Mặc dù không phải là thuốc chữa bách bệnh nhưng trong Web3, **DePIN (Mạng cơ sở hạ tầng vật lý phi tập trung) có thể cải thiện công nghệ AI bằng cách giải quyết các thách thức trên. **Trong bài viết này, tôi sẽ giải thích cách sử dụng công nghệ đằng sau DePIN để tăng cường trí tuệ nhân tạo từ bốn chiều:
1. Giảm chi phí cơ sở hạ tầng;2. Xác minh danh tính và con người của nhà sản xuất;3. Đưa dân chủ và minh bạch vào AI;
**4. Cài đặt cơ chế khuyến khích đóng góp dữ liệu. **
Trong khuôn khổ bài viết này,
"Web3" được định nghĩa là thế hệ tiếp theo của Internet, công nghệ chuỗi khối là một phần quan trọng của nó và cũng bao gồm các công nghệ hiện có khác;
"Blockchain" có nghĩa là công nghệ sổ cái phi tập trung và phân tán;
"Tiền điện tử" đề cập đến việc sử dụng mã thông báo như một cơ chế khuyến khích và phân cấp.
Đầu tiên, giảm chi phí cơ sở hạ tầng (máy tính và lưu trữ)
Tầm quan trọng của khả năng chi trả cơ sở hạ tầng (trong bối cảnh AI, chi phí phần cứng để tính toán, phân phối và lưu trữ dữ liệu) được nhấn mạnh trong khuôn khổ "Cách mạng công nghệ" của Carlota Perez. Khung đề xuất rằng mọi đột phá công nghệ đều có hai giai đoạn:
1) Giai đoạn cài đặt được đặc trưng bởi đầu tư mạo hiểm lớn, xây dựng cơ sở hạ tầng và cách tiếp cận "thúc đẩy" thị trường (GTM), vì đề xuất giá trị của khách hàng đối với công nghệ mới vẫn chưa rõ ràng.
2) Giai đoạn triển khai được đặc trưng bởi sự gia tăng nhanh chóng nguồn cung cấp cơ sở hạ tầng, làm giảm rào cản gia nhập đối với những người mới tham gia, đồng thời được đặc trưng bởi cách tiếp cận GTM "kéo", cho thấy khách hàng mong muốn nhiều hơn về một sản phẩm chưa được thiết lập và rằng có một chi tiêu phù hợp với thị trường sản phẩm mạnh mẽ.
Mặc dù ChatGPT đã có sản phẩm phù hợp với thị trường rõ ràng và nhu cầu khách hàng rất lớn, nhưng người ta có thể nghĩ rằng AI đã bước vào giai đoạn triển khai.
**Tuy nhiên, vẫn còn thiếu một thứ: nguồn cung cơ sở hạ tầng dư thừa đủ rẻ để các công ty khởi nghiệp nhạy cảm về giá xây dựng và thử nghiệm. **
1. Vấn đề Vấn đề là động lực thị trường hiện tại trong không gian cơ sở hạ tầng vật lý chủ yếu là các công ty độc quyền tích hợp theo chiều dọc, nơi các công ty như AWS, GCP, Azure, Nvidia, Cloudflare và Akamai được hưởng lợi nhuận cao. Ví dụ: AWS có tỷ suất lợi nhuận gộp ước tính là 61% đối với phần cứng máy tính hàng hóa.
Tốn kém về mặt tính toán đối với những người mới tham gia AI, đặc biệt là trong LLM.
Chi phí đào tạo của ChatGPT là khoảng 4 triệu đô la và chi phí suy luận phần cứng là khoảng 700.000 đô la mỗi ngày.
Phiên bản thứ hai của Bloom dự kiến sẽ tiêu tốn 10 triệu USD để đào tạo và đào tạo lại.
Nếu ChatGPT được triển khai trong Google Tìm kiếm, nó sẽ tiêu tốn của Google 36 tỷ đô la doanh thu, một khoản chuyển lợi nhuận khổng lồ từ nền tảng phần mềm (Google) sang nhà cung cấp phần cứng (Nvidia).
2. Giải pháp Các mạng DePIN (chẳng hạn như Filecoin, Bacalhau, Render Network và ExaBits) có thể tiết kiệm được hơn 75%-90% chi phí cơ sở hạ tầng thông qua ba đòn bẩy sau. Các mạng này là mạng tiên phong kể từ năm 2014, tập trung vào việc tích lũy phần cứng Internet quy mô lớn để lưu trữ dữ liệu phi tập trung, trong khi Bacalhau, Render Network và ExaBits là các lớp phối hợp đáp ứng nhu cầu với nguồn cung cấp CPU/GPU. ** (Tuyên bố miễn trừ trách nhiệm: Tác giả là cựu nhân viên của Phòng thí nghiệm giao thức và là nhà tư vấn cho ExaBits)
1) Đẩy mạnh đường cung và tạo ra một thị trường cạnh tranh hơn
DePIN dân chủ hóa việc giới thiệu nhà cung cấp phần cứng bằng cách cho phép các nhà cung cấp phần cứng trở thành nhà cung cấp dịch vụ. Nó tạo ra sự cạnh tranh cho những lợi ích được đầu tư này bằng cách tạo ra một thị trường nơi bất kỳ ai cũng có thể tham gia mạng với tư cách là "thợ mỏ", cung cấp CPU/GPU hoặc sức mạnh lưu trữ của họ để đổi lấy phần thưởng tài chính.
