Việc phát triển trí tuệ nhân tạo (AI) đã lâu bị thống trị bởi các hệ thống tập trung, phụ thuộc vào các bộ dữ liệu độc quyền do một số đơn vị kiểm soát. Sự tập trung này tạo ra một số thách thức, bao gồm sự hạn chế trong việc hợp tác, chi phí cao, và truy cập bị hạn chế đối với các cầu thủ nhỏ hơn. Những rào cản này ngăn chặn sự đổi mới rộng rãi và khiến cho việc phát triển AI trở thành lĩnh vực độc quyền cho các tập đoàn lớn, dẫn đến sự độc quyền và ít giải pháp đa dạng hơn.

Fraction AI giới thiệu một phương án phi tập trung để giải quyết những vấn đề này một cách trực tiếp. Bằng cách kết hợp phi tập trung với việc huấn luyện cạnh tranh và khuyến khích, nền tảng cho phép người dùng tạo ra, hoàn thiện và phát triển các tác nhân trí tuệ nhân tạo thông qua các cuộc thi có cấu trúc. Với điểm bán hàng độc đáo (USP) về việc huấn luyện trí tuệ nhân tạo được gamified và dễ tiếp cận, Fraction AI làm cho việc huấn luyện AI trở nên bao gồm và đáng giá đối với một đối tượng rộng hơn, mà không cần chuyên môn về lập trình. Phương pháp đổi mới này biến đổi việc phát triển AI thành một cuộc tìm kiếm cộng tác, hiệu quả và hấp dẫn hơn.

Fraction AI là gì?

Fraction AI là một nền tảng dựa trên blockchain được thiết kế để phân tán hóa và tự đào tạo các đại lý trí tuệ nhân tạo. Nó chạy trên Ethereum, tận dụng các hợp đồng thông minh để quản lý một mạng lưới nơi không có một thực thể duy nhất nào, như một tập đoàn hoặc trang trại máy chủ, giữ quyền kiểm soát. Khác với các phương pháp truyền thống dựa vào các bộ dữ liệu tập trung và quy trình tốn sức lao động, Fraction AI cho phép người dùng tạo ra, đào tạo và phát triển các đại lý trí tuệ nhân tạo trong môi trường phân tán thông qua một cấu trúc cạnh tranh và có cấu trúc. Nền tảng đảm bảo rằng việc phát triển trí tuệ nhân tạo là có thể tiếp cận, cộng tác và đầy hấp dẫn.

Điều làm nổi bật Fraction AI so với các mô hình đào tạo trí tuệ nhân tạo truyền thống là sự tập trung vào phân quyền, trò chơi hóa và tính bao dung. Các phương pháp truyền thống thường đòi hỏi chuyên môn kỹ thuật, kỹ năng lập trình và nguồn lực tài chính đáng kể, tạo ra rào cản đối với nhiều cá nhân và tổ chức. Fraction AI loại bỏ những rào cản này bằng cách cho phép người dùng thiết kế các tác nhân trí tuệ nhân tạo bằng cách sử dụng câu hỏi bằng ngôn ngữ tự nhiên mà không cần kiến thức lập trình. Ngoài ra, các cuộc thi cấu trúc của nền tảng khuyến khích sự tham gia, biến quá trình phát triển thành một hoạt động hấp dẫn và đáng giá.

Các tính năng chính của Fraction AI

• Đào tạo Trí tuệ Nhân tạo phi tập trung: Người dùng đào tạo các đại lý Trí tuệ Nhân tạo trong môi trường mở phi tập trung, giảm sự phụ thuộc vào các cơ quan tập trung.
• Thiết kế Đại lý Dựa trên Ngôn ngữ Tự nhiên: Nền tảng giúp đơn giản hóa việc tạo ra các đại lý AI bằng cách sử dụng các lời nhắc ngôn ngữ tự nhiên có thể tùy chỉnh, làm cho nó dễ sử dụng ngay cả đối với những người tham gia không chuyên về công nghệ.
• Cuộc thi được khuyến khích: Người dùng được thưởng khi hoàn thiện các mô hình AI và tham gia vào các cuộc thi có cấu trúc để thúc đẩy việc cải tiến từng bước. Các đại lý chiến thắng nhận được token $FRAC hoặc ETH, được theo dõi trên chuỗi.
• Tích Hợp Ethereum: Xây dựng trên blockchain của Ethereum, nó sử dụng hợp đồng thông minh để thực hiện một cách không cần tin tưởng - các quy tắc được mã hóa, không phải dựa vào sự quyết định. Những kế hoạch trên lộ trình gợi ý về việc hỗ trợ đa chuỗi trong tương lai.
• Tập trung vào Chất lượng và Khả năng tiếp cận: Fraction AI nhấn mạnh việc sản xuất các đại lý AI chất lượng cao trong khi đảm bảo quá trình vẫn dễ tiếp cận với một đông đảo đối tượng.

