Tác giả: DWF Ventures Nguồn: Medium Dịch: Shan Oppa, Golden Finance

< p style="text-align: left;">Bài viết này sẽ đi sâu vào một trong những chủ đề hot nhất năm nay - trí tuệ nhân tạo (AI). Trong năm qua, trí tuệ nhân tạo đã trở thành tâm điểm của cuộc thảo luận nhờ sự ra mắt ChatGPT 3.5 của OpenAI. Vụ phóng cho thấy tiềm năng kinh tế to lớn của trí tuệ nhân tạo. Điều này đã làm dấy lên các cuộc thảo luận toàn cầu về tương lai, tác động và rủi ro liên quan của nó.

Khi sự lạc quan tăng lên thì sự hoài nghi cũng tăng theo. Các vấn đề tiềm ẩn đang bắt đầu gióng lên hồi chuông cảnh báo đối với các cơ quan quản lý. Nó gợi lại những ngày đầu của không gian tiền điện tử, với sự phát triển nhanh chóng của trí tuệ nhân tạo và khung pháp lý mơ hồ. Có những điểm tương đồng giữa hai ngành làm nổi bật tính chất phi tập trung của web3, điều này dường như bổ sung cho sức mạnh tập trung tiềm năng của trí tuệ nhân tạo. Chẳng bao lâu sau, hầu hết các cuộc thảo luận về web3 VC trong Quý 1 đều tập trung vào tiềm năng biến đổi của AI. (Tại một thời điểm, tôi tự hỏi liệu mình đang tham dự một sự kiện web3 hay AI.) Trong năm, chúng tôi cũng thấy một số công ty VC chuyển hướng sang AI hoặc kết hợp nó vào nhiệm vụ đầu tư của họ.

Bây giờ sự cường điệu đã giảm dần theo thời gian,DWF Ventures có kế hoạch mang đến một cái nhìn mới mẻ về lĩnh vực trí tuệ nhân tạo với cái nhìn khách quan về nó . Bài viết này cung cấp cái nhìn tổng quan ngắn gọn về sự phát triển của trí tuệ nhân tạo và cách nó đạt đến mức độ phổ biến hiện nay. Tuy nhiên, có sự chuyển dịch rõ ràng trong cách dẫn chuyện của bài viết, từ trọng tâm truyền thống về cách trí tuệ nhân tạo ảnh hưởng đến web3 sang khám phá theo hướng ngược lại - web3 ảnh hưởng đến trí tuệ nhân tạo như thế nào. Trong khám phá này, chúng tôi đi sâu vào cách phân cấp và web3 có thể đóng vai trò là chất xúc tác để giải quyết những thách thức hiện tại mà trí tuệ nhân tạo phải đối mặt.

Tổng quan về AI và đột phá của ChatGPT 3.5

Trái ngược với sự cường điệu gần đây xung quanh trí tuệ nhân tạo, đó là The lịch sử quay trở lại những năm 1930. Công trình của Turing vào năm 1950, bao gồm cả Bài kiểm tra Turing, đã giúp chính thức hóa nền tảng của trí tuệ nhân tạo. Bất chấp sự lạc quan ban đầu, sự nhiệt tình đã suy giảm vào những năm 1970 do những khó khăn trong tính toán và không có khả năng đáp ứng nhu cầu thời gian thực, mở ra "mùa đông AI". Vào những năm 1980, các hệ thống chuyên gia đã hồi sinh trí tuệ nhân tạo bằng cách sử dụng cơ sở dữ liệu tri thức để mô phỏng kiến ​​thức chuyên môn của con người. Thời đại này cũng chứng kiến ​​sự hồi sinh của chủ nghĩa kết nối và sự trỗi dậy của mạng lưới thần kinh tái phát.