Trong khi các công ty như AWS chắc chắn tận hưởng 17 năm khởi đầu thuận lợi về giao diện người dùng, hoạt động xuất sắc và tích hợp theo chiều dọc, thì DePIN mở ra cơ sở khách hàng mới mà trước đây các nhà cung cấp tập trung định giá quá cao. Giống như Ebay sẽ không cạnh tranh trực tiếp với Bloomingdale mà giới thiệu các lựa chọn thay thế hợp lý hơn để đáp ứng các nhu cầu tương tự, mạng DePIN sẽ không thay thế các nhà cung cấp tập trung mà thay vào đó nhằm mục đích phục vụ cơ sở người dùng có ý thức về giá hơn.
2) Cân bằng nền kinh tế của các thị trường này thông qua thiết kế kinh tế tiền điện tử
DePIN tạo cơ chế trợ cấp để khuyến khích các nhà cung cấp phần cứng tham gia vào mạng, do đó giảm chi phí cho người dùng cuối. Để hiểu cách thức hoạt động của nó, trước tiên hãy so sánh chi phí và doanh thu của các nhà cung cấp dịch vụ lưu trữ trong AWS và Filecoin.
A. Mạng DePIN có thể giảm chi phí cho khách hàng: Mạng DePIN tạo ra một thị trường cạnh tranh và giới thiệu sự cạnh tranh theo kiểu Bertrand, do đó giảm chi phí cho khách hàng. Ngược lại, AWS EC2 cần tỷ suất lợi nhuận trung bình 50% và tỷ suất lợi nhuận gộp 31% để duy trì hoạt động.
B. Bằng cách phát hành phần thưởng mã thông báo/phần thưởng khối như một nguồn thu nhập mới, mạng DePIN có thể mang lại nhiều lợi ích hơn. Trong ngữ cảnh của Filecoin, lưu trữ nhiều dữ liệu thực tế hơn có nghĩa là nhà cung cấp dịch vụ lưu trữ kiếm được nhiều phần thưởng khối (mã thông báo) hơn. Do đó, các nhà cung cấp dịch vụ lưu trữ có động cơ thu hút nhiều khách hàng hơn và giành được nhiều giao dịch hơn để tối đa hóa doanh thu. Cấu trúc mã thông báo của một số mạng DePIN tính toán mới nổi vẫn đang được giữ bí mật, nhưng có thể sẽ theo một mô hình tương tự. Ví dụ về các mạng này bao gồm:
Bacalhau: Một lớp phối hợp đưa tính toán đến nơi lưu trữ dữ liệu mà không cần di chuyển một lượng lớn dữ liệu
ExaBITS: Mạng máy tính phi tập trung dành cho trí tuệ nhân tạo và các ứng dụng chuyên sâu về máy tính
3) Giảm chi phí chung:
Lợi ích của các mạng DePIN như Bacalhau và ExaBITS và IPFS/lưu trữ theo địa chỉ nội dung bao gồm:
A. Tạo tính khả dụng từ dữ liệu tiềm ẩn: Do chi phí băng thông cao khi truyền các bộ dữ liệu lớn nên có một lượng lớn dữ liệu chưa được khai thác. Ví dụ: các sân vận động thể thao tạo ra một lượng lớn dữ liệu sự kiện, dữ liệu này hiện không được sử dụng. Dự án DePIN mở khóa tính khả dụng của dữ liệu tiềm ẩn đó bằng cách xử lý dữ liệu tại chỗ và chỉ truyền các đầu ra có ý nghĩa.
B. Giảm chi phí vận hành thông qua việc nhập dữ liệu cục bộ, chẳng hạn như nhập, truyền và nhập/xuất dữ liệu.
C. Giảm thiểu quy trình chia sẻ dữ liệu nhạy cảm theo cách thủ công: Ví dụ: nếu bệnh viện A và B cần hợp nhất dữ liệu bệnh nhân nhạy cảm tương ứng của họ để phân tích, họ có thể sử dụng Bacalhau để điều phối sức mạnh GPU để trực tiếp xử lý cục bộ dữ liệu nhạy cảm thay vì phải trải qua quá trình rườm rà thủ tục hành chính với Đối tác xử lý trao đổi PII (Thông tin nhận dạng cá nhân).
D. Loại bỏ nhu cầu tính toán lại tập dữ liệu cơ bản: IPFS/lưu trữ theo địa chỉ nội dung có các thuộc tính tích hợp để loại bỏ trùng lặp, theo dõi dòng và xác minh dữ liệu. Dưới đây là phần đọc thêm về các tính năng và lợi ích về chi phí mà IPFS mang lại.
3. Tóm tắtAI cần DePIN để có được cơ sở hạ tầng giá cả phải chăng và thị trường hiện tại bị độc quyền bởi các công ty độc quyền tích hợp theo chiều dọc. Các mạng DePIN như Filecoin, Bacalhau, Render Network và ExaBits có thể tiết kiệm 75%-90%+ chi phí bằng cách dân chủ hóa quyền truy cập vào các nhà cung cấp phần cứng và giới thiệu sự cạnh tranh, cân bằng nền kinh tế thị trường thông qua thiết kế kinh tế tiền điện tử và giảm chi phí chung.
