Độ sâu解析Intuition：如何在AI智能体时代重建互联网？

Báo cáo này được viết bởi Tiger Research, phân tích cách Intuition đạt được nhận thức chung thông qua cấu trúc kiến thức dựa trên nguyên tử, bảng đăng ký Token (TCR) và hệ thống đo lường độ tin cậy dựa trên tín hiệu, nhằm tái tạo hạ tầng mạng cho thời đại AI thông minh.

Tóm tắt điểm chính

• Thời đại trí tuệ nhân tạo AI đã đến. Các tác nhân AI không thể phát huy đầy đủ tiềm năng của mình. Hạ tầng mạng hiện tại được thiết kế cho con người. Các trang web sử dụng các định dạng dữ liệu khác nhau. Thông tin vẫn chưa được xác minh. Điều này khiến các tác nhân khó hiểu và xử lý dữ liệu.
• Intuition phát triển tầm nhìn của mạng ngữ nghĩa thông qua phương pháp Web3. Nó giải quyết những hạn chế hiện có. Hệ thống này cấu trúc kiến thức thành các nguyên tử (Atoms). Nó sử dụng sổ đăng ký token hóa (TCR) để đạt được nhận thức chung về việc sử dụng dữ liệu. Tín hiệu (Signal) quyết định mức độ tin cậy đối với dữ liệu.
• Intuition sẽ thay đổi mạng. Mạng hiện tại giống như một con đường chưa được lát. Intuition tạo ra những con đường cao tốc nơi các tác nhân có thể hoạt động an toàn. Nó sẽ trở thành tiêu chuẩn cơ sở hạ tầng mới. Điều này sẽ thực hiện tiềm năng thực sự của thời đại AI tác nhân.

1. Thời đại trí tuệ nhân tạo bắt đầu: Cơ sở hạ tầng mạng có đủ không?

Thời đại AI của các tác nhân thông minh đang phát triển mạnh mẽ. Chúng ta có thể tưởng tượng một tương lai, nơi các tác nhân cá nhân xử lý mọi công việc từ lên kế hoạch du lịch đến quản lý tài chính phức tạp. Nhưng trong thực tế, tình hình không đơn giản như vậy. Vấn đề không nằm ở hiệu suất của AI. Hạn chế thực sự nằm ở cơ sở hạ tầng mạng hiện tại.

Mạng được xây dựng để con người đọc và giải thích thông qua trình duyệt. Do đó, nó rất không phù hợp với các tác nhân cần phân tích ngữ nghĩa và kết nối các mối quan hệ giữa các nguồn dữ liệu khác nhau. Những hạn chế này rất rõ ràng trong các dịch vụ hàng ngày. Trang web của các hãng hàng không có thể liệt kê thời gian khởi hành là "14:30", trong khi trang web khách sạn hiển thị thời gian nhận phòng là "2:30 chiều". Con người ngay lập tức hiểu rằng cả hai đều là cùng một thời gian, nhưng các tác nhân sẽ giải thích chúng là các định dạng dữ liệu hoàn toàn khác nhau.

Nguồn: Tiger Research

Vấn đề không chỉ nằm ở sự khác biệt về định dạng. Một thách thức then chốt là liệu các tác nhân có thể tin tưởng vào dữ liệu chính nó hay không. Con người có thể xử lý thông tin không đầy đủ bằng cách dựa vào bối cảnh và kinh nghiệm trước đó. Ngược lại, các tác nhân thiếu tiêu chuẩn rõ ràng để đánh giá nguồn gốc hoặc độ tin cậy. Điều này khiến chúng dễ bị ảnh hưởng bởi đầu vào sai lệch, kết luận bị lỗi hoặc thậm chí ảo giác.

Cuối cùng, ngay cả những trí tuệ nhân tạo tiên tiến nhất cũng không thể phát triển mạnh mẽ trong tình huống này. Chúng giống như những chiếc xe đua F1: dù mạnh mẽ đến đâu, cũng không thể chạy hết tốc độ trên con đường chưa được trải nhựa (dữ liệu phi cấu trúc). Nếu có những tín hiệu sai lệch (dữ liệu không đáng tin cậy) rải rác trên đường, chúng có thể không bao giờ đến đích.

2. Nợ kỹ thuật của mạng: Xây dựng lại cơ sở hạ tầng

Vấn đề này được nhà sáng lập World Wide Web, Tim Berners-Lee, đưa ra lần đầu tiên cách đây hơn 20 năm thông qua đề xuất của ông về mạng ngữ nghĩa.

