Gần đây, Nvidia đã công bố Báo cáo tài chính kinh doanh quý I 2023, với doanh thu đạt 7,19 tỷ đô la, vượt mức kì vọng 6.52 tỷ đô, tỷ suất lợi nhuận gộp đạt 64,6% và lợi nhuận tăng trưởng mỗi cổ phiếu đạt 1,09 đô la, vượt so với kỳ vọng thị trường là 0,92 đô la.
Báo cáo tài chính của Nvidia vượt qua kỳ vọng, dẫn đến sự tăng trưởng đồng loạt của các cổ phiếu blue-chip Mỹ. Nvidia đã tăng 29,35%. Giá cổ phiếu đạt đỉnh cao kỷ lục 395 đô la. Vốn hóa thị trường tăng chóng mặt thêm 184 tỷ đô la.
CEO của Nvidia, Huang Renxun, đề cập đến triển vọng rộng lớn của ứng dụng trí tuệ nhân tạo trong báo cáo tài chính, cho biết ngành công nghiệp máy tính đang trải qua hai sự chuyển đổi đồng thời – tăng tốc tính toán và trí tuệ nhân tạo sáng tạo nội dung.
Các doanh nghiệp đang cạnh tranh để áp dụng trí tuệ nhân tạo Content Creator vào các sản phẩm, dịch vụ và quy trình kinh doanh khác nhau. Trung tâm dữ liệu cài đặt trị giá hàng nghìn tỷ đô la trên toàn cầu sẽ chuyển đổi từ tính toán đa mục đích thành tính toán tăng tốc.
Hiện nay, gần như tất cả các quỹ và tổ chức dẫn đầu có trụ sở tại Hoa Kỳ đang chú ý theo dõi lĩnh vực AIGC và nhanh chóng xây dựng hệ thống sàng lọc bằng cách thiết lập tọa độ bỏ phiếu, tránh bỏ lỡ cơ hội của thời đại mới.
Dữ liệu liên quan cho thấy, trong quý đầu năm 2023, tổng số vốn huy động của ngành công nghiệp AIGC toàn cầu đạt 3,811 tỷ nhân dân tệ, với tổng cộng 17 thương vụ gọi vốn đầu tư.
Sự tăng trưởng của một lĩnh vực này đồng nghĩa với sự suy giảm của lĩnh vực khác. Mọi người dần đặt ra những nghi vấn về WEB3: “Toàn bộ dòng vốn đang quan tâm đến AI, quy định về WEB3 đang được siết chặt, và câu chuyện kể của WEB3 không còn hay nữa”, “AI trông đáng tin cậy hơn WEB3 và dễ dàng tạo ra những “kỳ lân” công nghệ hơn (các startups có thể đạt 1 tỷ đô vốn hóa)”.
Ngày nay, câu chuyện về trí tuệ nhân tạo dần trở nên phổ biến và thậm chí đã xâm nhập vào lĩnh vực WEB3. Một số người trong ngành đã bắt đầu cho rằng “WEB3 mà không có trí tuệ nhân tạo là không có linh hồn”, và hơn một nửa các công ty WEB3 đã bắt đầu chuyển hướng sang trí tuệ nhân tạo. Vậy, cách thức AI+WEB3 sẽ được tích hợp như thế nào?
Gần đây, câu chuyện về ZKML, sự kết hợp mới nổi của zero-knowledge proof (chứng minh không tiết lộ) và học máy, đã trở nên phổ biến. Làm thế nào nó sẽ liên kết với trí tuệ nhân tạo và WEB3 để xây dựng một tương lai đáng tin cậy và phi tập trung?
1. Trí tuệ nhân tạo cần WEB3 và ngược lại
“Đó là một sai lầm khi nghĩ rằng tiền điện tử và trí tuệ nhân tạo là hai ngành công nghệ không liên quan đến nhau”, Michael Casey, giám đốc nội dung chính của CoinDesk, nói. “Hai công nghệ này bổ sung lẫn nhau, cải thiện cho nhau.”
