Đếm số lượng Crypto AI 10 hướng phát triển tích hợp: Giao tiếp thông minh giữa các thực thể, tiếp thị nội dung và thị trường dữ liệu

Tác giả: Archetype

Biên dịch: TechFlow sâu thẳm

1. Tương tác Điều khiển với Điều khiển (Agent-to-Agent Interaction)

Blockchain đã trở thành một nền tảng lý tưởng để thực hiện tương tác mượt mà giữa các đại lý thông qua tính minh bạch tự nhiên và khả năng kết hợp. Trong tương tác này, các thực thể thông minh được phát triển bởi các tổ chức khác nhau cho các mục đích khác nhau có thể hợp tác để hoàn thành nhiệm vụ. Hiện tại đã có một số thử nghiệm thú vị, chẳng hạn như chuyển tiền qua lại giữa các thực thể thông minh, phát hành token cùng nhau v.v. Chúng tôi hy vọng tương tác giữa các thực thể thông minh có thể được mở rộng hơn nữa: một mặt tạo ra các kịch bản ứng dụng hoàn toàn mới, chẳng hạn như nền tảng mạng xã hội mới dựa trên các thực thể thông minh; mặt khác, tối ưu hóa các quy trình làm việc hiện có của các doanh nghiệp, chẳng hạn như xác thực nền tảng, thanh toán nhỏ, tích hợp quy trình làm việc xuyên nền tảng v.v., từ đó đơn giản hóa các quy trình hoạt động phức tạp và rườm rà ngày nay.

aethernet và clanker phát hành Token trên Warpcast

2. Tổ chức Độc lập Thông minh (Decentralized Agentic Organizations)

Hợp tác đa tác nhân quy mô lớn là một hướng nghiên cứu thú vị khác. Làm thế nào các hệ thống đa tác nhân có thể làm việc cùng nhau để hoàn thành nhiệm vụ, giải quyết vấn đề và thậm chí quản lý các giao thức và hệ thống? Trong một bài báo đầu năm 2024, "Lời hứa và thách thức của các ứng dụng tiền điện tử + AI", Vitalik đã trình bày ý tưởng sử dụng các tác nhân AI để dự đoán thị trường và phân xử. Ông tin rằng các hệ thống đa tác nhân có tiềm năng lớn để khám phá "sự thật" và quản trị tự trị trong các ứng dụng quy mô lớn. Chúng tôi mong muốn được xem khả năng của các hệ thống đa tác nhân như vậy có thể được khám phá thêm như thế nào và làm thế nào "trí thông minh bầy đàn" có thể tiết lộ nhiều khả năng hơn trong các thí nghiệm.

Ngoài ra, sự cộng tác giữa trí tuệ nhân tạo và con người cũng là một hướng đi đáng khám phá. Ví dụ, cộng đồng có thể tương tác với trí tuệ nhân tạo như thế nào, hoặc trí tuệ nhân tạo làm thế nào để tổ chức con người thực hiện hành động tập thể. Chúng tôi mong muốn thấy nhiều thí nghiệm trí tuệ nhân tạo với mục tiêu hợp tác quy mô lớn của con người. Tất nhiên, điều này đòi hỏi một cơ chế xác minh nào đó, đặc biệt là trong trường hợp nhiệm vụ được hoàn thành ngoài chuỗi. Nhưng cuộc khám phá này có thể mang lại những kết quả tuyệt vời không ngờ đến.

3. Giải trí đa phương tiện do đại lý thông minh điều khiển (Agentic Multimedia Entertainment)

Khái niệm về nhân cách ảo số hóa đã tồn tại từ nhiều năm. Ví dụ, Hatsune Miku (2007) đã tổ chức một buổi biểu diễn bán hết vé tại một sân khấu với 20 nghìn chỗ ngồi; Lil Miquela (2016) có hơn 2 triệu người theo dõi trên Instagram. Các ví dụ gần đây bao gồm Neuro-sama, một AI VJ trên Twitch, với hơn 600 nghìn đăng ký; và nhóm nhạc Kpop PLAVE ẩn danh (2023), có lượt xem trên YouTube vượt qua 300 triệu lượt chỉ trong khoảng chưa đầy hai năm. Với sự tiến bộ của công nghệ AI và ứng dụng của blockchain trong thanh toán, chuyển giá trị và nền tảng dữ liệu mở, những thực thể thông minh này có tiềm năng trở nên tự chủ hơn và có thể mở ra một hạng mục giải trí chính thống mới vào năm 2025.