Ý tưởng cốt lõi của web ngữ nghĩa rất đơn giản: cấu trúc thông tin mạng, giúp máy móc có thể hiểu nó, chứ không chỉ là văn bản có thể đọc được bởi con người. Ví dụ, "Tiger Research được thành lập vào năm 2021" thì rất rõ ràng với con người, nhưng với máy móc chỉ là một chuỗi ký tự. Web ngữ nghĩa cấu trúc nó thành "Tiger Research (chủ ngữ) - được thành lập vào (vị ngữ) - năm 2021 (tân ngữ)" để máy móc có thể giải thích ý nghĩa.

Phương pháp này đi trước thời đại, nhưng cuối cùng không thể đạt được. Nguyên nhân lớn nhất là những thách thức trong việc thực hiện. Việc đạt được nhận thức chung về định dạng dữ liệu và tiêu chuẩn sử dụng đã chứng minh là khó khăn, và quan trọng hơn là việc xây dựng và duy trì một tập dữ liệu khổng lồ thông qua sự đóng góp tự nguyện của người dùng gần như là không thể. Những người đóng góp không nhận được phần thưởng hoặc lợi ích trực tiếp. Hơn nữa, liệu dữ liệu được tạo ra có đáng tin cậy hay không vẫn là một vấn đề chưa được giải quyết.

Mặc dù vậy, tầm nhìn của web ngữ nghĩa vẫn còn hiệu lực. Nguyên tắc rằng máy móc nên hiểu và khai thác dữ liệu ở cấp độ ngữ nghĩa vẫn không thay đổi. Trong thời đại AI, nhu cầu này trở nên quan trọng hơn bao giờ hết.

3. Trực giác: Khôi phục web ngữ nghĩa theo cách Web3

Intuition phát triển tầm nhìn của mạng ngữ nghĩa thông qua phương pháp Web3 để giải quyết những hạn chế hiện tại. Cốt lõi là tạo ra một hệ thống khuyến khích người dùng tự nguyện tham gia vào việc tích lũy và xác minh dữ liệu có cấu trúc chất lượng cao. Hệ thống này xây dựng một biểu đồ tri thức có thể đọc bởi máy, nguồn gốc rõ ràng và có thể xác minh. Cuối cùng, điều này cung cấp nền tảng cho việc hoạt động đáng tin cậy của các tác nhân và giúp chúng ta tiến gần hơn đến tương lai mà chúng ta tưởng tượng.

3.1. Nguyên tử: Các mô-đun xây dựng kiến thức

Intuition đầu tiên phân chia tất cả kiến thức thành các đơn vị nhỏ nhất được gọi là nguyên tử (Atoms). Nguyên tử đại diện cho các khái niệm như người, ngày tháng, tổ chức hoặc thuộc tính. Mỗi nguyên tử có một mã định danh duy nhất (sử dụng các công nghệ như định danh phi tập trung DIDs) và tồn tại độc lập. Mỗi nguyên tử ghi lại thông tin của người đóng góp, vì vậy bạn có thể xác minh ai đã thêm thông tin nào vào thời điểm nào.

Lý do để phân tách kiến thức thành các nguyên tử là rất rõ ràng. Thông tin thường xuất hiện dưới dạng câu phức tạp. Các máy móc như tác nhân gặp phải giới hạn cấu trúc khi phân tích và hiểu thông tin phức tạp như vậy. Chúng cũng khó xác định phần nào là chính xác và phần nào là sai.

Chủ đề: Tiger Research

Vị ngữ: Thành lập vào

Bị động: Năm 2021

Xem xét câu "Tiger Research được thành lập vào năm 2021". Điều này có thể đúng, hoặc chỉ sai một phần. Tổ chức này có thực sự tồn tại hay không, "ngày thành lập" có phải là một thuộc tính thích hợp hay không, và năm 2021 có chính xác hay không, mỗi cái đều cần được xác minh riêng biệt. Nhưng việc xử lý toàn bộ câu như một đơn vị sẽ rất khó để phân biệt những yếu tố nào là chính xác và những yếu tố nào là sai. Việc theo dõi nguồn gốc của mỗi thông tin cũng trở nên phức tạp.

Nguyên tử đã giải quyết vấn đề này. Bằng cách định nghĩa mỗi phần tử là một nguyên tử độc lập, chẳng hạn như [Tiger Research], [được thành lập vào], [năm 2021], bạn có thể ghi lại nguồn gốc và xác minh từng phần tử một cách riêng biệt.

