Giới thiệu hợp đồng thông minh vào liên kết liên bang: Flock sẽ tái định hình mối quan hệ sản xuất AI như thế nào?

Trong tương lai, FLock còn có kế hoạch ra mắt cơ chế khởi tạo nhiệm vụ thân thiện hơn, nhằm hiện thực hóa tầm nhìn “AI cho mọi người”.

Tác giả: LINDABELL

Trong làn sóng AI phi tập trung trước đây, các dự án nổi bật như Bittensor, io.net và Olas đã nhanh chóng trở thành những người dẫn đầu ngành nhờ công nghệ đổi mới và tầm nhìn chiến lược. Tuy nhiên, khi định giá của các dự án kỳ cựu này ngày càng tăng cao, rào cản tham gia đối với nhà đầu tư phổ thông cũng ngày càng lớn. Vậy, trước sự luân chuyển của các phân khúc thị trường hiện nay, liệu còn cơ hội mới nào để tham gia không?

Flock: Mạng lưới huấn luyện và xác thực AI phi tập trung

Flock là một nền tảng huấn luyện và ứng dụng mô hình AI phi tập trung, kết hợp giữa học liên kết (federated learning) và công nghệ blockchain, nhằm cung cấp môi trường huấn luyện và quản lý mô hình an toàn cho người dùng, đồng thời bảo vệ quyền riêng tư dữ liệu và đảm bảo sự tham gia công bằng của cộng đồng. Tên gọi Flock lần đầu xuất hiện trước công chúng vào năm 2022, khi đội ngũ sáng lập công bố bài báo học thuật có tiêu đề "FLock: Defending malicious behaviors in federated learning with blockchain", đề xuất ý tưởng đưa blockchain vào học liên kết để phòng chống hành vi độc hại. Bài báo này trình bày cách tăng cường bảo mật dữ liệu và bảo vệ quyền riêng tư trong quá trình huấn luyện mô hình thông qua cơ chế phi tập trung, đồng thời tiết lộ tiềm năng ứng dụng của kiến trúc mới này trong tính toán phân tán.

Sau giai đoạn kiểm chứng ý tưởng ban đầu, Flock đã ra mắt mạng lưới AI đa Agent phi tập trung Flock Research vào năm 2023. Trong Flock Research, mỗi Agent là một mô hình ngôn ngữ lớn (LLM) được tối ưu hóa cho lĩnh vực cụ thể, có thể hợp tác để cung cấp các góc nhìn khác nhau cho người dùng. Đến giữa tháng 5 năm 2024, Flock chính thức mở testnet nền tảng huấn luyện AI phi tập trung, cho phép người dùng sử dụng token thử nghiệm FML để tham gia huấn luyện và tinh chỉnh mô hình, đồng thời nhận phần thưởng. Tính đến ngày 30/9/2024, số lượng kỹ sư AI hoạt động hàng ngày trên nền tảng Flock đã vượt 300 người, tổng số mô hình được nộp lên đạt hơn 15.000.

Với sự phát triển liên tục của dự án, Flock cũng thu hút sự chú ý của thị trường vốn. Tháng 3 năm nay, Flock hoàn thành vòng gọi vốn 6 triệu USD do Lightspeed Faction và Tagus Capital dẫn đầu, với sự tham gia của DCG, OKX Ventures, Inception Capital và Volt Capital. Đáng chú ý, Flock còn là dự án hạ tầng AI duy nhất nhận được tài trợ trong vòng học thuật của Ethereum Foundation năm 2024.

Nền tảng tái định hình quan hệ sản xuất AI: Đưa hợp đồng thông minh vào học liên kết

Học liên kết (Federated Learning) là một phương pháp học máy cho phép nhiều thực thể (thường gọi là client) cùng huấn luyện mô hình mà dữ liệu vẫn được lưu trữ cục bộ. Khác với học máy truyền thống, học liên kết tránh việc tải toàn bộ dữ liệu lên máy chủ trung tâm, thay vào đó bảo vệ quyền riêng tư người dùng thông qua tính toán tại chỗ. Hiện nay, học liên kết đã được ứng dụng trong nhiều tình huống thực tế, ví dụ Google từ năm 2017 đã đưa học liên kết vào bàn phím Gboard để tối ưu hóa gợi ý nhập liệu và dự đoán văn bản, đồng thời đảm bảo dữ liệu nhập của người dùng không bị tải lên. Tesla cũng áp dụng công nghệ tương tự trong hệ thống lái tự động, nâng cao khả năng nhận diện môi trường của xe một cách cục bộ, giảm nhu cầu truyền tải lượng lớn dữ liệu video.