Web3, tiền điện tử và blockchain giải quyết một thách thức xã hội tồn tại từ khi Internet ra đời: làm thế nào để bảo vệ thông tin quan trọng trong một môi trường phi tập trung. Chúng giải quyết vấn đề niềm tin của con người vào thông tin thông qua các hệ thống mới sử dụng các bản ghi phân tán và cơ chế incentives. Những hệ thống này giúp cộng đồng của những người lạ lẫm đáng tin cậy duy trì các bản ghi dữ liệu mở, cho phép họ phân phối và chia sẻ thông tin có giá trị hoặc nhạy cảm mà không cần bên trung gian.
Hiện nay, chúng ta đang nhanh chóng tiến tới thời đại trí tuệ nhân tạo toàn diện, và những thách thức mà thời đại này mang lại là vô cùng khó nhắn. Những thách thức này bắt nguồn từ việc bảo vệ quyền tác giả trên dữ liệu đầu vào của các mô hình ngôn ngữ lớn (LLM), tránh sai lệch thông tin đầu ra của chúng, cho đến khả năng hiện tại của chúng ta để phân biệt chính xác nội dung thật từ thông tin giả tạo do trí tuệ nhân tạo tạo ra.
“Phần thưởng của kẻ nói dối”. Không có giải pháp dễ dàng để đảm bảo con người không bị ảnh hưởng tiêu cực bởi trí tuệ nhân tạo. Không có giải pháp nào có thể dựa trên các khung pháp lập và công nghệ lỗi thời của thế kỷ 20 để giải quyết những vấn đề này. Chúng ta cần một hệ thống quản trị phi tập trung ngay lập tức để đáp ứng các thách thức về cách sản xuất, xác minh và chia sẻ thông tin trong thời đại mới này.
Dù cho Web3 hiện tại có thể cung cấp những giải pháp được yêu cầu hay không, công nghệ blockchain vẫn đóng góp vai trò quan trọng để giải quyết những vấn đề này. Các bản ghi không thể sửa đổi cho phép chúng ta theo dõi nguồn gốc của hình ảnh và nội dung khác, ngăn chặn deepfakes. Kỹ thuật này cũng có thể được sử dụng để xác minh tính toàn vẹn của các tập dữ liệu cho các sản phẩm trí tuệ nhân tạo học máy. Tiền điện tử cung cấp một phương thức thanh toán kỹ thuật số không giới hạn có thể được sử dụng để thưởng cho những người trên toàn thế giới đóng góp vào việc đào tạo trí tuệ nhân tạo, và các dự án như Bittensor đang làm việc để xây dựng cộng đồng cấp phép blockchain hóa để khuyến khích các nhà phát triển trí tuệ nhân tạo thân thiện với con người xây dựng mô hình. Trái lại, các hệ thống trí tuệ nhân tạo thuộc sở hữu của các công ty tư nhân thường đặt lợi ích của cổ đông lên trên lợi ích của người dùng.
Chúng ta vẫn còn một quãng đường dài trước khi những ý tưởng này có thể được thực hiện và mở rộng. Chúng ta sẽ cần tích hợp một loạt các công nghệ khác như Chứng minh không tiết lộ (Zero-Knowledge), Mã hóa homomorphic, Tính toán an toàn, Nhận dạng số hóa và Chứng chỉ phi tập trung (DID), IoT, v.v. Ngoài ra, chúng ta cần giải quyết nhiều thách thức như bảo vệ quyền riêng tư, xử phạt hành vi xấu, khích lệ trí tuệ sáng tạo tập trung vào con người và quy định đa bên.
2. Cách ZKML xây dựng cầu nối giữa trí tuệ nhân tạo và blockchain
Gần đây, ZKML, một sự kết hợp mới giữa chứng minh không tiết và học máy, đã được thảo luận rộng rãi. Hiện nay, triển khai học máy (ML) ngày càng phức tạp hơn. Nhiều doanh nghiệp chủ yếu dựa vào các nhà cung cấp dịch vụ như Amazon, Google và Microsoft để triển khai các mô hình học máy phức tạp. Tuy nhiên, các dịch vụ này ngày càng khó kiểm tra và hiểu được. Là người tiêu dùng dịch vụ trí tuệ nhân tạo, chúng ta làm thế nào để tin tưởng vào tính hợp lệ của những dự đoán được cung cấp bởi những mô hình này?