Chủ đề: Ngày thành lập của Tiger Research là năm 2021

Vị ngữ: Dựa trên

Đối tượng: Hồ sơ chính thức

Nguyên tử không chỉ là công cụ phân tách thông tin - chúng có thể kết hợp như những viên gạch Lego. Ví dụ, nguyên tử đơn lẻ [Tiger Research], [đăng ký] và [2021] kết nối lại tạo thành một bộ ba (Triple). Điều này tạo ra thông tin có ý nghĩa: "Tiger Research đăng ký vào năm 2021." Điều này tuân theo cấu trúc tương tự như bộ ba trong RDF (Khung mô tả tài nguyên) của web ngữ nghĩa.

Những bộ ba này cũng có thể trở thành nguyên tử. Bộ ba "Tiger Research được thành lập vào năm 2021" có thể được mở rộng thành bộ ba mới, chẳng hạn như "Ngày thành lập Tiger Research năm 2021 dựa trên hồ sơ thương mại." Bằng cách này, các nguyên tử và bộ ba lặp đi lặp lại kết hợp, từ các đơn vị nhỏ phát triển thành cấu trúc lớn hơn.

Kết quả là Intuition đã xây dựng một biểu đồ kiến thức phân cấp có thể mở rộng vô hạn từ các yếu tố cơ bản. Ngay cả kiến thức phức tạp cũng có thể được phân tách để xác minh, sau đó được kết hợp lại.

3.2. TCRs：Nhận thức chung do thị trường thúc đẩy

Nếu Intuition cung cấp khung khái niệm về kiến thức có cấu trúc thông qua nguyên tử, thì hiện vẫn còn ba câu hỏi quan trọng: Ai sẽ góp phần tạo ra những nguyên tử này? Những nguyên tử nào có thể được tin cậy? Khi các nguyên tử khác nhau cạnh tranh để đại diện cho cùng một khái niệm, cái nào trở thành tiêu chuẩn?

Nguồn: Intuition trắng nhẹ

Intuition giải quyết vấn đề này thông qua TCRs. TCRs dựa trên việc cộng đồng đánh giá các nội dung để lọc các mục. Việc đặt cược Token phản ánh những đánh giá này. Người dùng đặt cược $TRUST (Token gốc của Intuition) khi đề xuất nguyên tử mới, bộ ba hoặc cấu trúc dữ liệu. Các người tham gia khác nếu cho rằng đề xuất hữu ích thì đặt cược token ở bên ủng hộ; nếu cho rằng không hữu ích thì đặt cược token ở bên phản đối. Họ cũng có thể đặt cược vào các giải pháp thay thế cạnh tranh. Nếu dữ liệu mà người dùng chọn được sử dụng thường xuyên hoặc nhận được điểm cao, họ sẽ nhận được phần thưởng. Ngược lại, họ sẽ mất một phần đặt cược.

TCRs xác thực một chứng nhận đơn lẻ, nhưng chúng cũng giải quyết hiệu quả vấn đề tiêu chuẩn hóa bản thể. Tiêu chuẩn hóa bản thể có nghĩa là khi có nhiều cách diễn đạt cùng một khái niệm, xác định cách nào trở thành tiêu chuẩn chung. Các hệ thống phân tán đối mặt với thách thức đạt được nhận thức chung này mà không có sự điều phối tập trung.

Xem xét các động từ đánh giá của hai sản phẩm cạnh tranh: [hasReview] và [customerFeedback]. Nếu [hasReview] được giới thiệu đầu tiên và nhiều người dùng dựa vào nó để xây dựng, các nhà đóng góp sớm có quyền lợi về Token trong sự thành công đó. Đồng thời, những người ủng hộ [customerFeedback] nhận được các động lực kinh tế, dần dần chuyển sang tiêu chuẩn được áp dụng rộng rãi hơn.

Cơ chế này phản ánh cách tiêu chuẩn token ERC-20 được áp dụng tự nhiên. Các nhà phát triển áp dụng ERC-20 nhận được lợi ích tương thích rõ ràng - tích hợp trực tiếp vào ví, sàn giao dịch và dApp hiện có. Những lợi thế này tự nhiên thu hút các nhà phát triển sử dụng ERC-20. Điều này cho thấy lựa chọn chỉ dựa vào thị trường có thể giải quyết vấn đề chuẩn hóa trong môi trường phân tán. TCRs hoạt động dựa trên các nguyên tắc tương tự. Chúng giảm bớt sự vật lộn của các tác nhân với các định dạng dữ liệu phân mảnh và cung cấp một môi trường có thể hiểu và xử lý thông tin một cách nhất quán hơn.

3.3. Tín hiệu: Xây dựng mạng lưới kiến thức dựa trên niềm tin

Intuition thông qua cấu trúc kiến thức nguyên tử và bộ ba, và sử dụng động lực để đạt được Nhận thức chung về "sử dụng thực tế cái gì".