Tuy nhiên, các ứng dụng này vẫn tồn tại một số vấn đề, đặc biệt về quyền riêng tư và bảo mật. Trước hết, người dùng phải tin tưởng bên thứ ba tập trung; tiếp theo, trong quá trình truyền và tổng hợp tham số mô hình, cần ngăn chặn các node độc hại tải lên dữ liệu hoặc tham số giả, khiến hiệu suất mô hình bị lệch hoặc đưa ra dự đoán sai. Theo nghiên cứu của đội ngũ FLock đăng trên tạp chí IEEE, mô hình học liên kết truyền thống khi có 10% node độc hại thì độ chính xác giảm xuống còn 96,3%, khi tỷ lệ node độc hại tăng lên 30% và 40% thì độ chính xác lần lượt giảm còn 80,1% và 70,9%.

Để giải quyết các vấn đề này, Flock đã đưa hợp đồng thông minh trên blockchain vào kiến trúc học liên kết như một “động cơ niềm tin”. Hợp đồng thông minh đóng vai trò động cơ niềm tin, có thể tự động thu thập và xác thực tham số trong môi trường phi tập trung, đồng thời công bố kết quả mô hình một cách không thiên vị, từ đó ngăn chặn hiệu quả việc node độc hại sửa đổi dữ liệu. So với giải pháp học liên kết truyền thống, ngay cả khi 40% node là node độc hại, độ chính xác của mô hình FLock vẫn duy trì trên 95,5%.

Định vị tầng thực thi AI, phân tích kiến trúc ba lớp của FLock

Một điểm đau lớn hiện nay trong lĩnh vực AI là tài nguyên huấn luyện mô hình và dữ liệu vẫn tập trung cao ở một số công ty lớn, khiến nhà phát triển và người dùng phổ thông khó tiếp cận hiệu quả. Do đó, người dùng chỉ có thể sử dụng các mô hình tiêu chuẩn dựng sẵn, không thể tùy chỉnh theo nhu cầu. Sự lệch pha cung-cầu này khiến dù thị trường có nhiều năng lực tính toán và dữ liệu, vẫn không chuyển hóa thành mô hình và ứng dụng thực tế.

Để giải quyết vấn đề này, Flock mong muốn trở thành hệ thống điều phối hiệu quả nhu cầu, tài nguyên, năng lực tính toán và dữ liệu. Flock học hỏi công nghệ Web3, tự định vị là “tầng thực thi”, với chức năng cốt lõi là phân phối nhu cầu AI tùy chỉnh của người dùng đến các node phi tập trung để huấn luyện, đồng thời điều phối các nhiệm vụ này trên toàn cầu thông qua hợp đồng thông minh.

Đồng thời, để đảm bảo hệ sinh thái công bằng và hiệu quả, hệ thống FLock còn chịu trách nhiệm về “thanh toán” và “đồng thuận”. Thanh toán là khuyến khích và quản lý đóng góp của người tham gia, thưởng và phạt dựa trên kết quả nhiệm vụ. Đồng thuận chịu trách nhiệm đánh giá và tối ưu hóa chất lượng kết quả huấn luyện, đảm bảo mô hình cuối cùng là tối ưu toàn cục.

Kiến trúc sản phẩm tổng thể của FLock gồm ba module chính: AI Arena, FL Alliance và AI Marketplace. Trong đó, AI Arena phụ trách huấn luyện mô hình nền tảng phi tập trung, FL Alliance phụ trách tinh chỉnh mô hình dưới cơ chế hợp đồng thông minh, còn AI Marketplace là thị trường ứng dụng mô hình cuối cùng.