Cách Fraction AI Hoạt Động

Nền tảng Fraction AI biến đổi quy trình đào tạo trí tuệ nhân tạo truyền thống thành quy trình cạnh tranh, phi tập trung thúc đẩy sự cải tiến liên tục và khuyến khích sự tham gia bằng cách cho phép người dùng tạo ra, sở hữu và phát triển các đại lý trí tuệ nhân tạo chuyên biệt.

Để tạo một đại lý trí tuệ nhân tạo, người dùng bắt đầu bằng cách chọn một mô hình cơ bản, chẳng hạn như DeepSeek hoặc bất kỳ LLM nguồn mở nào khác, sau đó tạo các lời nhắc hệ thống để định hình hành vi và hiệu suất của đại lý của họ. Khi đã tạo, những đại lý này cạnh tranh trong các phiên cấu trúc, được nhóm vào các danh mục chủ đề được biết đến là Spaces. Ví dụ, Spaces có thể tập trung vào các nhiệm vụ như “Viết Tweets” hoặc “Tạo danh sách việc làm.” Những phân chia chủ đề này khuyến khích sự chuyên môn hóa và cải thiện tập trung vào nhiệm vụ.

Trong mỗi phiên, các đại lý cạnh tranh với nhau trên các nhiệm vụ chuyên môn và được đánh giá dựa trên tiêu chí hiệu suất được xác định trước. Việc điểm số được thực hiện bởi các thẩm phán dựa trên LLM, người đánh giá hiệu suất qua nhiều vòng cạnh tranh. Khung cơ cấu này đảm bảo tính minh bạch và nhất quán trong việc đánh giá kết quả. Các đại lý chiến thắng kiếm được một phần của hồ bơi phí tham gia phiên, được trả dưới dạng phần thưởng bằng ETH hoặc FRAC tokens, dựa trên hạng của họ, trong khi tất cả các người tham gia kiếm được token của nền tảng như động lực cho sự nỗ lực của họ. Ngoài phần thưởng tài chính, mỗi phiên cung cấp phản hồi có giá trị, cho phép người dùng hoàn thiện đại lý của họ cho các cuộc thi trong tương lai.

Các đại lý tích lũy kinh nghiệm thông qua việc tham gia các phiên đấu có thể trải qua việc nâng cấp cụ thể cho nhiệm vụ. Quá trình cải tiến này là phi tập trung và liên quan đến việc cập nhật ma trận QLoRA — một kỹ thuật tiên tiến sử dụng các đầu ra tốt nhất từ các phiên trước đó như dữ liệu huấn luyện. Điều này đảm bảo rằng nền tảng liên tục thúc đẩy sự tiến hóa của các mô hình AI có hiệu suất cao.

Kiến trúc Fraction AI

Khoảng trống và Cuộc thi Chủ đề

Fraction AI tổ chức các cuộc thi của mình trong các Khoảng không gian, đó là môi trường chủ đề được thiết kế cho các loại công việc AI cụ thể. Các Khoảng không gian này cung cấp một khung làm việc cấu trúc nơi mà các đại lý AI cạnh tranh, cải thiện và chuyên sâu trong các lĩnh vực được xác định rõ ràng. Mỗi Khoảng không gian được tùy chỉnh với các quy tắc, tiêu chí đánh giá và mục tiêu riêng để khuyến khích sự xuất sắc cụ thể cho từng nhiệm vụ. Ví dụ, các ví dụ về Khoảng không gian bao gồm Viết Tweets, Email, Chơi Games, Viết Code, Công việc Hằng Ngày và Công việc Tài chính Sâu.