Từ trái lên theo chiều kim đồng hồ: Hatsune Miku, Luna của Virtuals, Lil Miquela và PLAVE

4. Tiếp thị nội dung sáng tạo/được động viên bởi trí tuệ nhân tạo (Generative/Agentic Content Marketing)

Trong một số trường hợp, chính người tạo ra nội dung (AI) là sản phẩm, trong khi ở những trường hợp khác, chúng có thể trở thành bổ sung cho sản phẩm. Trong nền kinh tế chú ý, việc liên tục tạo ra nội dung hấp dẫn là chìa khóa để thành công của bất kỳ ý tưởng, sản phẩm hoặc công ty nào. Việc tạo ra nội dung do người tạo ra (AI) đem lại cho đội ngũ một công cụ mạnh mẽ, đảm bảo một kênh tạo nội dung có thể mở rộng và hoạt động suốt ngày đêm. Lĩnh vực này đang phát triển nhanh chóng do cuộc thảo luận về “Sự khác biệt giữa memecoin và người tạo ra nội dung (AI)”. Người tạo ra nội dung (AI) là một công cụ mạnh mẽ để memecoin lan truyền, ngay cả khi chúng vẫn chưa hoàn toàn “trở thành người tạo ra nội dung (AI)”.

Một ví dụ khác là, để duy trì sự tham gia của người dùng, ngành công nghiệp game đang ngày càng hướng đến sự đa dạng động. Một phương pháp kinh điển là hướng dẫn người dùng tạo nội dung, trong khi nội dung sáng tạo thuần túy (như vật phẩm trong game, NPC, thậm chí cả cấp độ được tạo hoàn toàn) có thể trở thành bước tiến tiếp theo của xu hướng này. Chúng tôi rất tò mò, vào năm 2025, khả năng của các thực thể thông minh sẽ mở rộng ranh giới phân phối nội dung và tương tác người dùng như thế nào. - Katie

5. Công cụ/Nền tảng Nghệ thuật Thế hệ tiếp theo

Vào năm 2024, chúng tôi đã ra mắt loạt chương trình IN CONVERSATION WITH, đó là một chương trình phỏng vấn với các nghệ sĩ nghệ thuật mã hóa trong các lĩnh vực âm nhạc, nghệ thuật thị giác, thiết kế, tổ chức triển lãm v.v. Năm nay, cuộc trò chuyện đã khiến tôi chú ý đến một xu hướng: các nghệ sĩ nghệ thuật quan tâm đến công nghệ mã hóa thường cũng đam mê các công nghệ tiên tiến và hy vọng rằng những công nghệ này có thể được tích hợp sâu hơn vào thực hành sáng tạo của họ, ví dụ như đối tượng AR/VR, nghệ thuật tạo mã và mã hóa trực tiếp (livecoding).

Sự kết hợp giữa Nghệ thuật Tạo hình (Generative Art) và Công nghệ Blockchain đã tồn tại từ lâu, đây cũng là lý do tại sao Blockchain trở thành một phương tiện lý tưởng cho Nghệ thuật Trí tuệ Nhân tạo (AI Art). Trên các nền tảng truyền thống, việc trưng bày và trình diễn các hình thức nghệ thuật này rất khó khăn. Trong khi đó, ArtBlocks đã khám phá cách thức Nghệ thuật số có thể được trình diễn, lưu trữ, tiền tệ hóa và bảo lưu thông qua Blockchain, cải thiện mạnh mẽ trải nghiệm của nghệ sĩ và khán giả. Ngoài ra, các công cụ Trí tuệ Nhân tạo cũng cho phép người dùng thông thường dễ dàng tạo ra các tác phẩm nghệ thuật của riêng mình. Chúng tôi rất mong đợi xem vào năm 2025, Blockchain sẽ cải thiện thêm khả năng của những công cụ này.

Vì sao bạn vẫn chọn tham gia Web3 mặc dù bạn cảm thấy thất bại và không đồng ý với văn hóa mã hóa? Web3 mang lại giá trị gì cho sự sáng tạo của bạn? Có phải là sự khám phá thực nghiệm, lợi ích kinh tế hay các khía cạnh khác?