AI Arena: Huấn luyện mô hình cục bộ và khuyến khích xác thực

AI Arena là nền tảng huấn luyện AI phi tập trung của Flock, người dùng có thể tham gia bằng cách staking token thử nghiệm FML trên testnet Flock và nhận phần thưởng staking tương ứng. Sau khi người dùng xác định mô hình cần thiết và gửi nhiệm vụ, các node huấn luyện trong AI Arena sẽ sử dụng kiến trúc mô hình khởi tạo để huấn luyện mô hình tại chỗ, không cần tải dữ liệu lên máy chủ tập trung. Sau khi mỗi node hoàn thành huấn luyện, sẽ có các validator chịu trách nhiệm đánh giá công việc của node huấn luyện, kiểm tra chất lượng mô hình và chấm điểm. Nếu không muốn tham gia xác thực, người dùng cũng có thể ủy thác token cho validator để nhận thưởng.

Trong AI Arena, cơ chế thưởng cho tất cả vai trò đều dựa trên hai yếu tố cốt lõi: số lượng staking và chất lượng nhiệm vụ. Số lượng staking thể hiện “cam kết” của người tham gia, còn chất lượng nhiệm vụ đo lường giá trị đóng góp. Ví dụ, phần thưởng cho node huấn luyện phụ thuộc vào số lượng staking và thứ hạng chất lượng mô hình nộp lên, còn phần thưởng cho validator phụ thuộc vào kết quả bỏ phiếu đồng thuận, số lượng staking và số lần/thành công xác thực. Lợi nhuận của delegator phụ thuộc vào validator được chọn và số lượng staking.

AI Arena hỗ trợ chế độ huấn luyện mô hình học máy truyền thống, người dùng có thể chọn sử dụng dữ liệu cục bộ trên thiết bị của mình hoặc dữ liệu công khai để huấn luyện, tối đa hóa hiệu suất mô hình cuối cùng. Hiện tại, testnet công khai AI Arena có 496 node huấn luyện hoạt động, 871 node xác thực và 72 người dùng ủy thác. Tỷ lệ staking trên nền tảng hiện là 97,74%, lợi nhuận trung bình hàng tháng của node huấn luyện là 40,57%, còn node xác thực là 24,70%.

FL Alliance: Nền tảng tinh chỉnh tự động quản lý bằng hợp đồng thông minh

Các mô hình đạt điểm cao nhất trên AI Arena sẽ được chọn làm “mô hình đồng thuận” và phân bổ vào FL Alliance để tinh chỉnh sâu hơn. Quá trình tinh chỉnh diễn ra qua nhiều vòng. Mỗi vòng bắt đầu, hệ thống sẽ tự động tạo một hợp đồng thông minh FL liên quan đến nhiệm vụ, hợp đồng này sẽ tự động quản lý thực thi nhiệm vụ và phần thưởng. Tương tự, mỗi người tham gia đều phải staking một lượng FML token nhất định. Người tham gia sẽ được phân ngẫu nhiên thành proposer hoặc voter, trong đó proposer sử dụng bộ dữ liệu cục bộ để huấn luyện mô hình và tải tham số hoặc trọng số mô hình đã huấn luyện lên cho các thành viên khác. Voter sẽ tổng hợp và đánh giá kết quả cập nhật mô hình của proposer bằng cách bỏ phiếu. Sau đó, tất cả kết quả sẽ được gửi lên hợp đồng thông minh, hợp đồng sẽ so sánh điểm số mỗi vòng với vòng trước để đánh giá tiến bộ hoặc suy giảm hiệu suất mô hình. Nếu điểm số tăng, hệ thống sẽ chuyển sang giai đoạn huấn luyện tiếp theo; nếu điểm số giảm, sẽ sử dụng mô hình đã xác thực ở vòng trước để bắt đầu vòng huấn luyện, tổng hợp và đánh giá mới.

FL Alliance kết hợp học liên kết và cơ chế hợp đồng thông minh, hiện thực hóa mục tiêu nhiều người cùng huấn luyện một mô hình toàn cục mà vẫn đảm bảo chủ quyền dữ liệu. Ngoài ra, nhờ tích hợp dữ liệu khác nhau và tổng hợp trọng số, có thể xây dựng mô hình toàn cục hiệu suất cao và năng lực mạnh hơn. Người tham gia thể hiện cam kết bằng cách staking token, nhận thưởng dựa trên chất lượng mô hình và kết quả đồng thuận, tạo nên cơ chế sinh thái công bằng, minh bạch.