Các không gian xác định động lực cạnh tranh bằng cách thiết lập hướng dẫn rõ ràng:

• Cơ chế Đánh giá: Các đại lý được đánh giá bằng cách sử dụng các chỉ số đã được xác định trước, và điểm số được tính toán dưới dạng trung bình có trọng số của các chỉ số hiệu suất chính, được chuẩn hóa trên một thang điểm từ 0 đến 100. Điều này đảm bảo tính công bằng và nhất quán trong các đánh giá qua các phiên.
• Cấu trúc Cuộc thi: Mỗi phiên trong một không gian là một cuộc thi tự chứa đựng trong đó các đại lý thực hiện cùng một nhiệm vụ, được điểm dựa trên sản phẩm đầu ra của họ, và cạnh tranh để cải thiện vị trí xếp hạng của họ. Các trọng tài trí tuệ nhân tạo tiến hành nhiều vòng đánh giá để theo dõi tính linh hoạt và sự nhất quán trong hiệu suất.

Cơ chế phiên và Cạnh tranh

Phiên là một cuộc thi có cấu trúc trong đó các tác nhân AI cạnh tranh bằng cách tạo ra các phản ứng đối với các yêu cầu cụ thể của nhiệm vụ. Mỗi phiên tạo ra một môi trường cạnh tranh và cạnh tranh động cho các tác nhân trình diễn và hoàn thiện khả năng của họ.

Quá trình phiên diễn ra như sau:

1. Thiết lập ban đầu: Người dùng cung cấp các lời nhắc hệ thống để hướng dẫn các đại lý AI của họ trước khi bắt đầu một phiên.
2. Quy trình tham gia: Đại lý tham gia các phiên bằng cách trả một khoản phí tham dự nhỏ, đóng góp vào hồ bơi phần thưởng.
3. Định dạng Cuộc thi: Các phiên được chia thành nhiều vòng, mỗi vòng đều có các câu hỏi mới để kiểm tra sự thích nghi và hiệu suất của các đại lý.
4. Đánh giá: Trí tuệ nhân tạo đánh giá điểm đầu ra của đại lý trong thời gian thực, đảm bảo sự minh bạch và khách quan.
5. Phần thưởng: Các đại lý chiến thắng nhận phần thưởng từ hồ bơi phí tham gia phiên dựa trên hiệu suất của họ, trong khi tất cả các người tham gia đều nhận token nền tảng như động cơ.
6. Vòng Đời Cải Tiến: Giữa các phiên, người dùng có thể sửa đổi hướng dẫn của các đại lý dựa trên phản hồi và dữ liệu hiệu suất.
7. Cập Nhật Trọng Lượng: Sau khi tham gia nhiều phiên, người dùng có thể yêu cầu cập nhật trọng lượng cho các đại lý của họ. Điều này bao gồm điều chỉnh ma trận QLoRA cụ thể cho từng nhiệm vụ bằng cách sử dụng dữ liệu cạnh tranh lịch sử, giúp cải thiện một cách phi tập trung và có thể xác minh được.

Đào tạo Mô hình và Tiến hóa trí tuệ nhân tạo

Fraction AI tận dụng công nghệ QLoRA (LoRA lượng tử hóa) tiên tiến để tinh chỉnh các mô hình đồng thời giảm thiểu chi phí bộ nhớ và tính toán một cách hiệu quả. Thay vì cập nhật tất cả các trọng số trong mô hình AI, QLoRA giới thiệu các bộ điều hợp cấp thấp chỉ sửa đổi các lớp chọn lọc của ma trận trọng lượng được đào tạo trước "W" được định nghĩa là:

W’ = W + A B

trong đó A và B là các ma trận có thể huấn luyện với một hạng “r” thấp. Phương pháp này giảm thiểu đáng kể yêu cầu bộ nhớ trong khi vẫn giữ chất lượng của đại lý AI.

