Rào cản công nghệ AI Web2 càng sâu, AI Web3 cần tìm kiếm điểm đột phá khác biệt

Gần đây, sự tiến hóa của các mô hình đa phương thức không gây ra cú sốc cho các công ty AI chính thống, mà ngược lại, càng củng cố lợi thế công nghệ của AI Web2. Từ sự căn chỉnh ngữ nghĩa đến hiểu biết thị giác, từ nhúng chiều cao đến tổng hợp đặc trưng, các mô hình phức tạp đang tích hợp các cách biểu đạt của các phương thức với một tốc độ chưa từng có, xây dựng một cao điểm AI ngày càng khép kín. Xu hướng này gần như không liên quan gì đến lĩnh vực tiền mã hóa.

Web3 AI gần đây có vẻ như đang đi sai hướng trong nỗ lực theo hướng Agent. Việc cố gắng lắp ghép một hệ thống đa mô-đun theo kiểu Web2 bằng cấu trúc phi tập trung thực chất là một sự sai lệch kép về công nghệ và tư duy. Trong bối cảnh hiện nay, khi mà tính liên kết của các mô-đun rất cao, sự phân bố đặc trưng không ổn định và nhu cầu tính toán ngày càng tập trung, việc áp dụng mô-đun đa mô hình trong môi trường Web3 trở nên khó khăn.

Tương lai của Web3 AI không nên mù quáng bắt chước, mà nên thực hiện chiến lược đi vòng. Từ sự điều chỉnh ngữ nghĩa trong không gian chiều cao, đến nút thắt thông tin trong cơ chế chú ý, rồi đến sự điều chỉnh đặc trưng dưới sức mạnh tính toán không đồng nhất, Web3 AI cần tìm kiếm những con đường khác, tìm kiếm những điểm đột phá khác biệt.

Web3 AI khó đạt được sự đồng bộ ngữ nghĩa nhiều chiều

Trong hệ thống đa mô thức AI Web2 hiện đại, "căn chỉnh ngữ nghĩa" là công nghệ then chốt để ánh xạ thông tin từ các mô thức khác nhau vào cùng một không gian ngữ nghĩa. Điều này đòi hỏi một không gian nhúng đa chiều như một tiền đề để đạt được sự hiểu biết và so sánh ngữ nghĩa giữa các mô thức.

Tuy nhiên, giao thức Web3 Agent khó có thể thực hiện nhúng không gian cao chiều. Phần lớn Web3 Agent chỉ đơn giản là đóng gói các API hiện có thành các mô-đun độc lập, thiếu không gian nhúng trung tâm thống nhất và cơ chế chú ý xuyên mô-đun. Điều này dẫn đến việc thông tin không thể tương tác theo nhiều góc độ và nhiều cấp độ giữa các mô-đun, chỉ có thể được xử lý theo quy trình tuyến tính, khó hình thành tối ưu hóa chu trình khép kín tổng thể.

Để xây dựng một hệ thống thông minh toàn diện có rào cản ngành, cần bắt đầu từ mô hình hợp tác từ đầu đến cuối, nhúng thống nhất giữa các mô-đun, cũng như kỹ thuật hệ thống cho việc đào tạo và triển khai hợp tác. Tuy nhiên, hiện tại thị trường không có nhu cầu như vậy, vì vậy cũng thiếu các điểm đau tương ứng.

Không gian chiều thấp hạn chế thiết kế tinh vi của cơ chế chú ý

Mô hình đa phương thức cấp cao cần cơ chế chú ý được thiết kế tinh vi. Cơ chế này cho phép mô hình tập trung một cách động vào các phần liên quan nhất khi xử lý đầu vào. Tuy nhiên, điều kiện để cơ chế chú ý hoạt động là đa phương thức phải có biểu diễn nhiều chiều.

Web2 AI trong thiết kế cơ chế chú ý đã sử dụng các kiến trúc phức tạp như Query-Key-Value để đạt được sự tập trung thông tin hiệu quả và chính xác. Ngược lại, Web3 AI dựa trên mô-đun khó có thể thực hiện việc điều phối chú ý thống nhất. Các định dạng và phân bố dữ liệu được trả về từ các API độc lập rất khác nhau, thiếu một lớp nhúng thống nhất, không thể tạo ra một không gian Q/K/V có thể tương tác.