AI Marketplace: Làm thế nào để cung cấp dịch vụ AI cá nhân hóa?

Sau khi mô hình được huấn luyện tại AI Arena và tinh chỉnh tại FL Alliance, chúng sẽ được triển khai cuối cùng lên AI Marketplace để các ứng dụng khác gọi sử dụng. Khác với “chợ mô hình” truyền thống, AI Marketplace không chỉ cung cấp mô hình sẵn có mà còn cho phép người dùng tiếp tục chỉnh sửa mô hình, tích hợp nguồn dữ liệu mới để đáp ứng các tình huống ứng dụng khác nhau. Ngoài ra, AI Marketplace còn tích hợp công nghệ RAG (Retrieval-Augmented Generation) để nâng cao độ chính xác của mô hình trong lĩnh vực cụ thể. RAG là phương pháp tăng cường mô hình ngôn ngữ lớn, bằng cách truy xuất thông tin liên quan từ kho tri thức bên ngoài khi sinh câu trả lời, đảm bảo phản hồi của mô hình chính xác và cá nhân hóa hơn.

Hiện tại, AI Marketplace đã ra mắt nhiều mô hình GPT tùy chỉnh cho các tình huống ứng dụng khác nhau, bao gồm BTC GPT, Farcaster GPT, Scroll GPT, Ethereum GPT, v.v. Chúng ta có thể lấy BTC GPT làm ví dụ để hiểu sự khác biệt giữa mô hình tùy chỉnh và mô hình tổng quát.

Tháng 12/2023, khi cùng hỏi BTC GPT và ChatGPT “ARC20 là gì?”:

• BTC GPT trả lời: “Giao thức ARC20 là một giao thức xây dựng trên mạng Bitcoin, cho phép người dùng tạo, chuyển nhượng và nâng cấp tài sản số như NFT và token có thể thay thế. Thông qua ARC20, có thể tạo NFT không thể thay thế và token có thể thay thế trên mạng Bitcoin. Token chính của ARC20 là ATOM, được sử dụng cho nhiều mục đích trong giao thức.”
• ChatGPT trả lời: “Tính đến lần cập nhật kiến thức cuối cùng của tôi vào tháng 1/2022, không có tiêu chuẩn hoặc công nghệ nào tên là ARC20 được công nhận rộng rãi trong lĩnh vực kỹ thuật, tài chính hoặc các lĩnh vực phổ biến khác. Có thể sau đó đã xuất hiện công nghệ hoặc tiêu chuẩn mới tên ARC20, nhưng tôi không có thông tin liên quan.”

Qua hai câu trả lời, có thể thấy tầm quan trọng và ưu thế của mô hình GPT tùy chỉnh. Khác với mô hình ngôn ngữ tổng quát, mô hình GPT tùy chỉnh có thể huấn luyện trên dữ liệu lĩnh vực cụ thể, từ đó cung cấp câu trả lời chính xác hơn.

Cùng được DCG hỗ trợ, Flock và Bittensor khác nhau thế nào?

Khi phân khúc AI hồi phục, token của Bittensor – một đại diện dự án AI phi tập trung – đã tăng hơn 93,7% trong 30 ngày qua, giá từng tiệm cận đỉnh lịch sử, tổng vốn hóa vượt 4 billions USD. Đáng chú ý, DCG – nhà đầu tư của Flock – cũng là validator và miner lớn nhất trong hệ sinh thái Bittensor. Theo nguồn tin, DCG nắm giữ khoảng 100 millions USD TAO, và trong một bài báo năm 2021 của “Business Insider”, nhà đầu tư DCG Matthew Beck đã đề xuất Bittensor là một trong 53 startup crypto triển vọng nhất.

Dù cùng được DCG hỗ trợ, FLock và Bittensor lại có trọng tâm khác nhau. Về định vị, Bittensor hướng đến xây dựng một Internet AI phi tập trung, sử dụng “Subnet” làm đơn vị cơ bản, mỗi subnet như một thị trường phi tập trung, người tham gia có thể đóng vai trò “miner” hoặc “validator”. Hiện hệ sinh thái Bittensor có 49 subnet, bao phủ chuyển văn bản thành giọng nói, sinh nội dung và tinh chỉnh LLM, v.v.