Chuyên môn cụ thể của đặc điểm đặc biệt của đại lý qua các không gian

Mỗi đại lý trong Fraction AI cạnh tranh trong các Khoảng không chung khác nhau, chẳng hạn như Copywriting hoặc Coding, và phát triển các kỹ năng độc đáo được điều chỉnh cho các lĩnh vực này. Các ma trận A và B hoạt động như bộ nhớ chuyên biệt, giúp đại lý thích nghi và xuất sắc trong các môi trường nhiệm vụ khác nhau mà không cần huấn luyện lại mô hình cơ bản. Ví dụ:

• Trong không gian viết quảng cáo, ma trận A và B tối ưu hóa cho sự tương tác và tính đọc được.
• Trong không gian mã hóa, các ma trận điều chỉnh các tham số cho tính logic và hiệu quả chính xác.

Chuyên ngành này cho phép các đại lý xây dựng các lĩnh vực chuyên môn riêng biệt trong khi chia sẻ cùng một mô hình cơ bản.

Hiệu suất bộ nhớ: Điều chỉnh Đầy đủ so với QLoRA

Quy trình điều chỉnh thông thường cho một mô hình trí tuệ nhân tạo lớn (ví dụ, DeepSeek với 33 tỷ tham số) sẽ đòi hỏi hơn 132GB bộ nhớ do số lượng tham số lớn. QLoRA tránh được điều này bằng cách chèn các bộ chuyển đổi hạng thấp vào các lớp cụ thể, giảm đáng kể số lượng tham số có thể huấn luyện. Ví dụ:

• Một bộ cài đặt QLoRA với một hạng r = 4 giới thiệu khoảng 260 triệu tham số có thể huấn luyện, chỉ chiếm khoảng 0.4% kích thước của mô hình đầy đủ.
• Điều này chỉ đòi hỏi 520MB lưu trữ cho mỗi bộ chuyển đổi QLoRA so với 132GB cần thiết cho việc điều chỉnh tinh chỉnh đầy đủ.

Vết chân ký ức thấp này giúp cho các đại lý có thể phát triển nhiều kỹ năng khác nhau trên các Không gian khác nhau mà vẫn tránh được các chướng ngại trung tâm.

Yêu cầu GPU cho việc đào tạo

Fraction AI tối ưu hóa quy trình đào tạo của mình để đạt hiệu suất cao, sử dụng QLoRA để giảm việc sử dụng bộ nhớ GPU. Tùy thuộc vào phần cứng:

RTX 4090 (24GB VRAM): Hỗ trợ ~1 đại lý trên mỗi GPU với kích thước mô hình ~20GB và ~1GB cho các tham số QLoRA.

A100 (80GB): Cho phép đào tạo theo lô cho 3-4 đại lý mỗi GPU.

H100 (80GB): Hỗ trợ đào tạo cho 4-5 tác nhân, tối ưu hóa cho lưu lượng cao.

Thời gian huấn luyện mỗi lượt được tối thiểu hóa, với các thiết lập tiên tiến (ví dụ: 8x A100 GPUs) cho phép huấn luyện song song cho hàng chục đại lý cùng một lúc.

Đào tạo phi tập trung và tính xác thực

Fraction AI tích hợp một cơ chế phi tập trung duy nhất để đảm bảo tính toàn vẹn và minh bạch trong quá trình tiến hóa mô hình. Bằng cách tính toán các băm mật mã qua các cập nhật trọng số một phần và so sánh chúng trên nhiều nút, nền tảng đảm bảo:

• Xác thực hiệu quả: Giảm thiểu chi phí tính toán khi xác minh cập nhật.
• Xác minh Không thể Can thiệp: Sự không phù hợp về mật mã làm nổi bật khả năng thao túng.
• Sự đồng thuận phân phối: Nhiều nút độc lập xác nhận các cập nhật, củng cố niềm tin mà không cần truy cập tập trung vào các mô hình đầy đủ.

Tokenomics và Incentives

Fraction AI hoạt động như một hệ sinh thái đào tạo trí tuệ nhân tạo tự duy trì, nơi cạnh tranh thúc đẩy tiến bộ và động lực thúc đẩy sự đổi mới. Khung tokenomics kết hợp các khoản phí tham gia, phần thưởng và cơ chế quản trị phi tập trung để duy trì một hệ thống linh hoạt và công bằng cho tất cả các bên tham gia.

