Giới thiệu
Với sự phát triển nhanh chóng của công nghệ kĩ thuật số, AI và Crypto đã trở thành 2 chủ đề hot nhất hiện nay. Với cuộc cách mạng công nghệ, AI là biểu tượng của năng suất lao động vượt trội; Crypto dựa trên công nghệ blockchain và đại diện cho sự phân quyền năng lực sản xuất. AI và Crypto sẽ cùng thay đổi cách sống và làm việc của mỗi chúng ta. Trong bài viết này, chúng tôi sẽ phân tích sự giao thoa của AI và Crypto, và cách 2 lĩnh vực này sẽ thay đổi tương lai con người như thế nào.
AI: Tối đa hóa năng suất lao động
AI (Trí tuệ Nhân tạo) là một công nghệ cho phép hệ thống máy tính mô phỏng trí tuệ con người và thực hiện các nhiệm vụ thông minh, bao gồm nhiều lĩnh vực nhỏ:
- Học máy (Machine learning): Học máy là nền tảng của AI và bao gồm việc huấn luyện hệ thống máy tính để cải thiện hiệu suất thông qua dữ liệu và kinh nghiệm. Bao gồm các loại khác nhau: học có giám sát, học không giám sát và máy học tăng cường;
- Học sâu (Deep learning): Học sâu là một nhánh của học máy mô phỏng cách mạng thần kinh của não người hoạt động. Nó sử dụng mạng thần kinh đa tầng để xử lý dữ liệu phức tạp và đã đạt được những bước tiến lớn trong thị giác máy tính, xử lý ngôn ngữ tự nhiên và các lĩnh vực khác;
- Xử lý Ngôn ngữ Tự nhiên (NLP): NLP liên quan đến việc cho phép máy tính hiểu và xử lý ngôn ngữ con người. Nó bao gồm các công nghệ như phân tích văn bản, phân tích tình cảm, nhận dạng giọng nói, dịch máy, v.v.
- Thị giác máy tính (Computer Vision): Thị giác máy tính nhằm mục tiêu cho phép hệ thống máy tính “nhìn thấy” và hiểu hình ảnh và video. Nó bao gồm các công nghệ trong việc nhận dạng hình ảnh, phát hiện mục tiêu, nhận dạng khuôn mặt, tạo hình ảnh, v.v.
Từ logic cơ bản, cốt lõi của AI là cho phép máy tính có “nhận thức”, “khả năng nhận thức”, “sáng tạo” và “trí tuệ”. Giải thích cụ thể là – cho phép máy tính có khả năng suy nghĩ như con người, hành động như con người, suy nghĩ theo lý trí và đưa ra quyết định hợp lý.
Với sự phát triển của công nghệ AI, có nhiều ứng dụng giúp giảm chi phí, cải thiện hiệu quả và đảm bảo an ninh bằng cách sử dụng AI. Tóm lại, nó có thể phục vụ loài người tốt hơn.
Ví dụ:
Lái xe tự động: Công nghệ AI được sử dụng để phát triển xe tự lái nhằm cải thiện an toàn giao thông và hiệu suất lái xe bằng cách nhận thức môi trường, đưa ra quyết định và điều khiển xe. Chăm sóc sức khỏe: AI đóng vai trò quan trọng trong việc nhận dạng hình ảnh y khoa, chẩn đoán bệnh và lập kế hoạch điều trị, giúp bác sĩ đưa ra chẩn đoán chính xác hơn và kế hoạch điều trị cá nhân hóa hơn.
Dịch vụ tài chính: AI được sử dụng rộng rãi trong lĩnh vực tài chính, bao gồm đánh giá rủi ro, xếp hạng tín dụng, chiến lược đầu tư và chống gian lận, nhằm cải thiện hiệu suất và độ chính xác của các tổ chức tài chính.
Nhà thông minh: AI được áp dụng vào các thiết bị nhà thông minh, cho phép điều khiển các thiết bị nhà bằng giọng nói hoặc cử chỉ, nâng cao sự tiện lợi và thoải mái trong gia đình.
Xử lý ngôn ngữ tự nhiên: Công nghệ AI cho phép máy tính hiểu và xử lý ngôn ngữ con người, bao gồm nhận dạng giọng nói, hiểu ngữ nghĩa và dịch tự động, v.v., và được sử dụng rộng rãi trong các trợ lý thông minh (như Siri, Alexa, Google Assistant) và robot ảo (như dịch vụ khách hàng robot) thông qua tương tác giọng nói hoặc văn bản để cung cấp dịch vụ và hỗ trợ cá nhân hóa.
Giải trí và trò chơi: AI đóng vai trò quan trọng trong phát triển trò chơi, bao gồm thiết kế đối thủ thông minh, điều chỉnh độ khó của trò chơi và hiệu ứng đồ họa chân thực.