Đối với tôi, Web3 đã có tác động tích cực đến cá nhân tôi và các nghệ sĩ khác ở nhiều khía cạnh. Đối với tôi cá nhân, các nền tảng hỗ trợ việc phát hành và tạo ra nghệ thuật đóng vai trò quan trọng trong sáng tạo của tôi. Ví dụ, bạn có thể tải lên một tệp JavaScript, khi ai đó tạo ra hoặc thu thập một tác phẩm, mã sẽ chạy ngay lập tức và tạo ra một tác phẩm nghệ thuật duy nhất trong hệ thống mà bạn thiết kế. Quá trình tạo ra ngay lập tức như vậy là một phần quan trọng trong phương pháp sáng tạo của tôi. Việc giới thiệu yếu tố ngẫu nhiên trong hệ thống mà tôi đã viết và xây dựng, cả về mặt khái niệm và kỹ thuật, đã ảnh hưởng sâu sắc đến cách tôi suy nghĩ về nghệ thuật. Tuy nhiên, việc truyền đạt quá trình này đến khán giả thường khó khăn nếu không được trình bày trên các nền tảng được thiết kế đặc biệt cho hình thức nghệ thuật này hoặc trưng bày trong các phòng trưng bày truyền thống.

Trong một bộ sưu tập, một thuật toán chạy trong thời gian thực thông qua một hình chiếu hoặc màn hình có thể được hiển thị hoặc một tác phẩm được chọn từ nhiều đầu ra được tạo ra bởi một thuật toán có thể được hiển thị và bằng cách nào đó chuyển thành một hình thức vật lý để triển lãm. Nhưng đối với những người xem ít quen thuộc với mã như một phương tiện nghệ thuật, thật khó để họ hiểu được tầm quan trọng của sự ngẫu nhiên này trong quá trình sáng tạo, đây là một phần quan trọng trong thực tiễn của tất cả các nghệ sĩ sử dụng phần mềm theo cách tạo ra. Khi hình thức cuối cùng của một tác phẩm chỉ là một hình ảnh được đăng trên Instagram, hoặc một tác phẩm vật lý được in, đôi khi tôi cảm thấy khó khăn để nhấn mạnh ý tưởng cốt lõi của mã như một phương tiện sáng tạo trong tác phẩm của mình.

Sự xuất hiện của NFT khiến tôi cảm thấy phấn chấn, bởi vì nó không chỉ cung cấp một nền tảng để trưng bày nghệ thuật tạo ra, mà còn giúp phổ biến khái niệm "mã nguồn như một phương tiện nghệ thuật", từ đó giúp nhiều người hiểu được sự độc đáo và giá trị của cách sáng tạo này.

Trích từ CUỘC HỘI THOẠI VỚI: Maya Man

6. Thị trường dữ liệu (Data Markets)

Kể từ khi Clive Humby đưa ra quan điểm “Dữ liệu là dầu mỏ mới”, các doanh nghiệp đã nhanh chóng thực hiện các biện pháp để tích trữ và tiền hóa dữ liệu người dùng. Tuy nhiên, người dùng dần nhận ra rằng dữ liệu của họ là nền tảng mà các tập đoàn lớn dựa vào để tồn tại, nhưng họ gần như không thể kiểm soát cách sử dụng dữ liệu, cũng như không thể thu được lợi nhuận từ nó. Với sự phát triển nhanh chóng của các mô hình AI mạnh mẽ, mâu thuẫn này càng trở nên sắc bén hơn. Một mặt, chúng ta cần giải quyết vấn đề lạm dụng dữ liệu người dùng; mặt khác, khi các mô hình quy mô lớn hơn và chất lượng cao hơn đã tiêu tốn hết dữ liệu Internet công cộng như một “nguồn tài nguyên”, việc có nguồn dữ liệu mới trở nên càng kỳ cục.