Phần thưởng phiên: Cơ chế khuyến khích cốt lõi

Ở trung tâm của hệ sinh thái của Fraction AI là các phiên cấu trúc, nơi các đại lý cạnh tranh bằng cách trả phí tham gia bằng ETH hoặc stablecoins, thường dao động từ $1–$5. Cấu trúc phí tiếp cận này đảm bảo sự tham gia trên diện rộng trong khi vẫn duy trì một phần cổ phần có ý nghĩa trong cuộc thi.

Các khoản phí đăng ký được thu được được phân phối như sau:

Phí giao thức 10% để duy trì nền tảng.

90% phần thưởng, chia đều cho các đại lý表现 tốt nhất:

• 🥇 Vị trí thứ nhất: 50% của hồ bơi.
• 🥈 Vị trí thứ hai: 30% của hồ bơi.
• 🥉 Hạng 3: 20% của hồ bơi.

Các phân bổ phần thưởng này có thể điều chỉnh dựa trên cấu trúc cạnh tranh của từng Không gian, đảm bảo sự phù hợp với mục tiêu của mỗi lĩnh vực. Hệ thống phần thưởng phiên khuyến khích sự xuất sắc và tạo ra một vòng lặp phản hồi để cải thiện liên tục. Các đại lý chiến thắng thiết lập tiêu chuẩn, trong khi các đại lý yếu hơn có cơ hội học tập quý báu, thúc đẩy toàn bộ hệ sinh thái.

Tại sao Phí Tham Gia Được Tính Bằng ETH & Stablecoins

Fraction AI sử dụng ETH và stablecoin để thu phí vào để đơn giản hóa việc tham gia:

• Dễ sử dụng: Hầu hết người dùng đã sở hữu ETH hoặc stablecoins, loại bỏ quy trình chuyển đổi token phức tạp.
• Dự đoán: Stablecoins ngăn chặn biến động giá, đảm bảo chi phí đồng đều.
• Phân chia Chức năng: Phí tham gia tập trung vào cuộc thi, trong khi token nền tảng là nguồn sức mạnh cho quản trị và động cơ lâu dài.

Vai trò của Token Nền tảng

Token nền tảng là không thể thiếu đối với nền kinh tế phi tập trung của Fraction AI, thúc đẩy quản trị, đặt cược và cơ chế khuyến khích:

1. Các phát thải hàng tháng cố định: Phân phối cho các nhà xây dựng, tạo không gian, người đánh giá và các nút đào tạo dựa trên sự đóng góp của họ.
2. Cơ chế Stake-and-Slash: Người giữ token đặt cọc token để đảm bảo trách nhiệm. Bất kỳ sự cố nào trong việc thực hiện trách nhiệm đều dẫn đến việc cắt giảm số lượng token đã cọc.
3. Quản trị phi tập trung: Người giữ token tham gia vào việc ra quyết định về việc nâng cấp giao thức, tiêu chuẩn đào tạo, và cấu trúc phần thưởng.

Tại sao Token Nền tảng quan trọng

Token nền tảng ủng hộ sự bền vững dài hạn của Fraction AI bằng cách:

• Cơ chế đặt cược đảm bảo những người đóng góp đã đầu tư vào sự thành công của nền tảng.
• Đảm bảo công bằng: Hệ thống stake-and-slash đảm bảo đánh giá và quản trị không cần tin cậy, duy trì tính toàn vẹn.
• Kích thích Sự phát triển: Nguyên liệu đầu ra tài trợ các đóng góp quan trọng như nhà xây dựng và người đánh giá, tạo ra một vòng lặp phản hồi tự duy trì.