Thách thức cuối cùng vẫn còn tồn tại: Chúng ta có thể tin tưởng thông tin này đến mức nào? Intuition giới thiệu tín hiệu (Signal) để lấp đầy khoảng trống này. Tín hiệu thể hiện sự tin tưởng hoặc không tin tưởng của người dùng đối với một nguyên tử hoặc bộ ba cụ thể. Nó vượt xa việc ghi lại sự tồn tại của dữ liệu - nó nắm bắt được mức độ hỗ trợ mà dữ liệu nhận được trong các bối cảnh khác nhau. Tín hiệu hệ thống hóa quá trình xác thực xã hội mà chúng ta sử dụng trong cuộc sống thực, chẳng hạn như khi chúng ta dựa vào "người đáng tin cậy đã giới thiệu điều này" hoặc "chuyên gia đã xác thực nó" để đánh giá thông tin.

Tín hiệu tích lũy theo ba cách. Đầu tiên, tín hiệu rõ ràng liên quan đến việc đánh giá có ý thức mà người dùng thực hiện, chẳng hạn như Token staking. Thứ hai, tín hiệu ngầm xuất hiện tự nhiên từ các mẫu sử dụng (như truy vấn lặp lại hoặc ứng dụng). Cuối cùng, tín hiệu truyền đạt tạo ra hiệu ứng mối quan hệ - khi những người tôi tin tưởng ủng hộ thông tin, tôi cũng có xu hướng tin tưởng nó hơn. Ba yếu tố này kết hợp tạo thành một mạng lưới tri thức, cho thấy ai tin tưởng cái gì, tin tưởng bao nhiêu và tin tưởng theo cách nào.

Nguồn: Tài liệu trắng Intuition

Intuition cung cấp điều này thông qua các đường hầm thực tế (Reality Tunnels). Các đường hầm thực tế cung cấp một góc nhìn cá nhân hóa để xem dữ liệu. Người dùng có thể cấu hình ưu tiên đánh giá của nhóm chuyên gia, coi trọng ý kiến của bạn bè thân thiết hoặc phản ánh trí tuệ của một cộng đồng cụ thể. Người dùng có thể chọn các đường hầm đáng tin cậy hoặc chuyển đổi giữa nhiều đường hầm để so sánh. Các tác nhân cũng có thể sử dụng các phương pháp giải thích cụ thể cho các mục đích cụ thể. Ví dụ, chọn đường hầm phản ánh mạng lưới đáng tin cậy của Vitalik Buterin sẽ thiết lập tác nhân giải thích thông tin và ra quyết định từ "quan điểm của Vitalik".

Tất cả các tín hiệu đều được ghi lại trên chuỗi. Người dùng có thể xác minh một cách minh bạch lý do tại sao thông tin cụ thể có vẻ đáng tin cậy, máy chủ nào là nguồn gốc, ai đã đảm bảo cho nó, và đã đặt cọc bao nhiêu Token. Quá trình hình thành lòng tin minh bạch này cho phép người dùng trực tiếp xác minh chứng cứ, thay vì chấp nhận thông tin một cách mù quáng. Các tác nhân cũng có thể sử dụng cơ sở này để đưa ra những phán đoán phù hợp với bối cảnh và quan điểm cá nhân.

4. Nếu Intuition trở thành cơ sở hạ tầng mạng thế hệ tiếp theo thì sẽ như thế nào?

Cơ sở hạ tầng của Intuition không chỉ là một ý tưởng khái niệm, mà còn là một giải pháp thực tiễn cho các vấn đề mà các tác nhân đang đối mặt trong môi trường mạng hiện tại.

Mạng hiện tại đầy rẫy dữ liệu phân mảnh và thông tin chưa được xác thực. Intuition chuyển đổi dữ liệu thành bản đồ tri thức xác định, cung cấp kết quả rõ ràng và nhất quán cho bất kỳ truy vấn nào. Quá trình xác thực dữ liệu này dựa trên tín hiệu và quy trình chưng cất dựa trên Token. Các tác nhân có thể đưa ra quyết định rõ ràng mà không cần phụ thuộc vào sự đoán mò. Điều này đồng thời nâng cao độ chính xác, tốc độ và hiệu quả.

Intuition còn cung cấp nền tảng cho sự hợp tác giữa các tác nhân thông minh. Cấu trúc dữ liệu tiêu chuẩn hóa cho phép các tác nhân khác nhau hiểu và giao tiếp thông tin theo cùng một cách. Giống như ERC-20 tạo ra khả năng tương thích cho các Token, biểu đồ tri thức của Intuition tạo ra một môi trường mà các tác nhân có thể hợp tác dựa trên dữ liệu nhất quán.