Xác minh thứ hai, quyền sáng tạo & nhân loại
1. Câu hỏi Theo một cuộc khảo sát gần đây, 50% các nhà khoa học về trí tuệ nhân tạo tin rằng có ít nhất 10% khả năng trí tuệ nhân tạo sẽ dẫn đến sự hủy diệt của loài người.
Đây là một suy nghĩ tỉnh táo. AI đã gây ra sự gián đoạn xã hội và chúng ta hiện đang thiếu một cơ cấu đảm bảo về công nghệ hoặc quy định - cái mà chính phủ gọi là “bàn đạp đảo ngược”. **
Thật không may, tác động xã hội của AI vượt xa các cuộc tranh luận và hình ảnh podcast giả mạo:
Chu kỳ bầu cử tổng thống năm 2024 sẽ là một, một chiến dịch chính trị sâu do AI tạo ra khó phân biệt với chiến dịch thật.
Video của Thượng nghị sĩ Elizabeth Warren được chỉnh sửa để làm cho nó trông giống như Warren đang nói rằng Đảng Cộng hòa không được phép bỏ phiếu (đã bị lật tẩy).
Giả giọng Biden để chỉ trích phụ nữ chuyển giới.
Một nhóm nghệ sĩ đã đệ đơn kiện tập thể chống lại Midjourney và Stability AI cáo buộc việc sử dụng trái phép tác phẩm của nghệ sĩ để đào tạo hình ảnh AI vi phạm nhãn hiệu của nghệ sĩ và đe dọa sinh kế của họ.
Một bản nhạc nền do AI tạo ra có tựa đề "Heart on My Sleeve" có sự góp mặt của The Weeknd và Drake, đã thu hút được sự chú ý trước khi nó bị gỡ khỏi dịch vụ phát trực tuyến. Tranh cãi xung quanh việc vi phạm bản quyền là điềm báo về những phức tạp có thể phát sinh khi một công nghệ mới đi vào ý thức chủ đạo mà không có các quy tắc cần thiết. Nói cách khác, đó là một vấn đề về bàn đạp ngược.
Điều gì sẽ xảy ra nếu chúng ta có thể bảo vệ AI thông qua bằng chứng mật mã trong Web3?
**2. Giải pháp 1) Chứng minh danh tính và danh tính con người của người tạo thông qua chứng chỉ nguồn được mã hóa trên chuỗi khối. **
Đây là nơi chúng ta có thể tận dụng công nghệ chuỗi khối - như một sổ cái phân tán chứa các bản ghi bất biến trên chuỗi khối. Điều này cho phép xác minh tính xác thực của nội dung kỹ thuật số bằng cách kiểm tra bằng chứng mật mã của nó.
2) Chữ ký số chứng minh danh tính và con người của người tạo
Để ngăn chặn deepfakes, bằng chứng mật mã có thể được tạo bằng chữ ký số duy nhất cho người tạo ban đầu của nội dung. Chữ ký này có thể được tạo bằng khóa riêng, chỉ người tạo mới biết, có thể xác minh bằng khóa chung và có sẵn cho tất cả mọi người. Bằng cách đính kèm chữ ký này vào nội dung, có thể chứng minh rằng nội dung được tạo bởi người tạo ban đầu, cho dù họ là con người hay trí tuệ nhân tạo và những thay đổi được ủy quyền/trái phép đã được thực hiện đối với nội dung này.
3) Sử dụng IPFS và cây Merkle để chứng minh tính xác thực
IPFS là một giao thức phi tập trung sử dụng địa chỉ nội dung và cây Merkle để tham chiếu các bộ dữ liệu lớn. Để chứng minh những thay đổi đối với nội dung của tệp, bằng chứng Merkle được tạo, là danh sách các giá trị băm hiển thị một khối dữ liệu cụ thể trong cây Merkle. Mỗi khi có thay đổi, một hàm băm mới sẽ được tạo và cây Merkle được cập nhật, cung cấp bằng chứng về việc sửa đổi tệp.
Các giải pháp mật mã như vậy có thể phải đối mặt với vấn đề khuyến khích và phần thưởng:
Xét cho cùng, việc bắt những kẻ tạo ra deepfake sẽ không tốn nhiều chi phí tài chính bằng việc giảm các tác động xã hội tiêu cực. Trách nhiệm có thể sẽ thuộc về các nền tảng phân phối phương tiện truyền thông lớn như Twitter, Meta, Google, v.v., những nền tảng đã gắn cờ.
** Vậy tại sao chúng ta cần blockchain? **Câu trả lời là các chữ ký mã hóa và bằng chứng xác thực này hiệu quả hơn, có thể kiểm chứng và xác định hơn. Ngày nay, quá trình phát hiện deepfakes chủ yếu thông qua các thuật toán máy học (chẳng hạn như "Thử thách phát hiện Deepfake" của Meta, "Hệ thống số bất đối xứng của Google" (ANS) và c2pa) để xác định các mẫu và điểm bất thường trong nội dung trực quan, điều này đôi khi không đúng sự thật. Chính xác và đang bị tụt hậu so với các trò chơi sâu ngày càng tinh vi. Sự can thiệp của người kiểm duyệt con người thường được yêu cầu để đánh giá tính xác thực, điều này không hiệu quả và tốn kém.
