Con đường gian nan nhưng khả thi để phát triển AI phi tập trung

- AI có xu hướng phát triển theo hướng tập trung hóa cao do phụ thuộc vào các yếu tố như năng lực tính toán, dữ liệu cũng có xu hướng tập trung.
- Để AI phi tập trung khả thi, cần sự thúc đẩy của các xu hướng: AI tạo sinh nguồn mở trở nên phổ biến, tập trung vào quy trình suy luận, hạ tầng Web3 mở rộng để đáp ứng yêu cầu của các mô hình nền tảng, và các mô hình nền tảng cần được điều chỉnh để chạy trên hạ tầng phi tập trung.
- Các ứng dụng doanh nghiệp có yêu cầu cao về bảo mật, quyền riêng tư và các startup AI trong ngành được quản lý có tiềm năng tăng trưởng mạnh cho AI tạo sinh nguồn mở. Hạ tầng AI Web3 có thể trở thành lựa chọn khả thi trong các kịch bản này.
- AI phi tập trung sẽ tập trung vào quy trình suy luận với các mô hình nền tảng nguồn mở do yêu cầu tính toán phức tạp và kích thước cực lớn của các mô hình nền tảng.
- Thế hệ runtime blockchain hiện tại chưa được thiết kế để chạy các mô hình nền tảng lớn. Cần phát triển các runtime blockchain mới được tối ưu hóa cho khối lượng công việc tính toán lớn hơn và phức tạp hơn.
- Xu hướng "mô hình ngôn ngữ nhỏ" (small language models - SLM) có thể giúp các mô hình trở nên khả thi hơn để chạy trên hạ tầng Web3. Ví dụ: mô hình Phi 3B tham số của Microsoft có thể vượt trội hơn các mô hình 70B trong các tác vụ toán học và khoa học máy tính.

📌 Tóm lại, con đường phát triển AI phi tập trung đòi hỏi sự kết hợp của nhiều yếu tố như sự phổ biến của các mô hình AI tạo sinh nguồn mở, tập trung vào suy luận, mở rộng hạ tầng Web3 lên nhiều bậc và phát triển các mô hình nền tảng nhỏ gọn, thích ứng hơn. Đây là một thách thức lớn nhưng vẫn khả thi trong tương lai gần.

Citations:
[1] https://www.coindesk.com/consensus-magazine/2024/03/27/the-enablers-of-decentralized-ai/