Để trả lại quyền kiểm soát dữ liệu cho người dùng, cơ sở hạ tầng phi tập trung cung cấp không gian thiết kế rộng lớn. Điều này đòi hỏi đưa ra các giải pháp sáng tạo trong nhiều lĩnh vực như lưu trữ dữ liệu, bảo vệ quyền riêng tư, đánh giá chất lượng dữ liệu, quyền sở hữu giá trị và cơ chế tiền tệ hóa. Đồng thời, đối với vấn đề thiếu nguồn cung cấp dữ liệu, chúng ta cần suy nghĩ về cách tận dụng ưu thế công nghệ để xây dựng các giải pháp cạnh tranh, ví dụ như tạo ra các sản phẩm dữ liệu có giá trị cao hơn thông qua cơ chế kích thích và phương pháp lọc tốt hơn. Đặc biệt là trong bối cảnh hiện tại, khi AI Web2 vẫn chiếm ưu thế, việc kết hợp hợp đồng thông minh với các giao thức dịch vụ truyền thống (SLA) là một hướng đi đáng khám phá.

7. Tính toán phi tập trung (Decentralized Compute)

Trong quá trình phát triển và triển khai trí tuệ nhân tạo (AI), ngoài dữ liệu, khả năng tính toán cũng là yếu tố then chốt. Trong vài năm qua, các trung tâm dữ liệu lớn đã dựa vào quyền truy cập độc quyền vào địa điểm, năng lượng và phần cứng để thống trị sự phát triển của học sâu và trí tuệ nhân tạo. Tuy nhiên, với sự hạn chế về tài nguyên vật lý và sự phát triển của công nghệ mã nguồn mở, mô hình này đang dần bị phá vỡ.

Trong giai đoạn v1 của tính toán trí tuệ nhân tạo phi trung tâm giống như đám mây GPU Web2, nhưng không có lợi thế rõ ràng về cung ứng và nhu cầu phần cứng. Trong giai đoạn v2, chúng ta thấy một số nhóm bắt đầu xây dựng các công nghệ ngăn xếp kỹ thuật cao hơn, bao gồm các hệ thống chỉnh sửa, định tuyến và định giá tính năng cao, đồng thời phát triển các tính năng độc quyền để thu hút nhu cầu và cải thiện hiệu quả suy luận. Một số nhóm tập trung vào tối ưu hóa định tuyến suy luận trên nhiều phần cứng thông qua khung biên dịch, trong khi những nhóm khác lại phát triển khung đào tạo mô hình phân tán trên mạng tính toán của họ.

Ngoài ra, một thị trường mới được gọi là AI-Fi đang hình thành, thông qua cơ chế kinh tế sáng tạo, chuyển đổi khả năng tính toán và GPU thành tài sản sinh lời, hoặc cung cấp phương pháp tài trợ phần cứng cho trung tâm dữ liệu thông qua thanh khoản trên chuỗi. Tuy nhiên, việc tính toán phi tập trung có thể thực sự thực hiện tiềm năng của nó, vẫn phụ thuộc vào việc liệu khoảng cách giữa tư tưởng và nhu cầu thực tế có thể được cầu nối hay không. - Danny

8. Tiêu chuẩn kế toán tính toán (Compute Accounting Standards)

Trong mạng lưới tính toán siêu cao hiệu năng phi tập trung (HPC), làm thế nào để phối hợp các tài nguyên tính toán bất đồng nhất là một thách thức quan trọng, trong khi hiện tại thiếu các tiêu chuẩn kế toán thống nhất làm cho vấn đề này càng phức tạp hơn. Kết quả đầu ra của mô hình trí tuệ nhân tạo (AI) có tính đa dạng, ví dụ như các biến thể mô hình, định lượng (quantization), tính ngẫu nhiên được điều chỉnh thông qua nhiệt độ và siêu tham số lấy mẫu. Ngoài ra, các kiến trúc GPU khác nhau và các phiên bản CUDA cũng có thể dẫn đến sự khác biệt trong kết quả đầu ra phần cứng. Những yếu tố này làm cho việc đếm chính xác khả năng của thị trường tính toán và mô hình trong hệ thống phân tán bất đồng trở thành một vấn đề cần được giải quyết gấp.

Do không có tiêu chuẩn này, chúng tôi đã thấy nhiều lần trong thị trường tính toán của Web2 và Web3 năm nay, chất lượng và số lượng tài nguyên tính toán của mô hình đã bị tính sai. Điều này buộc người dùng phải chạy các bài kiểm tra cơ bản của riêng họ hoặc giới hạn tốc độ sử dụng thị trường tính toán để xác minh hiệu suất thực tế của hệ thống AI.