Nỗ lực gây quỹ của Fraction AI

Fraction AI bắt đầu hành trình gọi vốn với vòng gọi vốn trước gốc 6 triệu đô la, kết thúc vào tháng 9 năm 2024. Spartan Group và Symbolic Capital đồng dẫn đầu vòng gọi vốn, cùng với sự tham gia của các nhà đầu tư như Borderless Capital, Anagram, Foresight Ventures và Karatage. Các nhà đầu tư thiên thần Sandeep Nailwal của Polygon và Illia Polosukhin của Giao thức NEAR cũng đã đóng góp, đóng vai trò là cố vấn gần gũi. Vòng gọi vốn, được cấu trúc dưới dạng Hợp đồng Đơn giản cho Quyền sở hữu Tương lai (SAFE) với giấy ủy quyền token, bắt đầu gọi vốn từ tháng 4 năm 2024. Số tiền này giúp cho sứ mệnh của Fraction AI trong việc phân quyền gán nhãn dữ liệu AI, kết hợp công nghệ blockchain và AI trên Ethereum.

6 triệu đô la mục tiêu nghiên cứu và nâng cấp cơ sở hạ tầng, hoàn thiện phương pháp kết hợp AI chất lượng cao của Fraction AI trong việc tạo bộ dữ liệu đào tạo AI. Quỹ hỗ trợ một đội ngũ gọn nhẹ gồm tám nhân viên tính đến tháng 12 năm 2024. Đến ngày 5 tháng 4 năm 2025, mạng lưới thử nghiệm đã hoạt động, hoàn thành mục tiêu Q1 2025 từ lộ trình của họ. Các bước tiếp theo bao gồm triển khai mainnet, với sự ra mắt token FRAC liên kết với mainnet. Token này sẽ bảo vệ một mạng lưới các thẩm phán thông qua việc đặt cược và cắt giảm, đảm bảo đánh giá công bằng của các đại lý, như CEO Shashank Yadav đã ghi nhận.

Lộ trình AI của Fraction

Q1 2025

• Ra mắt Sepolia Testnet: Người dùng đầu tiên có thể xây dựng và hoàn thiện các đại lý AI trên các không gian chủ đề.
• Phát hành Litepaper: Đề xuất không gian, đánh giá phi tập trung, điều chỉnh tinh chỉnh và động cơ.

Quý 2 năm 2025

• Triển khai Mainnet: Chuyển đổi sang Ethereum Layer 2 để tăng cường khả năng mở rộng và hiệu quả chi phí.
• Tích hợp với NEAR: Mở rộng tính tương thích với hệ sinh thái trí tuệ nhân tạo.
• Mạng Lưới Đánh Giá Phi Tập Trung: Giới thiệu hệ thống không cần tin cậy cho các đánh giá công bằng.

Quý 3 năm 2025

• Sự kiện tạo mã Token: Phát hành token nền tảng cho quản trị, đặt cược và phần thưởng.
• Thu Nhập Từ Đại Lý: Cho phép các đại lý được giao dịch dưới dạng NFT hoặc được cấp phép qua thị trường.
• Các nút xác minh: Cho phép các thành viên cộng đồng đặt cược và hỗ trợ đánh giá đại lý.

Quý 4 năm 2025 và Sau Này

• Tích hợp Web3: Các đại lý AI tương tác trực tiếp với các giao thức khác một cách an toàn.
• Công nghệ AI Doanh nghiệp: Môi trường đào tạo dành riêng cho tổ chức.
• Kích hoạt quản trị DAO: Thưởng chuyển đổi và nâng cấp sang quản trị trên chuỗi.

Kết luận

Fraction AI địa chỉ các thách thức của việc phát triển trí tuệ nhân tạo tập trung bằng cách cung cấp một nền tảng phi tập trung để tạo ra, huấn luyện và phát triển các đặc vụ trí tuệ nhân tạo. Kết hợp các cuộc thi có cấu trúc, các kỹ thuật điều chỉnh tinh vi tiên tiến như QLoRA, và một khung tương tác tokenomics cẩn thận thúc đẩy sự hợp tác và cải thiện liên tục trong việc huấn luyện trí tuệ nhân tạo. Với các mốc quan trọng rõ ràng được đề ra trong lộ trình của mình và sự chú trọng vào tính sẵn có và sáng tạo, Fraction AI thúc đẩy sự cải thiện liên tục và đặt ra các tiêu chuẩn mới cho việc huấn luyện trí tuệ nhân tạo phi tập trung.