Hãy tưởng tượng một thế giới nơi mọi phần nội dung đều có chữ ký mã hóa để mọi người có thể chứng minh một cách xác thực nguồn gốc của một sáng tạo và gắn cờ thao túng hoặc giả mạo - một thế giới mới dũng cảm.
3. Tóm tắt Trí tuệ nhân tạo đặt ra mối đe dọa lớn đối với xã hội, trong đó các hoạt động giả mạo sâu và sử dụng trái phép nội dung là mối lo ngại lớn. Các công nghệ Web3, chẳng hạn như chữ ký số chứng minh danh tính và tính nhân văn của người tạo và sử dụng cây IPFS và Merkle để chứng minh tính xác thực, có thể cung cấp bảo mật cho AI bằng cách xác minh tính xác thực của nội dung kỹ thuật số và ngăn chặn các thay đổi trái phép.
Thứ ba, đưa dân chủ vào AI
1. Vấn đề Ngày nay, trí tuệ nhân tạo là một hộp đen bao gồm dữ liệu độc quyền và thuật toán độc quyền. Bản chất khép kín của các công ty công nghệ lớn như vậy dẫn đến việc không thể có "dân chủ AI", nghĩa là mọi nhà phát triển và thậm chí cả người dùng đều có thể đóng góp thuật toán và dữ liệu cho các mô hình LLM và nhận được một phần lợi nhuận trong tương lai của mô hình (như đã thảo luận trong bài báo này). đã thảo luận).
Dân chủ AI = Khả năng hiển thị (khả năng xem dữ liệu và thuật toán được đưa vào mô hình) + Đóng góp (khả năng đóng góp dữ liệu hoặc thuật toán cho mô hình).
2. Giải pháp AI Democracy nhằm mục đích làm cho các mô hình AI tổng quát có thể truy cập, phù hợp và thuộc sở hữu của mọi người. Bảng dưới đây so sánh những gì có thể hiện nay với những gì công nghệ chuỗi khối sẽ có thể thực hiện được trong Web3.
1) Ngày nay
A. Đối với người tiêu dùng:
B. Đối với nhà phát triển:
Độ lặp lại ít vì không có khả năng truy xuất nguồn gốc của ETL được thực hiện trên dữ liệu
80% thời gian của nhà khoa học dữ liệu bị lãng phí khi thực hiện làm sạch dữ liệu cấp thấp do thiếu khả năng xác minh đầu ra dữ liệu được chia sẻ
Chuỗi khối sẽ giúp:
A. Đối với người tiêu dùng:
Người dùng có thể cung cấp phản hồi (ví dụ: phản hồi chi tiết về xu hướng, kiểm duyệt nội dung, đầu ra) làm đầu vào để tinh chỉnh liên tục
B. Đối với nhà phát triển:
Lớp quản lý dữ liệu phi tập trung: Các quy trình chuẩn bị dữ liệu tẻ nhạt và tốn thời gian của Crowdsource chẳng hạn như ghi nhãn dữ liệu
Khả năng hiển thị và khả năng kết hợp cũng như tinh chỉnh các thuật toán có thể kiểm chứng và dựa trên dòng dõi (nghĩa là họ có thể thấy lịch sử chống giả mạo của tất cả các thay đổi trong quá khứ)
Chủ quyền dữ liệu (đạt được thông qua địa chỉ nội dung/IPFS) và chủ quyền thuật toán (ví dụ: Urbit nhận ra sự kết hợp giữa các điểm và tính di động của dữ liệu và thuật toán)
Các LLM đổi mới nổi lên từ các biến thể cơ bản của mô hình nguồn mở tạo ra lực đẩy để tăng tốc đổi mới
Đầu ra dữ liệu đào tạo có thể tái tạo thông qua bản ghi bất biến blockchain của các hoạt động và truy vấn ETL trước đây (ví dụ: Kamu)
Có thể lập luận rằng nền tảng nguồn mở của Web2 là một sự thỏa hiệp, nhưng nó vẫn chưa phải là tối ưu vì những lý do được mô tả trong bài viết này.
3. Tóm tắt Bản chất khép kín của các công ty công nghệ lớn đã dẫn đến việc không thể có "dân chủ AI", tức là mọi nhà phát triển hoặc người dùng đều có thể đóng góp thuật toán và dữ liệu cho mô hình LLM và nhận được lợi nhuận trong tương lai của phần mô hình. AI phải có thể truy cập, phù hợp và thuộc sở hữu của mọi người. Mạng chuỗi khối sẽ cho phép người dùng cung cấp phản hồi, đóng góp dữ liệu để kiếm tiền từ mô hình và cung cấp cho các nhà phát triển khả năng hiển thị cũng như khả năng soạn thảo và tinh chỉnh các thuật toán với các tính năng dựa trên dòng dõi và có thể kiểm chứng. Những đổi mới của Web3 như địa chỉ nội dung/IPFS và Urbit sẽ cho phép chủ quyền về dữ liệu và thuật toán. Đầu ra dữ liệu đào tạo có thể lặp lại từ các hoạt động và truy vấn ETL trước đây cũng sẽ có thể thực hiện được thông qua bản ghi bất biến của chuỗi khối.