Ngoài ra, kiến trúc mô-đun của Web3 AI cũng khó khăn trong việc thực hiện sự chú ý đa đầu song song và phân bổ trọng số động dựa trên ngữ cảnh toàn cầu. Những hạn chế này khiến Web3 AI khó đạt được hiệu suất như Web2 AI trong việc xử lý các nhiệm vụ đa mô thức phức tạp.

Tính năng hợp nhất dừng lại ở việc ghép tĩnh nông

Trong Web2 AI, sự kết hợp đặc trưng là việc kết hợp sâu các vector đặc trưng đã được xử lý từ các mô thức khác nhau dựa trên căn chỉnh và chú ý. Tuy nhiên, Web3 AI do thiếu biểu diễn bậc cao và cơ chế chú ý tinh vi, sự kết hợp đặc trưng của nó thường chỉ dừng lại ở giai đoạn ghép nối đơn giản nhất.

Web2 AI có xu hướng huấn luyện liên kết đầu cuối, xử lý các đặc trưng đa mô hình trong cùng một không gian chiều cao, tối ưu hóa đồng bộ với các nhiệm vụ hạ nguồn thông qua các lớp chú ý và lớp hợp nhất. Ngược lại, Web3 AI thường sử dụng các mô-đun rời rạc, đóng gói các loại API thành các Agent độc lập, đơn giản kết hợp đầu ra của chúng, thiếu mục tiêu huấn luyện thống nhất và dòng gradient xuyên mô-đun.

Ngoài ra, AI Web2 có khả năng điều chỉnh chiến lược tích hợp một cách động thông qua cơ chế chú ý, trong khi AI Web3 thường sử dụng trọng số cố định hoặc quy tắc đơn giản. Về mặt đặc trưng và độ phức tạp tương tác, AI Web3 cũng khó có thể so sánh với AI Web2 được ánh xạ vào không gian nhiều chiều. Những khoảng cách này dẫn đến việc AI Web3 thể hiện kém khi xử lý các nhiệm vụ đa phương thức phức tạp.

Rào cản trong ngành AI ngày càng sâu, nhưng cơ hội vẫn chưa xuất hiện

Hệ thống đa mô hình AI Web2 là một dự án kỹ thuật lớn, cần lượng dữ liệu khổng lồ, sức mạnh tính toán mạnh mẽ, thuật toán tiên tiến và thực hiện kỹ thuật phức tạp. Điều này tạo ra rào cản ngành nghề mạnh mẽ, đồng thời hình thành năng lực cạnh tranh cốt lõi của một số đội ngũ dẫn đầu.

Tuy nhiên, Web3 AI không nên mù quáng chạy theo. Nó nên tập trung vào những lợi thế của phi tập trung, tìm kiếm cơ hội trong các kịch bản như tính toán biên. Các nhiệm vụ phù hợp với Web3 AI bao gồm cấu trúc nhẹ, dễ song song và có thể khuyến khích, chẳng hạn như tinh chỉnh LoRA, huấn luyện sau hành vi đồng bộ, xử lý dữ liệu crowdsourcing, huấn luyện mô hình cơ bản nhỏ, v.v.

Hiện tại, rào cản của Web2 AI chỉ mới bắt đầu hình thành, đây là giai đoạn đầu của cuộc cạnh tranh giữa các doanh nghiệp hàng đầu. Web3 AI cần chờ đợi những điểm đau còn lại sau khi lợi ích của Web2 AI suy giảm, mới có thể tìm ra cơ hội thực sự để thâm nhập. Trước khi điều đó xảy ra, Web3 AI nên cẩn thận lựa chọn điểm thâm nhập, áp dụng chiến lược "nông thôn bao vây thành phố", tích lũy kinh nghiệm từ các tình huống biên, giữ sự linh hoạt để đáp ứng nhu cầu thị trường đang thay đổi.