Một chủ đề hot nhất trong năm nay là ChatGPT – một mô hình chatbot dựa trên Generative Pre-trained Transformer (GPT). GPT là một mô hình ngôn ngữ dựa trên kiến trúc Transformer được phát triển bởi OpenAI. Mục tiêu của ChatGPT là học được tính thống kê và hiểu biết ngữ nghĩa của ngôn ngữ bằng cách tiền huấn luyện một lượng lớn dữ liệu văn bản để tạo ra các câu trả lời tự nhiên giống con người.
Logic thiết kế cơ bản của GPT chủ yếu bao gồm hai thành phần chính: kiến trúc Transformer và Kĩ thuật tinh chỉnh tiền huấn luyện.
Kiến trúc Transformer: Transformer là một kiến trúc mạng nơ-ron dựa trên tự chú ý (self-attention) có thể thiết lập các phụ thuộc xa khi xử lý dữ liệu chuỗi. Transformer bao gồm nhiều lớp mã hóa-giải mã, mỗi lớp gồm cơ chế chú ý đa đầu vào (multi-head attention) và mạng nơ-ron tiến chuyển truyền thẳng (feed-forward neural network). Cơ chế chú ý cho phép mô hình tập trung vào các vị trí khác nhau trong chuỗi đầu vào khi tạo ra đầu ra, nhằm hiểu thông tin ngữ cảnh một cách tốt hơn.
Kĩ thuật tinh chỉnh tiền huấn luyện: ChatGPT sử dụng tiền huấn luyện không giám sát quy mô lớn để học các mẫu ngôn ngữ và kiến thức. Trong giai đoạn tiền huấn luyện, mô hình cố gắng dự đoán các phần còn thiếu của chuỗi đầu vào thông qua việc tự giám sát học trên dữ liệu văn bản lớn. Điều này cho phép mô hình học các kiến thức như cú pháp, ngữ nghĩa và kiến thức thông thường. Sau đó, trong giai đoạn điều chỉnh tinh chỉnh, mô hình được tinh chỉnh lại bằng cách sử dụng dữ liệu được gán nhãn cụ thể cho một nhiệm vụ cụ thể, như một chatbot.
Quá trình tạo ra của ChatGPT bao gồm hai giai đoạn: giai đoạn mã hóa đầu vào và giai đoạn tạo ra của bộ giải mã. Trong giai đoạn mã hóa đầu vào, mô hình nhận đầu vào từ người dùng và chuyển đổi nó thành một biểu diễn ẩn để nắm bắt thông tin ngữ nghĩa của đầu vào. Trong giai đoạn tạo ra của bộ giải mã, mô hình sử dụng biểu diễn ẩn của bộ mã hóa và các mã thông báo đã được tạo ra trước đó để tạo ra mã thông báo phản hồi tiếp theo cho đến khi đạt đến điều kiện dừng cụ thể nào đó.
Tiền điện tử: Blockchain là đem lại mối quan hệ sản xuất công bằng nhất
Cốt lõi của sự phát triển của Crypto đến quy mô hiện tại chủ yếu là nhờ Blockchain có thể thúc đẩy sự cân bằng xã hội và thể hiện mối quan hệ sản xuất công bằng nhất. Tất nhiên, trước hết, sự công bằng cần được đặt lên bàn cân của một khung giá trị tương đối phổ quát thì mới có ý nghĩa.
Lấy Bitcoin và Ethereum, hiện có vốn hóa thị trường lớn nhất, làm ví dụ. Dưới góc nhìn “nhận được nhiều hơn cho công sức bạn bỏ ra”, cơ chế đồng thuận PoW của Bitcoin rất công bằng; tương tự, dưới góc nhìn “lãi suất vốn”, Ethereum vẫn rất công bằng sau khi chuyển từ PoW sang PoS.
Tóm lại, Crypto dựa trên công nghệ Blockchain có thể tối ưu hóa việc phân bổ tài nguyên và hiện thực hóa quyền tự chủ của cộng đồng, đại diện cho mối quan hệ sản xuất xã hội công bằng nhất.
Sự kết hợp giữa AI và tiền điện tử
Sự kết hợp giữa AI và tiền điện tử có thể dẫn đến một số khám phá ứng dụng thú vị.
- Bot giao dịch AI tiền điện tử
Bởi vì AI đã phát triển tương đối trưởng thành về mặt phân tích và xử lý dữ liệu, đào tạo mô hình, v.v., nên đã có tiền lệ cho việc đầu tư vào AI:
Renaissance Technologies, một quỹ phòng hộ phụ thuộc 100% vào phân tích dữ liệu quy mô lớn và học máy các mô hình toán học, sử dụng giao dịch tần suất cao, thống kê chênh lệch và các chiến lược trung lập với thị trường để đầu tư, đã kiếm được 100 tỷ đô la trong suốt thời gian hoạt động của họ.