Thứ tư, đặt khuyến khích đóng góp dữ liệu
1. Vấn đề Ngày nay, dữ liệu người tiêu dùng có giá trị nhất là phần kinh doanh độc quyền của các nền tảng công nghệ lớn. Những gã khổng lồ công nghệ không có nhiều động lực để chia sẻ dữ liệu này với bên ngoài.
Vì vậy, tại sao không lấy dữ liệu này trực tiếp từ người khởi tạo/người dùng dữ liệu? Tại sao không làm cho dữ liệu trở thành hàng hóa công cộng bằng cách đóng góp dữ liệu của chúng tôi và cung cấp nguồn mở cho các nhà khoa học dữ liệu tài năng?
Nói tóm lại, không có cơ chế khuyến khích hoặc điều phối nào để thực hiện điều này. Các nhiệm vụ duy trì dữ liệu và thực hiện ETL (trích xuất, chuyển đổi và tải) phát sinh chi phí hoạt động đáng kể. Trên thực tế, chỉ riêng ngành lưu trữ dữ liệu sẽ là ngành trị giá 777 tỷ đô la vào năm 2030, chưa tính chi phí điện toán. Tại sao mọi người lại đảm nhận công việc thu thập dữ liệu và chi phí khi không có gì đổi lại?
Ví dụ, OpenAI ban đầu là mã nguồn mở và phi lợi nhuận, nhưng vì kiếm tiền không dễ dàng nên nó đã rơi vào khó khăn. Cuối cùng, vào năm 2019, nó đã phải nhận một khoản vốn từ Microsoft và đóng cửa thuật toán của mình cho công chúng. OpenAI dự kiến sẽ tạo ra doanh thu 1 tỷ USD vào năm 2024.
2. Giải pháp Web3 giới thiệu một cơ chế mới gọi là dataDAO, tạo điều kiện thuận lợi cho việc phân phối lại thu nhập từ chủ sở hữu mô hình AI cho những người đóng góp dữ liệu, tạo ra một lớp khuyến khích cho những đóng góp dữ liệu từ nguồn cộng đồng.
Phần kết luận
Tóm lại, DePIN là một danh mục mới thú vị cung cấp nhiên liệu thay thế trong phần cứng để thúc đẩy sự phục hưng của đổi mới Web3 và AI.
Trong khi các công ty công nghệ lớn thống trị ngành AI, những người chơi mới nổi cạnh tranh với công nghệ chuỗi khối cũng có tiềm năng:
Mạng DePIN giảm ngưỡng chi phí tính toán; bản chất có thể kiểm chứng và phi tập trung của chuỗi khối làm cho AI mở thực sự trở nên khả thi; các cơ chế đổi mới, chẳng hạn như dataDAO, khuyến khích đóng góp dữ liệu; các thuộc tính không thay đổi và chống giả mạo của chuỗi khối cung cấp bằng chứng về danh tính của tác giả để giải quyết những lo ngại về tác động xã hội tiêu cực của AI.
Xem bản gốc
Nội dung chỉ mang tính chất tham khảo, không phải là lời chào mời hay đề nghị. Không cung cấp tư vấn về đầu tư, thuế hoặc pháp lý. Xem Tuyên bố miễn trừ trách nhiệm để biết thêm thông tin về rủi ro.
AI cần Web3
Tác giả: Catrina Wang Biên soạn: Catrina SevenUp DAO Nguồn: Coin Time
Cho đến gần đây, các công ty khởi nghiệp đã dẫn đầu trong đổi mới công nghệ vì tốc độ, sự linh hoạt, văn hóa kinh doanh và sự tự do khỏi sức ì của tổ chức. Tuy nhiên, trong thời đại AI đang phát triển nhanh chóng, mọi thứ đã thay đổi. Những gã khổng lồ công nghệ như OpenAI do Microsoft sở hữu, Nvidia, Google và thậm chí cả Meta đã thống trị các sản phẩm AI đột phá cho đến nay.
