Triển vọng và thách thức phát triển Web3 AI

Gần đây, giá cổ phiếu của Nvidia đã đạt mức cao kỷ lục, phản ánh sự tiến bộ công nghệ của các mô hình AI đa phương thức đang làm sâu sắc thêm rào cản của AI Web2. Từ sự đồng bộ ngữ nghĩa đến hiểu biết về thị giác, từ nhúng chiều cao đến sự hòa quyện đặc trưng, các mô hình phức tạp đang tích hợp nhiều cách biểu đạt khác nhau, xây dựng một khu vực AI ngày càng khép kín.

So với điều đó, những nỗ lực gần đây của Web3 AI, đặc biệt là trong việc khám phá hướng Agent, có một số vấn đề về định hướng. Việc cố gắng lắp ráp một hệ thống mô-đun đa phương thức theo kiểu Web2 bằng cấu trúc phi tập trung thực sự gặp phải sự sai lệch về công nghệ và tư duy. Trong bối cảnh các mô-đun có tính liên kết cao, phân bố đặc trưng không ổn định và nhu cầu sức mạnh tính toán tập trung hiện nay, mô-đun đa phương thức trong Web3 khó có thể đứng vững.

Sự phát triển trong tương lai của Web3 AI có thể cần phải tìm ra hướng đi mới. Từ việc căn chỉnh ngữ nghĩa trong không gian chiều cao, đến việc xử lý thông tin trong cơ chế chú ý, và tiếp đến là căn chỉnh đặc trưng dưới sức mạnh tính toán không đồng nhất, Web3 AI có thể cần áp dụng các chiến lược khác nhau để đối phó với những thách thức.

Những khó khăn kỹ thuật mà Web3 AI phải đối mặt

Web3 AI gặp khó khăn trong việc thực hiện không gian nhúng đa chiều. Các nhúng đa chiều truyền thống yêu cầu các hệ thống con phải được căn chỉnh và bổ sung lẫn nhau trong việc biểu diễn dữ liệu và quy trình ra quyết định. Tuy nhiên, hầu hết các Web3 Agent chỉ đơn giản là đóng gói các API có sẵn thành các mô-đun độc lập, thiếu một không gian nhúng trung tâm thống nhất và cơ chế chú ý xuyên mô-đun, dẫn đến thông tin không thể tương tác theo nhiều góc độ và nhiều cấp độ giữa các mô-đun, chỉ có thể đi theo quy trình tuyến tính, thể hiện chức năng đơn nhất, không thể tạo thành tối ưu hóa vòng kín tổng thể.

Trong thiết kế cơ chế chú ý, Web3 AI cũng gặp phải thách thức. Cơ chế chú ý cần một không gian Query-Key-Value thống nhất, tất cả các đặc trưng đầu vào phải được ánh xạ vào cùng một không gian vector chiều cao. Nhưng các API độc lập trả về dữ liệu với định dạng và phân phối khác nhau, không có lớp nhúng thống nhất, khó tạo ra Q/K/V có thể tương tác. Hơn nữa, trong mô hình API, các mô-đun chỉ có thể thấy bối cảnh độc lập, thiếu bối cảnh trung tâm chia sẻ theo thời gian thực, không thể thực hiện quan hệ toàn cầu và tập trung giữa các mô-đun.

Trong việc hợp nhất đặc trưng, Web3 AI hiện chủ yếu dừng lại ở giai đoạn ghép nối đơn giản. Web2 AI có xu hướng huấn luyện liên kết đầu cuối, xử lý đồng thời các đặc trưng đa phương thức trong cùng một không gian chiều cao, thông qua các lớp chú ý và lớp hợp nhất để tối ưu hóa hợp tác với lớp nhiệm vụ hạ lưu. Trong khi đó, Web3 AI thường sử dụng các mô-đun rời rạc, thiếu mục tiêu huấn luyện thống nhất và dòng gradient xuyên mô-đun, khó khăn trong việc nắm bắt các mối quan hệ đa phương thức sâu sắc và phức tạp.

Hướng phát triển tiềm năng của Web3 AI

Mặc dù đối mặt với những thách thức, Web3 AI vẫn có tiềm năng phát triển. Lợi thế cốt lõi của nó nằm ở việc phi tập trung, con đường tiến hóa thể hiện qua tính tương thích cao về song song, độ kết nối thấp và khả năng tính toán dị thể. Điều này khiến Web3 AI có thể có lợi thế hơn trong một số tình huống, chẳng hạn như:

• Điện toán biên: phù hợp với cấu trúc nhẹ, dễ song song và có thể kích thích các tác vụ
• Tinh chỉnh LoRA: Tối ưu hóa mô hình với quy mô nhỏ, yêu cầu tài nguyên thấp
• Nhiệm vụ huấn luyện sau khi hành vi được đồng bộ: Sử dụng mạng phi tập trung để thu thập dữ liệu đa dạng.
• Dữ liệu huấn luyện và gán nhãn theo hình thức crowdsourcing: cơ chế khuyến khích giúp tăng cường mức độ tham gia
• Huấn luyện mô hình cơ sở nhỏ: phù hợp với môi trường tính toán phân tán
• Huấn luyện hợp tác thiết bị biên: Tận dụng tối đa tài nguyên tính toán phân tán

Cấu trúc sản phẩm của những kịch bản này tương đối nhẹ nhàng, lộ trình có thể linh hoạt lặp lại, phù hợp hơn với đặc điểm của Web3 AI.

Đề xuất chiến lược phát triển

Đối với các dự án Web3 AI, có thể xem xét áp dụng các chiến lược sau:

1. Thâm nhập biên giới: Bắt đầu từ các thị trường nhỏ hoặc các tình huống có ít sự hiện diện và sức mạnh yếu, dần dần tích lũy tài nguyên và kinh nghiệm.

2. Kết hợp điểm và mặt, thúc đẩy theo hình tròn: Liên tục cập nhật sản phẩm trong một bối cảnh ứng dụng đủ nhỏ.

3. Giữ linh hoạt: Rào cản tiềm năng của Web2 AI đang thay đổi liên tục, các giao thức Web3 AI cần có đủ linh hoạt để nhanh chóng điều chỉnh theo các tình huống khác nhau.

4. Tránh phụ thuộc quá nhiều vào cơ sở hạ tầng: Một kiến trúc mạng quá lớn có thể ảnh hưởng đến khả năng thích ứng, nên giữ cho nó nhẹ nhàng.

5. Chú ý đến các điểm đau tiềm năng: Theo dõi chặt chẽ các điểm đau có thể xuất hiện trong quá trình phát triển Web2 AI, chuẩn bị cho việc tham gia trong tương lai.

6. Định vị khác biệt: Phát huy các đặc điểm của Web3 như phi tập trung, cơ chế khuyến khích, thiết lập lợi thế cạnh tranh trong các lĩnh vực phân khúc phù hợp.

Tổng thể mà nói, con đường phát triển của Web3 AI vẫn cần khám phá. Trong bối cảnh Web2 AI đang tiến bộ nhanh chóng, các dự án Web3 AI nên tập trung vào những lợi thế độc đáo của chính mình, bắt đầu từ các tình huống bên lề, từ từ tích lũy sức mạnh, chuẩn bị cho những cơ hội có thể xuất hiện trong tương lai.