Renaissance Hedge Fund có thể được coi là một phiên bản tài chính của AI sử dụng máy học và phân tích dữ liệu.
Thị trường tiền điện tử có những lợi thế độc nhất khi có sự can thiệp hỗ trợ đầu tư của AI: hoạt động liền mạch 24 giờ, ẩn danh, không KYC, vòng khép kín hoàn chỉnh trên chuỗi và không cần tác động vật lý.
Nếu bạn phát triển một Công cụ giao dịch AI cho thị trường Crypto, thì bạn có thể chạy các chiến lược phòng ngừa rủi ro như chênh lệch giá trên chuỗi, định lượng và phân tích xu hướng trong thị trường Crypto; và sau đó thiết kế một số mô hình máy học và phân tích dữ liệu để cho phép Nhà giao dịch AI này liên tục nâng cao hiểu biết của mình về thị trường Crypto. Hiểu được điều đó, nó còn có thể tạo ra một Nhà giao dịch AI khác và tiếp tục kiếm được lợi nhuận.
Sử dụng AI để dự đoán xu hướng thị trường tiền điện tử: Biến động giá trong thị trường tiền điện tử rất dữ dội và AI có thể dự đoán xu hướng thị trường và biến động giá bằng cách phân tích một lượng lớn dữ liệu thị trường và xu hướng giá lịch sử. Các thuật toán máy học có thể xác định các mẫu và xu hướng ẩn, giúp các nhà đầu tư đưa ra quyết định sáng suốt hơn.
Ví dụ: AI có thể phân tích tâm lý thị trường thông qua các mô hình học sâu để dự đoán xu hướng tăng hoặc giảm của giá tiền điện tử.
Giao dịch tự động sử dụng AI: Thuật toán giao dịch tự động của AI là một trong những công cụ quan trọng để giao dịch tiền điện tử. Có thể giao dịch tiền điện tử tự động bằng cách viết hợp đồng thông minh và bot giao dịch. Những robot này có thể thực hiện các giao dịch theo các quy tắc và chiến lược định sẵn, giảm sự can thiệp của các yếu tố con người, đồng thời nâng cao hiệu quả và độ chính xác của giao dịch.
Ví dụ: sử dụng thuật toán AI, bot giao dịch có thể tự động thực hiện các hoạt động mua hoặc bán dựa trên điều kiện thị trường để có kết quả giao dịch tối ưu.
Ví dụ điển hình có thể kể đến Rockybot. Đây là bot Giao dịch AI hoàn toàn trên chuỗi, có thể sử dụng mô hình AI trên chuỗi để dự đoán giá của ETH và có thể tự đưa ra quyết định đầu tư mà không cần ủy quyền trung tâm. Rockybot dựa trên StarkNet, được đào tạo dựa trên dữ liệu giá/tỷ giá lịch sử cho cặp giao dịch WETH:USDC. Về mặt kiến trúc, Rocky là một mạng thần kinh chuyển tiếp nguồn cấp dữ liệu ba lớp đơn giản, dự đoán liệu giá WETH sẽ tăng hay giảm dựa trên dữ liệu giá thị trường lịch sử.
- Đóng góp dữ liệu và bảo vệ quyền riêng tư
Sử dụng Crypto để khuyến khích nhiều người đóng góp dữ liệu cho các thuật toán AI: Các thuật toán AI có nhu cầu cao đối với một lượng lớn data chất lượng cao và crypto có thể khuyến khích người dùng chia sẻ dữ liệu của chính họ thông qua các cơ chế incentives. Tiền điện tử có thể mang lại cho các nhà cung cấp dữ liệu lợi nhuận kinh tế nhất định, từ đó thúc đẩy việc chia sẻ và lưu thông dữ liệu. Cơ chế khuyến khích này có thể khuyến khích nhiều người dùng đóng góp dữ liệu hơn, do đó tăng các mẫu đào tạo của thuật toán AI và cải thiện độ chính xác cũng như trí thông minh của chúng.
Sử dụng crypto để bảo vệ quyền riêng tư của những người đóng góp dữ liệu AI: Các tính năng mã hóa và ẩn danh của chuỗi khối cũng giúp bảo vệ quyền riêng tư của người dùng. Cơ chế chia sẻ dữ liệu và bảo vệ quyền riêng tư của tiền mã hóa cung cấp thêm tài nguyên dữ liệu cho các thuật toán AI, đồng thời đảm bảo an toàn cho thông tin cá nhân của người dùng.