Vì vậy, những gì đã đi sai? Tại sao lần này "Goliaths" lại thắng "Davids"? Mặc dù các công ty khởi nghiệp có thể viết mã tuyệt vời, nhưng họ thường không thể cạnh tranh với những gã khổng lồ công nghệ do một số thách thức:
Vì vậy, điều này liên quan như thế nào đến công nghệ chuỗi khối và nó giao thoa với trí tuệ nhân tạo ở đâu? Mặc dù không phải là thuốc chữa bách bệnh nhưng trong Web3, **DePIN (Mạng cơ sở hạ tầng vật lý phi tập trung) có thể cải thiện công nghệ AI bằng cách giải quyết các thách thức trên. **Trong bài viết này, tôi sẽ giải thích cách sử dụng công nghệ đằng sau DePIN để tăng cường trí tuệ nhân tạo từ bốn chiều:
1. Giảm chi phí cơ sở hạ tầng; 2. Xác minh danh tính và con người của nhà sản xuất; 3. Đưa dân chủ và minh bạch vào AI; **4. Cài đặt cơ chế khuyến khích đóng góp dữ liệu. **
Trong khuôn khổ bài viết này,
Đầu tiên, giảm chi phí cơ sở hạ tầng (máy tính và lưu trữ)
Tầm quan trọng của khả năng chi trả cơ sở hạ tầng (trong bối cảnh AI, chi phí phần cứng để tính toán, phân phối và lưu trữ dữ liệu) được nhấn mạnh trong khuôn khổ "Cách mạng công nghệ" của Carlota Perez. Khung đề xuất rằng mọi đột phá công nghệ đều có hai giai đoạn:
1) Đẩy mạnh đường cung và tạo ra một thị trường cạnh tranh hơn DePIN dân chủ hóa việc giới thiệu nhà cung cấp phần cứng bằng cách cho phép các nhà cung cấp phần cứng trở thành nhà cung cấp dịch vụ. Nó tạo ra sự cạnh tranh cho những lợi ích được đầu tư này bằng cách tạo ra một thị trường nơi bất kỳ ai cũng có thể tham gia mạng với tư cách là "thợ mỏ", cung cấp CPU/GPU hoặc sức mạnh lưu trữ của họ để đổi lấy phần thưởng tài chính. Trong khi các công ty như AWS chắc chắn tận hưởng 17 năm khởi đầu thuận lợi về giao diện người dùng, hoạt động xuất sắc và tích hợp theo chiều dọc, thì DePIN mở ra cơ sở khách hàng mới mà trước đây các nhà cung cấp tập trung định giá quá cao. Giống như Ebay sẽ không cạnh tranh trực tiếp với Bloomingdale mà giới thiệu các lựa chọn thay thế hợp lý hơn để đáp ứng các nhu cầu tương tự, mạng DePIN sẽ không thay thế các nhà cung cấp tập trung mà thay vào đó nhằm mục đích phục vụ cơ sở người dùng có ý thức về giá hơn.
2) Cân bằng nền kinh tế của các thị trường này thông qua thiết kế kinh tế tiền điện tử DePIN tạo cơ chế trợ cấp để khuyến khích các nhà cung cấp phần cứng tham gia vào mạng, do đó giảm chi phí cho người dùng cuối. Để hiểu cách thức hoạt động của nó, trước tiên hãy so sánh chi phí và doanh thu của các nhà cung cấp dịch vụ lưu trữ trong AWS và Filecoin.
3) Giảm chi phí chung: Lợi ích của các mạng DePIN như Bacalhau và ExaBITS và IPFS/lưu trữ theo địa chỉ nội dung bao gồm: A. Tạo tính khả dụng từ dữ liệu tiềm ẩn: Do chi phí băng thông cao khi truyền các bộ dữ liệu lớn nên có một lượng lớn dữ liệu chưa được khai thác. Ví dụ: các sân vận động thể thao tạo ra một lượng lớn dữ liệu sự kiện, dữ liệu này hiện không được sử dụng. Dự án DePIN mở khóa tính khả dụng của dữ liệu tiềm ẩn đó bằng cách xử lý dữ liệu tại chỗ và chỉ truyền các đầu ra có ý nghĩa. B. Giảm chi phí vận hành thông qua việc nhập dữ liệu cục bộ, chẳng hạn như nhập, truyền và nhập/xuất dữ liệu. C. Giảm thiểu quy trình chia sẻ dữ liệu nhạy cảm theo cách thủ công: Ví dụ: nếu bệnh viện A và B cần hợp nhất dữ liệu bệnh nhân nhạy cảm tương ứng của họ để phân tích, họ có thể sử dụng Bacalhau để điều phối sức mạnh GPU để trực tiếp xử lý cục bộ dữ liệu nhạy cảm thay vì phải trải qua quá trình rườm rà thủ tục hành chính với Đối tác xử lý trao đổi PII (Thông tin nhận dạng cá nhân). D. Loại bỏ nhu cầu tính toán lại tập dữ liệu cơ bản: IPFS/lưu trữ theo địa chỉ nội dung có các thuộc tính tích hợp để loại bỏ trùng lặp, theo dõi dòng và xác minh dữ liệu. Dưới đây là phần đọc thêm về các tính năng và lợi ích về chi phí mà IPFS mang lại. 3. Tóm tắtAI cần DePIN để có được cơ sở hạ tầng giá cả phải chăng và thị trường hiện tại bị độc quyền bởi các công ty độc quyền tích hợp theo chiều dọc. Các mạng DePIN như Filecoin, Bacalhau, Render Network và ExaBits có thể tiết kiệm 75%-90%+ chi phí bằng cách dân chủ hóa quyền truy cập vào các nhà cung cấp phần cứng và giới thiệu sự cạnh tranh, cân bằng nền kinh tế thị trường thông qua thiết kế kinh tế tiền điện tử và giảm chi phí chung.