Là một cầu nối giữa trí tuệ nhân tạo và blockchain, ZKML giải quyết vấn đề bảo vệ quyền riêng tư của các mô hình và dữ liệu đầu vào trong trí tuệ nhân tạo, đồng thời đảm bảo khả năng xác minh quá trình lập luận. Nó cung cấp một giải pháp cho phép sử dụng các mô hình công khai khi xác minh dữ liệu riêng tư, hoặc sử dụng dữ liệu công khai khi xác minh các mô hình riêng tư. Bằng cách thêm khả năng học máy, các hợp đồng thông minh có thể trở nên tự động và linh hoạt hơn, cho phép chúng xử lý dựa trên dữ liệu trên chuỗi thời gian thực thay vì các quy tắc tĩnh. Như vậy, các hợp đồng thông minh sẽ linh hoạt hơn và có thể thích ứng với nhiều kịch bản khác nhau, kể cả những kịch bản có thể không được dự đoán từ ban đầu khi hợp đồng được tạo ra.
Hiện nay, một trong những khó khăn với việc áp dụng rộng rãi các thuật toán học máy trên blockchain là chi phí tính toán cao. Chạy các mô hình này trên chuỗi khó khăn vì các phép toán dấu chấm động hàng triệu không thể được thực hiện trực tiếp trên Máy ảo Ethereum (EVM). Ngoài ra, vấn đề về sự tin tưởng vào các mô hình học máy cũng là một rào cản, vì tham số và tập dữ liệu đầu vào của các mô hình thường là riêng tư, và thuật toán và quá trình hoạt động của mô hình giống như một “hộp đen” mờ mịt, có thể gây ra vấn đề về sự tin tưởng giữa các bên tham gia. Tuy nhiên, với công nghệ ZKML, chúng ta có thể vượt qua những vấn đề này. ZKML cho phép bất kỳ ai chạy một mô hình ngoại tuyến và tạo ra một bằng chứng ngắn gọn và có thể xác minh rằng mô hình đã tạo ra một kết quả cụ thể. Bằng chứng này có thể được xuất bản trên chuỗi và được xác minh bởi các hợp đồng thông minh. Điều này có nghĩa là người dùng mô hình có thể xác minh kết quả của mô hình mà không cần biết chi tiết các tham số cụ thể và các chi tiết hoạt động của mô hình, từ đó giải quyết vấn đề về sự tin tưởng.
3. Phân tích dự án ZKML
Dưới đây là một số dự án ZKML tiềm năng.
- Worldcoin
Worldcoin đang áp dụng ZKML để xây dựng một giao thức bằng chứng về tính cách bảo vệ quyền riêng tư. Người dùng World ID sẽ có khả năng tự quản lý các dữ liệu sinh trắc học (như mống mắt) trong lưu trữ được mã hóa trên thiết bị di động của họ, tải xuống mô hình ML được sử dụng để tạo ra IrisCode và tạo ra một bằng chứng không tiết lộ cho hợp đồng thông minh nhận biết được rằng IrisCode đã được tạo ra thành công.
Sau đó, nó có thể được sử dụng để thực hiện các hoạt động hữu ích như xác thực thành viên và bỏ phiếu. Hiện tại, họ đang sử dụng một môi trường chạy có đáng tin cậy với một khu vực an toàn để xác minh quét mống mắt được ký bằng camera, nhưng mục tiêu cuối cùng của họ là sử dụng ZKP để chứng minh lập luận chính xác của mạng thần kinh cho các cam kết bảo mật cấp độ mã hóa và đảm bảo rằng đầu ra của mô hình ML sẽ không rò rỉ thông tin cá nhân người dùng.