Tuy nhiên, các hệ thống chuyên gia phải đối mặt với những thách thức trong việc thu thập kiến ​​thức và phân tích thời gian thực, dẫn đến sự suy giảm của chúng trong những năm 1990. Hiệu suất của máy tính cá nhân đã dẫn đến sự suy giảm tính phù hợp của chúng. Lĩnh vực trí tuệ nhân tạo đã có những tiến bộ vượt bậc trong những năm qua và đã mở rộng sang các lĩnh vực kỹ thuật khác nhau như học máy, xử lý ngôn ngữ tự nhiên, thị giác máy tính và nhận dạng giọng nói. Những phát triển này đã cho phép trí tuệ nhân tạo phát triển từ việc giải quyết vấn đề đơn giản đến học sâu trong các lĩnh vực ứng dụng phức tạp.

p>

Trong quá trình phát triển của mình, trí tuệ nhân tạo đã chứng kiến ​​sự hội tụ của nhiều lĩnh vực con khác nhau của nó. Trong số các lĩnh vực này, tiến bộ đáng kể đã được thực hiện trong quá trình chuyển đổi theo chiều dọc trong lĩnh vực học máy và LL.M. Bài báo "Sự chú ý là tất cả những gì bạn cần" của Ashish Vaswani et al. Đáng chú ý là nguồn cảm hứng từ mô hình GPT (Generative Pretrainer Transformer). Kể từ đó, một số lượng lớn GPT đã xuất hiện trong lĩnh vực này, chẳng hạn như GPT “BERT” hai chiều và GPT của nhóm OpenAI. Sau ChatGPT, các lựa chọn thay thế nguồn mở như Falcon và LLaMA2 đã xuất hiện, làm tăng sự cạnh tranh cho phiên bản GPT tiếp theo, có thể gần hơn với AGI (Trí tuệ tổng hợp nhân tạo).

Sự cường điệu của GPT đã giúp đưa trí tuệ nhân tạo từ giới học thuật vào nhận thức của hàng tỷ người. Trong vòng 2 tháng kể từ khi ra mắt, OpenAI đã lập kỷ lục về cơ sở người dùng đạt 100 triệu người dùng hoạt động hàng tuần nhanh nhất. Một nghiên cứu gần đây của McKinsey tiết lộ rằng khoảng 51% chuyên gia trong ngành công nghệ hiện đang sử dụng AI ở một mức độ nào đó trong công việc của họ.

Thực tế trí tuệ nhân tạo: Đối phó với nhận thức xã hội và những hạn chế thực tế của AI tập trung

Gần đây cuộc thăm dò do Vitalik thực hiện trong bài báo của mình cho thấy nhiều người có tâm lý trì hoãn sự tiến bộ trong trí tuệ nhân tạo vì lo ngại sự xuất hiện của một phiên bản độc quyền.

p>

Sự chú ý tăng vọt gần đây có thể bắt nguồn từ sự nổi tiếng nhanh chóng của ChatGPT, được thúc đẩy bởi những phản hồi giống con người của nó. Tuy nhiên, điều mà hầu hết mọi người không nhận ra là mặc dù GPT bắt chước sự tương tác của con người nhưng đó không phải là AGI.

GPT thay đổi về mặt thống kê mỗi khi tạo đầu ra, thiếu tính nhất quán và đảm bảo độ chính xác thực tế. GPT cũng gặp phải những hạn chế khác, nhưng khuyết điểm nổi bật nhất của nó là không có khả năng thực hiện suy luận logic, đặc biệt là trong toán học.

p>

Trước vô số mối lo ngại xung quanh AI và những thách thức hiện có trong việc quản lý hiệu quả các mô hình AI lớn, việc khám phá khả năng tích hợp Web3 nổi lên như một cách tiềm năng để giảm thiểu những thách thức mà AI phải đối mặt. Việc tận dụng các nguyên tắc tính toán phi tập trung và phân tán vốn có trong Web3 có thể giúp giải quyết các vấn đề mà hệ thống trí tuệ nhân tạo hiện đang gặp phải.