Xác minh thứ hai, quyền sáng tạo & nhân loại
1. Câu hỏi Theo một cuộc khảo sát gần đây, 50% các nhà khoa học về trí tuệ nhân tạo tin rằng có ít nhất 10% khả năng trí tuệ nhân tạo sẽ dẫn đến sự hủy diệt của loài người. Đây là một suy nghĩ tỉnh táo. AI đã gây ra sự gián đoạn xã hội và chúng ta hiện đang thiếu một cơ cấu đảm bảo về công nghệ hoặc quy định - cái mà chính phủ gọi là “bàn đạp đảo ngược”. **
2) Chữ ký số chứng minh danh tính và con người của người tạo Để ngăn chặn deepfakes, bằng chứng mật mã có thể được tạo bằng chữ ký số duy nhất cho người tạo ban đầu của nội dung. Chữ ký này có thể được tạo bằng khóa riêng, chỉ người tạo mới biết, có thể xác minh bằng khóa chung và có sẵn cho tất cả mọi người. Bằng cách đính kèm chữ ký này vào nội dung, có thể chứng minh rằng nội dung được tạo bởi người tạo ban đầu, cho dù họ là con người hay trí tuệ nhân tạo và những thay đổi được ủy quyền/trái phép đã được thực hiện đối với nội dung này.
3) Sử dụng IPFS và cây Merkle để chứng minh tính xác thực IPFS là một giao thức phi tập trung sử dụng địa chỉ nội dung và cây Merkle để tham chiếu các bộ dữ liệu lớn. Để chứng minh những thay đổi đối với nội dung của tệp, bằng chứng Merkle được tạo, là danh sách các giá trị băm hiển thị một khối dữ liệu cụ thể trong cây Merkle. Mỗi khi có thay đổi, một hàm băm mới sẽ được tạo và cây Merkle được cập nhật, cung cấp bằng chứng về việc sửa đổi tệp.
Các giải pháp mật mã như vậy có thể phải đối mặt với vấn đề khuyến khích và phần thưởng: Xét cho cùng, việc bắt những kẻ tạo ra deepfake sẽ không tốn nhiều chi phí tài chính bằng việc giảm các tác động xã hội tiêu cực. Trách nhiệm có thể sẽ thuộc về các nền tảng phân phối phương tiện truyền thông lớn như Twitter, Meta, Google, v.v., những nền tảng đã gắn cờ. ** Vậy tại sao chúng ta cần blockchain? **Câu trả lời là các chữ ký mã hóa và bằng chứng xác thực này hiệu quả hơn, có thể kiểm chứng và xác định hơn. Ngày nay, quá trình phát hiện deepfakes chủ yếu thông qua các thuật toán máy học (chẳng hạn như "Thử thách phát hiện Deepfake" của Meta, "Hệ thống số bất đối xứng của Google" (ANS) và c2pa) để xác định các mẫu và điểm bất thường trong nội dung trực quan, điều này đôi khi không đúng sự thật. Chính xác và đang bị tụt hậu so với các trò chơi sâu ngày càng tinh vi. Sự can thiệp của người kiểm duyệt con người thường được yêu cầu để đánh giá tính xác thực, điều này không hiệu quả và tốn kém.
Hãy tưởng tượng một thế giới nơi mọi phần nội dung đều có chữ ký mã hóa để mọi người có thể chứng minh một cách xác thực nguồn gốc của một sáng tạo và gắn cờ thao túng hoặc giả mạo - một thế giới mới dũng cảm. 3. Tóm tắt Trí tuệ nhân tạo đặt ra mối đe dọa lớn đối với xã hội, trong đó các hoạt động giả mạo sâu và sử dụng trái phép nội dung là mối lo ngại lớn. Các công nghệ Web3, chẳng hạn như chữ ký số chứng minh danh tính và tính nhân văn của người tạo và sử dụng cây IPFS và Merkle để chứng minh tính xác thực, có thể cung cấp bảo mật cho AI bằng cách xác minh tính xác thực của nội dung kỹ thuật số và ngăn chặn các thay đổi trái phép.
Thứ ba, đưa dân chủ vào AI
1. Vấn đề Ngày nay, trí tuệ nhân tạo là một hộp đen bao gồm dữ liệu độc quyền và thuật toán độc quyền. Bản chất khép kín của các công ty công nghệ lớn như vậy dẫn đến việc không thể có "dân chủ AI", nghĩa là mọi nhà phát triển và thậm chí cả người dùng đều có thể đóng góp thuật toán và dữ liệu cho các mô hình LLM và nhận được một phần lợi nhuận trong tương lai của mô hình (như đã thảo luận trong bài báo này). đã thảo luận).
Dân chủ AI = Khả năng hiển thị (khả năng xem dữ liệu và thuật toán được đưa vào mô hình) + Đóng góp (khả năng đóng góp dữ liệu hoặc thuật toán cho mô hình). 2. Giải pháp AI Democracy nhằm mục đích làm cho các mô hình AI tổng quát có thể truy cập, phù hợp và thuộc sở hữu của mọi người. Bảng dưới đây so sánh những gì có thể hiện nay với những gì công nghệ chuỗi khối sẽ có thể thực hiện được trong Web3.