Từ năm ngoái, Bittensor luôn là tâm điểm thị trường. Một mặt là do giá token tăng nhanh, từ 80 USD tháng 10/2023 lên đỉnh 730 USD năm nay. Mặt khác là nhiều nghi ngờ về mô hình dựa vào token để thu hút developer liệu có bền vững. Ngoài ra, trong hệ sinh thái Bittensor, ba validator lớn nhất (Opentensor Foundation, Taostats & Corcel, Foundry) chiếm gần 40% lượng TAO staking, khiến người dùng lo ngại về mức độ phi tập trung.

Khác với Bittensor, FLock đưa blockchain vào học liên kết, tập trung cung cấp dịch vụ AI cá nhân hóa cho người dùng. Flock tự định vị là “Uber của lĩnh vực AI”, trong đó Flock đóng vai trò “hệ thống điều phối phi tập trung” kết nối nhu cầu AI và developer, tự động quản lý phân phối nhiệm vụ, xác thực kết quả và thanh toán phần thưởng qua hợp đồng thông minh, đảm bảo mỗi người tham gia đều được chia phần công bằng theo đóng góp. Tuy nhiên, giống Bittensor, ngoài vai trò node huấn luyện và validator, Flock cũng cung cấp tùy chọn ủy thác cho người dùng.

Cụ thể:

• Node huấn luyện: Tham gia cạnh tranh huấn luyện AI bằng cách staking token, phù hợp với người dùng có năng lực tính toán và kinh nghiệm phát triển AI.
• Validator: Cũng cần staking token để tham gia mạng lưới, chịu trách nhiệm xác thực chất lượng mô hình của miner, gửi điểm xác thực để ảnh hưởng phân phối phần thưởng.
• Delegator: Ủy thác token cho miner và validator để tăng trọng số node trong phân phối nhiệm vụ, đồng thời chia sẻ lợi nhuận của node được ủy thác. Nhờ vậy, ngay cả người dùng không có kỹ năng kỹ thuật cũng có thể tham gia mạng lưới và kiếm lợi nhuận.

FLock.io hiện đã chính thức mở chức năng tham gia cho delegator, bất kỳ người dùng nào cũng có thể staking FML token để nhận lợi nhuận, đồng thời lựa chọn node tối ưu dựa trên lợi suất kỳ vọng hàng năm để tối đa hóa lợi nhuận staking. Flock cũng cho biết, staking và các thao tác liên quan trong giai đoạn testnet sẽ ảnh hưởng đến phần thưởng airdrop tiềm năng khi mainnet ra mắt.

Trong tương lai, FLock còn có kế hoạch ra mắt cơ chế khởi tạo nhiệm vụ thân thiện hơn, giúp người dùng cá nhân không có kiến thức chuyên môn về AI cũng dễ dàng tham gia vào quá trình tạo và huấn luyện mô hình AI, hiện thực hóa tầm nhìn “AI cho mọi người”. Đồng thời, Flock cũng đang tích cực hợp tác đa phương, ví dụ hợp tác với Request Finance phát triển mô hình chấm điểm tín dụng on-chain, hợp tác với Morpheus và Ritual xây dựng mô hình bot giao dịch, cung cấp template node huấn luyện triển khai một chạm giúp developer dễ dàng khởi động và vận hành huấn luyện mô hình trên Akash. Ngoài ra, Flock còn huấn luyện trợ lý lập trình ngôn ngữ Move phục vụ developer trên Aptos.

Tổng thể, dù Bittensor và Flock có sự khác biệt về định vị thị trường, nhưng cả hai đều đang nỗ lực tái định nghĩa quan hệ sản xuất trong hệ sinh thái AI thông qua các kiến trúc công nghệ phi tập trung khác nhau. Mục tiêu chung của họ là phá vỡ sự độc quyền tài nguyên AI của các ông lớn tập trung, xây dựng một hệ sinh thái AI cởi mở và công bằng hơn – điều mà thị trường hiện tại đang rất cần.