Intuition vượt ra ngoài cơ sở hạ tầng chỉ dành cho các tác nhân thông minh, trở thành lớp nền mà tất cả dịch vụ kỹ thuật số có thể chia sẻ. Nó có thể thay thế hệ thống tin cậy mà mỗi nền tảng hiện đang xây dựng riêng lẻ bằng một nền tảng thống nhất - đánh giá của Amazon, điểm số của Uber, khuyến nghị của LinkedIn. Giống như HTTP cung cấp tiêu chuẩn giao tiếp chung cho mạng, Intuition cung cấp giao thức tiêu chuẩn cho cấu trúc dữ liệu và xác thực tin cậy.

Sự thay đổi quan trọng nhất là khả năng di chuyển dữ liệu. Người dùng trực tiếp sở hữu dữ liệu họ tạo ra và có thể sử dụng nó ở bất kỳ đâu. Dữ liệu bị cô lập trên các nền tảng sẽ được kết nối lại và tái tạo toàn bộ hệ sinh thái kỹ thuật số.

5. Xây dựng lại nền tảng cho thời đại trí tuệ nhân tạo sắp đến

Mục tiêu của Intuition không chỉ là cải tiến công nghệ đơn giản. Nó nhằm mục đích vượt qua khoản nợ công nghệ tích lũy trong 20 năm qua và thiết kế lại cơ sở hạ tầng mạng từ gốc rễ. Khi web ngữ nghĩa lần đầu tiên được đề xuất, tầm nhìn là rõ ràng. Nhưng nó thiếu động lực để thúc đẩy sự tham gia. Ngay cả khi tầm nhìn của họ được thực hiện, những lợi ích vẫn không rõ ràng.

Tình huống đã thay đổi. Sự tiến bộ của AI đang biến thời đại tác nhân trở thành hiện thực. Các tác nhân AI hiện nay đã vượt qua công cụ đơn giản. Chúng đại diện cho chúng ta thực hiện các nhiệm vụ phức tạp. Chúng đưa ra quyết định độc lập. Chúng hợp tác với các tác nhân khác. Những tác nhân này cần sự đổi mới căn bản trong cơ sở hạ tầng mạng hiện có để hoạt động hiệu quả.

Nguồn: Balaji

Như cựu CTO của Coinbase, Balaji, đã chỉ ra, chúng ta cần xây dựng cơ sở hạ tầng phù hợp để cho những tác nhân này hoạt động. Mạng hiện tại giống như những con đường chưa được trải nhựa, chứ không phải là những con đường cao tốc mà các tác nhân có thể di chuyển an toàn trên dữ liệu đáng tin cậy. Mỗi trang web có cấu trúc và định dạng khác nhau. Thông tin không đáng tin cậy. Dữ liệu vẫn chưa được cấu trúc, khiến cho các tác nhân khó hiểu. Điều này tạo ra trở ngại lớn cho các tác nhân thực hiện công việc một cách chính xác và hiệu quả.

Intuition tìm kiếm việc tái thiết lập mạng lưới để đáp ứng những nhu cầu này. Nó nhằm mục đích xây dựng cấu trúc dữ liệu tiêu chuẩn mà các tác nhân dễ hiểu và sử dụng. Nó cần một hệ thống xác thực thông tin đáng tin cậy. Nó cần các giao thức giúp các tác nhân tương tác một cách mượt mà. Điều này tương tự như cách HTTP và HTML tạo ra các tiêu chuẩn mạng trong thời kỳ đầu của internet. Nó đại diện cho nỗ lực thiết lập các tiêu chuẩn mới cho thời đại của các tác nhân.

Tất nhiên, những thách thức vẫn còn tồn tại. Nếu không có đủ sự tham gia và hiệu ứng mạng, hệ thống sẽ không hoạt động bình thường. Để đạt được chất lượng tới hạn cần một lượng thời gian và nỗ lực khá lớn. Việc vượt qua sự quán tính của hệ sinh thái mạng hiện tại chưa bao giờ là dễ dàng. Việc thiết lập các tiêu chuẩn mới cũng gặp khó khăn. Nhưng đây là một thách thức cần phải giải quyết. Đề xuất tái cơ cấu (rebase) của Intuition sẽ vượt qua những thách thức này. Nó sẽ mở ra những khả năng mới cho kỷ nguyên của các thực thể thông minh vừa mới bắt đầu được hình dung.