- ZKML: Đảm bảo tính riêng tư và tính xác thực của các mô hình máy học
ZKML (zero-knowledge machine-learning) là một công nghệ sử dụng bằng chứng không kiến thức (Zero-knowledge proofs) cho học máy. ZKML có thể giải quyết vấn đề bảo vệ quyền riêng tư của mô hình/đầu vào AI và quy trình lập luận có thể kiểm chứng, đồng thời sử dụng zkSNARK để chứng minh tính đúng đắn của lập luận máy học. ZKML có thể được sử dụng để đào tạo và đánh giá các mô hình máy học trên dữ liệu nhạy cảm mà không tiết lộ dữ liệu cho bất kỳ ai khác.
Tìm hiểu thêm về ZKML tại đây.ZKML có thể được sử dụng để đảm bảo tính nhất quán của các mô hình máy học. Điều này rất quan trọng đối với người dùng vì mô hình rất quan trọng đối với kết quả của quá trình học máy.
Đã có một số use case chính xung quanh ZKML trong thực tiễn.
Ứng dụng trong DeFi, AI Trading bot – Rockybot giao dịch hoàn toàn trên chuỗi đã được ra mắt. Nó có thể sử dụng mô hình AI trên chuỗi để dự đoán giá của ETH và có thể đưa ra quyết định đầu tư mà không cần ủy quyền trung tâm;
Ứng dụng trong Game, Modulus Labs đã ra mắt trò chơi cờ vua Leela dựa trên ZKML, trong đó tất cả người dùng có thể đấu với rô-bốt được cung cấp bởi mô hình AI đã được ZK xác minh và trò chơi chiến đấu trên nền tảng AI Arena;
Ứng dụng trong việc Sáng tạo nội dung, cộng đồng đã gửi EIP có tên zkML AIGC-NFTs#7007 (EIP này chưa được thông qua), đề xuất sử dụng ZKML để xác minh xem NFT có được tạo bởi AI hay không, để giới thiệu danh mục NFT do AI tạo ra;
Ứng dụng trong DID, Wordcoin đang khám phá việc sử dụng ZKML để cho phép người dùng generate mã IRIS không cần ủy quyền. Sau khi code IRIS được nâng cấp, người dùng có thể tải xuống các model AI và tạo proofs mà không cần đi theo quy trình trước đó; Ngoài ra, còn có một nền tảng phân phối token dựa trên danh tiếng Astraly được xây dựng trên StarkNet, đang tạo ra một hệ thống danh tiếng dựa trên AI (Sử dụng các mô hình phân cụm để xác định đặc điểm người dùng/mục, huy hiệu và hành vi lịch sử trước khi tính toán xếp hạng danh tiếng một cách đáng tin cậy).
- AI+Blockchain: giao thức Blockchain tự cải thiện
Thông qua máy học AI minh bạch, các giao thức DeFi có thể tự tối ưu hóa mà không cần cấp quyền tin tưởng (trustless), chẳng hạn như sử dụng máy học để điều chỉnh tỷ giá hối đoái/lãi suất của stablecoin. Bằng cách sử dụng sinh trắc học/xác thực đa phương thức, dApps có thể tự quản lý việc tuân thủ/bảo mật. Ngay cả quy trình tạo ZKP của ZK Rollup cũng có thể tạo ra một loại hệ thống bằng chứng tập trung vào việc xây dựng cho máy học, để xây dựng Quy trình minh chứng zk-AI nhanh nhất thế giới, từ đó cải thiện đáng kể hiệu suất của ZK Rollup.
Tất nhiên, vẫn còn nhiều thách thức trên con đường tích hợp AI và tiền điện tử.
Ví dụ: cho đến nay chưa ai thực hiện việc chuyển các hoạt động AI hiện có sang các ngôn ngữ này để tự động tạo bằng chứng, mặc dù Giza đang làm việc để chuyển các mô hình ONNX được đào tạo trước sang Cario để suy luận có thể kiểm chứng.
Kết luận
Sự hợp nhất của AI và Tiền điện tử có thể mang lại những thay đổi thông minh cho quá trình số hóa. Ứng dụng của AI làm cho Crypto thông minh và hiệu quả hơn, đồng thời dựa trên Crypto, nó có thể cung cấp các thuật toán AI với dữ liệu thực và toàn diện hơn cũng như môi trường hoạt động đáng tin cậy. Bất chấp nhiều thách thức, chúng ta có thể mong đợi sự tích hợp sâu hơn giữa AI và Tiền điện tử để cùng nhau thúc đẩy sự phát triển của nền kinh tế kỹ thuật số và tạo ra một tương lai tốt đẹp hơn cho toàn nhân loại.