B. Đối với nhà phát triển: Lớp quản lý dữ liệu phi tập trung: Các quy trình chuẩn bị dữ liệu tẻ nhạt và tốn thời gian của Crowdsource chẳng hạn như ghi nhãn dữ liệu Khả năng hiển thị và khả năng kết hợp cũng như tinh chỉnh các thuật toán có thể kiểm chứng và dựa trên dòng dõi (nghĩa là họ có thể thấy lịch sử chống giả mạo của tất cả các thay đổi trong quá khứ) Chủ quyền dữ liệu (đạt được thông qua địa chỉ nội dung/IPFS) và chủ quyền thuật toán (ví dụ: Urbit nhận ra sự kết hợp giữa các điểm và tính di động của dữ liệu và thuật toán) Các LLM đổi mới nổi lên từ các biến thể cơ bản của mô hình nguồn mở tạo ra lực đẩy để tăng tốc đổi mới Đầu ra dữ liệu đào tạo có thể tái tạo thông qua bản ghi bất biến blockchain của các hoạt động và truy vấn ETL trước đây (ví dụ: Kamu) Có thể lập luận rằng nền tảng nguồn mở của Web2 là một sự thỏa hiệp, nhưng nó vẫn chưa phải là tối ưu vì những lý do được mô tả trong bài viết này. 3. Tóm tắt Bản chất khép kín của các công ty công nghệ lớn đã dẫn đến việc không thể có "dân chủ AI", tức là mọi nhà phát triển hoặc người dùng đều có thể đóng góp thuật toán và dữ liệu cho mô hình LLM và nhận được lợi nhuận trong tương lai của phần mô hình. AI phải có thể truy cập, phù hợp và thuộc sở hữu của mọi người. Mạng chuỗi khối sẽ cho phép người dùng cung cấp phản hồi, đóng góp dữ liệu để kiếm tiền từ mô hình và cung cấp cho các nhà phát triển khả năng hiển thị cũng như khả năng soạn thảo và tinh chỉnh các thuật toán với các tính năng dựa trên dòng dõi và có thể kiểm chứng. Những đổi mới của Web3 như địa chỉ nội dung/IPFS và Urbit sẽ cho phép chủ quyền về dữ liệu và thuật toán. Đầu ra dữ liệu đào tạo có thể lặp lại từ các hoạt động và truy vấn ETL trước đây cũng sẽ có thể thực hiện được thông qua bản ghi bất biến của chuỗi khối.
Thứ tư, đặt khuyến khích đóng góp dữ liệu
1. Vấn đề Ngày nay, dữ liệu người tiêu dùng có giá trị nhất là phần kinh doanh độc quyền của các nền tảng công nghệ lớn. Những gã khổng lồ công nghệ không có nhiều động lực để chia sẻ dữ liệu này với bên ngoài.
Vì vậy, tại sao không lấy dữ liệu này trực tiếp từ người khởi tạo/người dùng dữ liệu? Tại sao không làm cho dữ liệu trở thành hàng hóa công cộng bằng cách đóng góp dữ liệu của chúng tôi và cung cấp nguồn mở cho các nhà khoa học dữ liệu tài năng?
Nói tóm lại, không có cơ chế khuyến khích hoặc điều phối nào để thực hiện điều này. Các nhiệm vụ duy trì dữ liệu và thực hiện ETL (trích xuất, chuyển đổi và tải) phát sinh chi phí hoạt động đáng kể. Trên thực tế, chỉ riêng ngành lưu trữ dữ liệu sẽ là ngành trị giá 777 tỷ đô la vào năm 2030, chưa tính chi phí điện toán. Tại sao mọi người lại đảm nhận công việc thu thập dữ liệu và chi phí khi không có gì đổi lại?
Ví dụ, OpenAI ban đầu là mã nguồn mở và phi lợi nhuận, nhưng vì kiếm tiền không dễ dàng nên nó đã rơi vào khó khăn. Cuối cùng, vào năm 2019, nó đã phải nhận một khoản vốn từ Microsoft và đóng cửa thuật toán của mình cho công chúng. OpenAI dự kiến sẽ tạo ra doanh thu 1 tỷ USD vào năm 2024. 2. Giải pháp Web3 giới thiệu một cơ chế mới gọi là dataDAO, tạo điều kiện thuận lợi cho việc phân phối lại thu nhập từ chủ sở hữu mô hình AI cho những người đóng góp dữ liệu, tạo ra một lớp khuyến khích cho những đóng góp dữ liệu từ nguồn cộng đồng.
Phần kết luận
Tóm lại, DePIN là một danh mục mới thú vị cung cấp nhiên liệu thay thế trong phần cứng để thúc đẩy sự phục hưng của đổi mới Web3 và AI. Trong khi các công ty công nghệ lớn thống trị ngành AI, những người chơi mới nổi cạnh tranh với công nghệ chuỗi khối cũng có tiềm năng:
Mạng DePIN giảm ngưỡng chi phí tính toán; bản chất có thể kiểm chứng và phi tập trung của chuỗi khối làm cho AI mở thực sự trở nên khả thi; các cơ chế đổi mới, chẳng hạn như dataDAO, khuyến khích đóng góp dữ liệu; các thuộc tính không thay đổi và chống giả mạo của chuỗi khối cung cấp bằng chứng về danh tính của tác giả để giải quyết những lo ngại về tác động xã hội tiêu cực của AI.