Trong lĩnh vực mã hóa luôn nhấn mạnh "khả năng xác minh", vì vậy chúng tôi hy vọng đến năm 2025, sự kết hợp giữa mã hóa và trí tuệ nhân tạo có thể làm cho hiệu suất hệ thống trở nên rõ ràng hơn. Người dùng thông thường nên có thể dễ dàng so sánh các tính năng đầu ra chính của mô hình hoặc cụm tính toán, từ đó kiểm tra và đánh giá hiệu suất thực tế của hệ thống.

9.概率隐私原语 (Probabilistic Privacy Primitives)

Trong bài viết "Cam kết và thách thức của ứng dụng mã hóa + trí tuệ nhân tạo", Vitalik đề cập đến một mâu thuẫn độc đáo: "Trong mật mã học, mã nguồn mở là cách duy nhất để đảm bảo an toàn, nhưng trong trí tuệ nhân tạo, mô hình công khai (kể cả dữ liệu đào tạo) sẽ tăng nguy cơ bị tấn công máy học chống lại."

Mặc dù bảo vệ riêng tư không phải là hướng nghiên cứu mới của blockchain, nhưng với sự phát triển nhanh chóng của trí tuệ nhân tạo, các công nghệ mật mã liên quan đến riêng tư đang được áp dụng nhanh chóng. Năm nay, đã có tiến bộ đáng kể trong các công nghệ tăng cường riêng tư, chẳng hạn như chứng minh không có kiến thức (ZK), mã hóa đồng nhất toàn bộ (FHE), môi trường thực thi đáng tin cậy (TEE) và tính toán đa bên (MPC). Những công nghệ này được sử dụng trong các kịch bản như chia sẻ tư nhân trên dữ liệu được mã hóa để thực hiện tính toán phổ thông. Đồng thời, các công ty công nghệ lớn như Nvidia và Apple cũng đang sử dụng công nghệ TEE độc quyền của mình để thực hiện học liên minh và suy luận trí tuệ nhân tạo riêng tư, trong khi giữ cho phần cứng, phần mềm và mô hình nhất quán.

Trong tương lai, chúng tôi sẽ tập trung vào cách bảo vệ quyền riêng tư trong việc chuyển đổi trạng thái ngẫu nhiên, cũng như cách mà các công nghệ này thúc đẩy ứng dụng thực tế của trí tuệ nhân tạo phi tập trung trên hệ thống không đồng nhất, chẳng hạn như suy luận riêng tư phi tập trung, lưu trữ và kênh truy cập dữ liệu được mã hóa và môi trường thực thi hoàn toàn tự ý xây dựng.

Apple của Apple Intelligence stack và Nvidia của H100 GPU

10. Các ý định của đại lý và giao diện giao dịch người dùng thế hệ tiếp theo

Một ứng dụng quan trọng của AI là giúp người dùng tự thực hiện giao dịch trên chuỗi. Tuy nhiên, trong vòng 12-16 tháng qua, các định nghĩa về 'ý định của AI', 'hành vi của AI', 'bộ giải quyết' và các thuật ngữ khác vẫn mơ hồ, và sự khác biệt so với việc phát triển 'robot' truyền thống cũng chưa rõ ràng đủ.

Trong năm tới, chúng tôi hy vọng sẽ thấy các hệ thống ngôn ngữ phức tạp hơn kết hợp với nhiều loại dữ liệu và kiến trúc mạng thần kinh để thúc đẩy không gian này. Đại lý sẽ tiếp tục sử dụng hệ thống on-chain hiện có để hoàn thành các giao dịch hay sẽ phát triển các công cụ và phương pháp hoàn toàn mới? Các mô hình ngôn ngữ lớn (LLM) sẽ vẫn là trung tâm của các hệ thống này hay chúng sẽ được thay thế bằng các công nghệ khác? Ở cấp độ giao diện người dùng, người dùng sẽ tương tác với hệ thống thông qua ngôn ngữ tự nhiên để hoàn tất giao dịch? Liệu lý thuyết "ví như trình duyệt" cổ điển có trở thành hiện thực? Đây đều là những câu hỏi đáng để khám phá. - Danny、Katie、Aadharsh、Dmitriy