Ba hướng phát triển chính của sự kết hợp giữa AI và mã hóa

Hiện nay, sự kết hợp giữa trí tuệ nhân tạo và mã hóa đang trong giai đoạn phát triển nhanh chóng. Bài viết này sẽ trình bày chi tiết ba hướng phát triển chính của sự kết hợp AI+ mã hóa.

1. Xây dựng nền kinh tế được thúc đẩy bởi các đại lý thông minh năng động

Thực tiễn gần đây đã chứng minh khả năng hoạt động của các đại lý AI trên blockchain. Lĩnh vực này đang không ngừng vượt qua ranh giới của việc vận hành trên chuỗi đại lý, tiềm năng rất lớn và không gian thiết kế rộng mở. Hiện tại, đây đã trở thành một trong những hướng đi đột phá và bùng nổ nhất trong lĩnh vực mã hóa và AI, và đây chỉ mới là khởi đầu.

Trong tương lai, các đại lý thông minh có thể quản lý các dự án phức tạp cần phối hợp kinh tế nhiều bên. Ví dụ, trong lĩnh vực nghiên cứu khoa học, các đại lý có thể chịu trách nhiệm tìm kiếm các hợp chất điều trị cho các bệnh cụ thể. Cụ thể là:

• Thực hiện huy động vốn qua nền tảng gây quỹ bằng token
• Sử dụng vốn huy động để thanh toán chi phí truy cập tài liệu nghiên cứu, thực hiện chi phí tính toán mô phỏng hợp chất trên mạng lưới tính toán phi tập trung.
• Tuyển dụng người thực hiện công việc xác minh thí nghiệm thông qua nền tảng thưởng

Ngoài các dự án phức tạp, đại lý cũng có thể thực hiện các nhiệm vụ đơn giản như xây dựng trang web cá nhân, sáng tác tác phẩm nghệ thuật, v.v., và các tình huống ứng dụng của nó có khả năng vô hạn.

Đại lý thông minh thực hiện các hoạt động tài chính trên blockchain có lợi thế hơn so với việc sử dụng các kênh truyền thống:

• Ứng dụng thanh toán nhỏ
• Lợi thế về tốc độ: Chức năng thanh toán ngay lập tức giúp đại lý đạt được hiệu quả vốn tối đa
• Tham gia vào thị trường vốn thông qua DeFi: Các đại lý có thể dễ dàng tạo ra tài sản, thực hiện giao dịch, đầu tư tài chính, thực hiện các hoạt động cho vay, sử dụng đòn bẩy, v.v.

Hướng phát triển trong tương lai nên chú ý đến:

1. Cơ chế kiểm soát rủi ro
2. Thúc đẩy các tình huống sử dụng phi đầu cơ
3. Yêu cầu tiến độ phát triển: ít nhất phải đạt được giai đoạn nguyên mẫu của mạng thử nghiệm, tốt nhất là đã hoạt động trên mạng chính.

2. Nâng cao khả năng của mô hình ngôn ngữ lớn trong phát triển mã

Mô hình ngôn ngữ lớn đã thể hiện xuất sắc trong việc viết mã và sẽ tiếp tục được cải thiện trong tương lai. Nhờ vào những khả năng này, hiệu suất của các nhà phát triển có thể được nâng cao từ 2 đến 10 lần. Gần đây, việc thiết lập các tiêu chuẩn chất lượng cao để đánh giá khả năng hiểu và viết mã của mô hình ngôn ngữ lớn sẽ giúp hiểu được tác động tiềm tàng của nó đối với hệ sinh thái. Các phương án tinh chỉnh mô hình chất lượng cao sẽ được xác minh trong các bài kiểm tra tiêu chuẩn.

Tuy nhiên, vẫn còn một số thách thức:

• Thiếu dữ liệu huấn luyện gốc chất lượng cao
• Số lượng xây dựng xác nhận không đủ
• Thiếu sự tương tác có giá trị thông tin cao trên nền tảng hỏi đáp công nghệ
• Sự phát triển cơ sở hạ tầng nhanh chóng, dẫn đến mã cũ có thể không phù hợp với nhu cầu hiện tại
• Thiếu phương pháp đánh giá mức độ hiểu biết về công nghệ cụ thể.

Hướng phát triển trong tương lai:

• Cải thiện chất lượng dữ liệu liên quan trên Internet
• Khuyến khích nhiều đội ngũ phát hành xác thực xây dựng
• Đặt câu hỏi tốt và cung cấp câu trả lời chất lượng cao trên nền tảng hỏi đáp kỹ thuật
• Tạo các bài kiểm tra chất lượng cao để đánh giá mức độ hiểu biết của các mô hình ngôn ngữ lớn
• Tạo ra một kế hoạch tinh chỉnh mô hình hoạt động tốt trong các bài kiểm tra chuẩn.

Thành tựu lớn cuối cùng sẽ là: một khách hàng nút xác thực hoàn toàn mới, chất lượng cao, được tạo ra hoàn toàn bởi AI.

3. Hỗ trợ các công nghệ AI mở và phi tập trung

Sự cân bằng sức mạnh lâu dài giữa mô hình mã nguồn mở và mã nguồn đóng vẫn còn chưa rõ ràng. Dự đoán đơn giản nhất hiện nay là duy trì tình trạng hiện tại - các công ty công nghệ lớn thúc đẩy sự phát triển tiên tiến, trong khi các mô hình mã nguồn mở nhanh chóng theo kịp và đạt được lợi thế độc đáo trong các trường hợp ứng dụng cụ thể thông qua việc tinh chỉnh.

Tầm quan trọng của việc hỗ trợ hệ thống công nghệ AI mở được thể hiện qua:

1. Mô hình mã hóa mở nhanh chóng đổi mới và lặp lại: Cộng đồng mã hóa mở cải tiến và tinh chỉnh nhanh chóng các mô hình mã hóa mở, cho thấy cộng đồng có thể bổ sung hiệu quả công việc của các công ty AI lớn, thúc đẩy ranh giới khả năng AI.

2. Cung cấp lựa chọn cho người dùng không tin tưởng vào AI phi tập trung: AI có thể được sử dụng như một công cụ kiểm soát, hỗ trợ công nghệ AI mã nguồn mở có thể cung cấp các giải pháp thay thế cho người dùng.

Hiện đã có nhiều dự án hỗ trợ công nghệ mở AI:

• Thu thập dữ liệu
• Điện toán phi tập trung
• Khung đào tạo phi tập trung

Hướng phát triển trong tương lai:

• Thu thập dữ liệu phi tập trung
• Danh tính trên chuỗi: hỗ trợ giao thức xác thực danh tính con người bằng ví, giao thức xác thực phản hồi API AI.
• Huấn luyện phi tập trung
• Cơ sở hạ tầng IP: cho phép AI cấp phép (và thanh toán) cho nội dung mà nó sử dụng.

Thông qua những nỗ lực này, chúng tôi hy vọng sẽ thấy sự kết hợp giữa AI và mã hóa mang lại nhiều đổi mới và đột phá cho ngành.