Con đường dẫn đến trí tuệ nhân tạo phi tập trung: tổng quan, tiềm năng và thách thức

Năng lực trí tuệ nhân tạo Tập trung trong các hệ thống tập trung làm dấy lên mối lo ngại về quyền truy cập dữ liệu, mức độ phù hợp của mô hình và tính bền vững tổng thể của các ứng dụng AI. Các hệ thống AI tập trung phải đối mặt với những trở ngại đáng kể. Đặc biệt đối với các tập dữ liệu lớn, độc quyền thường là độc quyền.

p>

Điều này dẫn đến việc kiếm tiền trên cơ sở mỗi truy vấn và giới hạn số lượt xem bài đăng hàng ngày trên X.com. Grok ngay sau đó, X.com GPT đã được phát hành, cho phép người dùng truy cập dữ liệu X.com trong thời gian thực. Mô hình này tạo ra các rào cản kinh tế và đặt ra câu hỏi về khả năng tiếp cận và tính toàn diện của các lợi ích của AI.

Tác giả: DWF Ventures Nguồn: Medium Dịch: Shan Oppa, Golden Finance

Ngoài ra , nếu không cập nhật dữ liệu liên tục, các mô hình được xuất bản sẽ nhanh chóng trở nên lỗi thời, đặt ra thách thức lớn trong việc duy trì mức độ phù hợp và chính xác. Hiện tại, dữ liệu đào tạo ChatGPT 3.5 là thông tin tính đến tháng 1 năm 2022. Llama 2 cũng được đào tạo về dữ liệu từ tháng 1 năm 2023 đến tháng 7 năm 2023.

Để giải quyết những thách thức này, DAI nổi lên như một mô hình đầy hứa hẹn cung cấp các giải pháp tiềm năng cho những hạn chế của việc tập trung hóa.

p>

AI phi tập trung cung cấp một quỹ đạo thay thế để giải quyết những thách thức vốn có trong các mô hình tập trung. Một bài viết phân tích tổng hợp gần đây của Janbi et al. Là một hướng dẫn toàn diện, DAI được chia thành năm lĩnh vực chính.

Những thách thức của DAI

DAI đã mang lại sự phát triển trí tuệ nhân tạo Một điều thú vị chuyển đổi mang lại nhiều lợi ích. Tuy nhiên, điều quan trọng là phải thừa nhận những thách thức mà những tiến bộ này mang lại.

p>

Kết luận

Nhìn chung, hành trình hướng tới trí tuệ nhân tạo phi tập trung đang mở ra với tiềm năng to lớn . Việc nhận ra toàn bộ sức mạnh của AI phi tập trung phụ thuộc vào việc tiếp cận khối lượng tới hạn, được thúc đẩy bởi nhóm người dùng AI hiện có. Trong khi các giải pháp thay thế nguồn mở gặp phải rào cản do số lượng nhà cung cấp và người dùng hạn chế, API ChatGPT cung cấp tùy chọn thiết thực và giá cả phải chăng cho thị trường đại chúng, mang lại sự dễ sử dụng và độ tin cậy.

Tuy nhiên, do những hậu quả tiềm tàng của AGI độc quyền, các cá nhân nên xem xét lại sự cân bằng giữa sự thuận tiện và sự phân cấp trong các lựa chọn và hành động của mình. Ở quy mô rộng hơn, các nhà đổi mới trong cộng đồng web3 và AI có thể giải quyết các thách thức bằng cách xác định lại quy trình công việc AI, hình dung lại cơ sở hạ tầng, áp dụng các mô hình đổi mới, quản lý hiệu quả và phát triển các ứng dụng tuân thủ các nguyên tắc phi tập trung. Khi chúng tôi tiếp tục đi theo con đường này, sự hợp tác, tính toàn diện và những cân nhắc về đạo đức sẽ là chìa khóa để định hình bối cảnh AI phi tập trung thực sự mang lại lợi ích cho nhân loại.