- Modulus Labs
Modulus Labs là một trong những dự án đa dạng nhất trong lĩnh vực ZKML. Họ cũng đang tích cực xây dựng mô hình ứng dụng trí tuệ nhân tạo on-chain. Modulus Labs tập trung nghiên cứu RockyBot (một robot AI trading on-chain) và Leela vs. the World (một trò chơi cờ vua quốc tế, mọi người chơi để chống lại một phiên bản đã được chứng minh hoàn thiện tất cả modules cờ vua mang tên Leela) để chứng minh một trường hợp sử dụng cho zkML. Nhóm cũng đã tham gia vào nghiên cứu “The Cost of Intelligence”, đánh giá tốc độ và hiệu suất của các hệ thống xác minh khác nhau cho các mô hình có kích thước khác nhau.
- Human
Giza là một giao thức có thể triển khai các mô hình AI trên chuỗi một cách hoàn toàn không cần tin cậy (permissionless). Các công nghệ mà nó sử dụng bao gồm định dạng ONNX cho các mô hình học máy, trình biên dịch Giza để chuyển đổi các mô hình này thành định dạng chương trình Cairo, ONNX Cairo Runtime để thực thi các mô hình một cách có thể xác minh và xác định, và triển khai và Hợp đồng thông minh mô hình Giza thực thi mô hình trên chuỗi. Giza thuộc vào bộ biên dịch trên chuỗi của các mô hình học máy thành chứng, cung cấp một con đường thay thế cho việc phát triển AI trên chuỗi.
- Zkaptcha
Zkaptcha tập trung vào vấn đề robot trong Web3, cung cấp dịch vụ captcha (mã xác thực) cho các hợp đồng thông minh, bảo vệ các hợp đồng thông minh khỏi cuộc tấn công của robot và sử dụng chứng minh không tiết lộ để tạo ra các hợp đồng thông minh chống lại cuộc tấn công Sybil. Hiện tại, dự án cho phép người dùng cuối tạo ra một bằng chứng về công việc của con người bằng cách hoàn thành một captcha, được xác minh bởi các trình xác minh trên chuỗi và được truy cập bởi các hợp đồng thông minh với vài dòng mã. Trong tương lai, Zkaptcha sẽ kế thừa zkML, tung ra dịch vụ mã xác thực tương tự với Web 2 hiện có, và thậm chí phân tích hành vi như di chuyển chuột để xác định xem người dùng có phải là một người thật hay không.
Kết luận
Hiện tại, hướng đi của zkML vẫn đang trong giai đoạn đầu phát triển, nhưng chúng ta có lý do tin rằng sức mạnh của zkML có thể mang đến triển vọng và phát triển tốt hơn cho tiền mã hóa, và chúng ta cũng kỳ vọng sẽ có nhiều sản phẩm hơn trong lĩnh vực này. Hoạt động của machine learning cung cấp một môi trường an toàn và đáng tin cậy, và trong tương lai, ngoài sự đổi mới sản phẩm, nó cũng có thể dẫn đến đổi mới của các mô hình kinh doanh tiền mã hóa, vì trong thế giới Web 3 hoang dã và vô chính phủ này, sự phi tập trung, công nghệ tiền mã hóa và niềm tin là cơ sở cơ bản nhất.
Xây dựng sự tin cậy trong một thế giới kỹ thuật số ngày càng phức tạp và không chắc chắn luôn là một thách thức trung tâm cho AI và Web3. Tuy nhiên, việc kết hợp AI với Web3 mang lại triển vọng lớn trong việc xây dựng một tương lai phi tập trung, đáng tin cậy. Đối với các nhà phát triển, kỹ sư công nghệ, nhà hoạch định chính sách và xã hội như một tổng thể, việc cùng nhau định hình tương lai của trí tuệ nhân tạo và Web3 là rất quan trọng, và chúng ta có thể tạo ra một kỷ nguyên Internet thông minh vượt xa sự tưởng tượng.
