Giải thích không gian mạng thông minh phi tập trung của đấu trường mới: Khái niệm cốt lõi, các dự án chính và phát triển trong tương lai

Tác giả: cookies

Biên dịch: Shenchao TechFlow

Với sự phát triển không ngừng của công nghệ Web3, Mạng Thông Minh Không Gian Phi Tập Trung (Decentralized Spatial Intelligence Network, DeSPIN) đang trở thành một lĩnh vực được chú ý. Bằng cách phân tích và sử dụng dữ liệu hình ảnh từ thế giới thực, DeSPIN không chỉ cung cấp các giải pháp đổi mới cho việc xây dựng bản đồ, quy hoạch đô thị và công nghệ robot, mà còn mở ra một mô hình kinh tế hoàn toàn mới “Đóng góp để kiếm tiền” (Contribute-to-Earn). Bài viết này sẽ giải thích chi tiết các khái niệm cốt lõi của DeSPIN, các giao thức chính và hướng phát triển trong tương lai.

DeSPIN là gì?

Trí tuệ không gian (Spatial Intelligence) là một công nghệ trích xuất thông tin bằng cách phân tích dữ liệu hình ảnh từ thế giới thực. Cốt lõi của nó nằm ở việc kết hợp thông tin địa lý với bối cảnh môi trường, từ đó hỗ trợ quyết định của con người. Mạng lưới trí tuệ không gian phi tập trung (DeSPIN) kết hợp công nghệ này với blockchain và triết lý phi tập trung của Web3, tạo thành một hệ sinh thái mở và chia sẻ. Hãy tưởng tượng rằng bạn có thể kiếm được lợi nhuận bằng cách chia sẻ những bức ảnh chụp đường phố trong cuộc sống hàng ngày của mình, hoặc ghi lại dữ liệu môi trường tại trung tâm thương mại, trên đường phố. Mô hình này không chỉ giảm bớt rào cản trong việc thu thập dữ liệu mà còn khuyến khích người dùng bình thường đóng góp vào sự phát triển của trí tuệ không gian.

Trước khi tìm hiểu về ứng dụng cụ thể của DeSPIN, chúng ta cần nắm vững khung cơ bản của trí tuệ không gian. Trí tuệ không gian được cấu thành từ bốn phần cốt lõi.

• Thu thập dữ liệu: Sử dụng mạng cảm biến (như camera, GPS) và thiết bị IoT (như điện thoại di động, laptop) để thu thập dữ liệu.
• Xử lý và phân tích dữ liệu: Sử dụng công nghệ học máy để xử lý siêu dữ liệu địa lý, nhận diện các mẫu trong dữ liệu, và xây dựng cơ sở dữ liệu truy vấn không gian.
• Biểu diễn kiến thức: Liên kết dữ liệu với ngữ cảnh môi trường thông qua ánh xạ ngữ nghĩa, cung cấp thông tin địa lý trực quan cho người dùng.
• Hệ thống hỗ trợ quyết định: Xây dựng mô hình dự đoán không gian, cung cấp dịch vụ ứng dụng cho người dùng, chẳng hạn như tối ưu hóa tuyến đường, tránh chướng ngại vật, v.v.

Giao thức chính trong lĩnh vực DeSPIN

Hiện tại, trong lĩnh vực DeSPIN đã xuất hiện nhiều giao thức đổi mới, tập trung vào các trường hợp ứng dụng khác nhau. Dưới đây là tám dự án đáng chú ý:

1.Hivemapper

Hivemapper là một giao thức xây dựng bản đồ phi tập trung, áp dụng mô hình “Lái xe để kiếm tiền” (Drive-2-Earn). Người dùng thông qua ứng dụng di động báo cáo các vấn đề trên đường theo thời gian thực, tài xế thì thu thập dữ liệu thông qua camera hành trình được lắp đặt trên xe, những dữ liệu này được xử lý bởi thuật toán AI để tạo ra bản đồ, và được xác nhận độ chính xác thông qua phản hồi từ con người (RLHF). Hivemapper cung cấp bản đồ phủ sóng, người dùng có thể xem những khu vực nào đã được ánh xạ và truy cập dữ liệu qua API. Những người đóng góp dữ liệu có thể nhận phần thưởng bằng token $HONEY, token này có thể được sử dụng để mua dữ liệu bản đồ hoặc các dịch vụ khác.

2.Mạng lưới NATIX

NATIX Network là một giao thức kinh tế bản đồ phi tập trung, tập trung vào việc thu thập dữ liệu đường thông qua thiết bị di động và camera hành trình, và áp dụng mô hình «lái xe để kiếm tiền». Công nghệ cốt lõi VX360 hỗ trợ thu thập dữ liệu toàn cảnh 360 độ, dữ liệu thu thập được có thể được sử dụng để phát triển các chức năng hỗ trợ lái xe, chẳng hạn như tối ưu hóa lái xe tự động. Hiện tại, NATIX Network đã phủ sóng 171 quốc gia, với hơn 223.000 tài xế đăng ký, tổng số kilomet đã được bản đồ hóa đạt 131 triệu km. Các nhà đóng góp dữ liệu và nút mạng đều có thể nhận được phần thưởng token $NATIX, nhằm thúc đẩy sự phát triển của hệ sinh thái.

Hivemapper và NATIX đều cam kết xây dựng bản đồ chất lượng cao hơn thông qua dữ liệu đường bộ từ cộng đồng. Các ứng dụng tiềm năng của dữ liệu này rất đa dạng, chủ yếu bao gồm các khía cạnh sau:

• Tối ưu hóa giao thông đô thị: Bằng cách phân tích dữ liệu đường phố thu thập theo thời gian thực, có thể cải thiện quản lý lưu lượng giao thông, giảm tắc nghẽn và nâng cao hiệu quả di chuyển.
• Giám sát tình trạng đường: Phát hiện và báo cáo kịp thời về hư hỏng đường, vật cản hoặc các vấn đề tiềm ẩn khác, giúp duy trì sự an toàn và độ tin cậy của cơ sở hạ tầng.
• Phát hiện tội phạm và hành vi bạo lực: Sử dụng dữ liệu bản đồ kết hợp với thuật toán AI, có thể giúp nhận diện và định vị hành vi bất thường, hỗ trợ an toàn công cộng.

Các ứng dụng này không chỉ nâng cao chức năng của bản đồ mà còn mang lại giá trị thực cho quản lý đô thị và an toàn xã hội.

3.FrodoBots

FrodoBots là một giao thức thu thập dữ liệu gamified thông qua robot, cho phép người dùng điều khiển từ xa robot mặt đất để thu thập dữ liệu địa lý, hỗ trợ nhiều phương thức điều khiển (như bộ điều khiển, bàn phím hoặc vô lăng chơi game). Ngoài ra, các nhà nghiên cứu cũng có thể triển khai các mô hình điều hướng AI trên nền tảng để thử nghiệm. Người dùng kiếm được FrodoBot Points (FBPs) bằng cách hoàn thành các nhiệm vụ lái xe, điểm số liên quan đến khoảng cách và độ khó của nhiệm vụ, khoảng cách càng dài, độ khó càng cao, điểm số cũng càng nhiều. FrodoBots đã được thử nghiệm tại nhiều thành phố và tổ chức các cuộc thi khả năng điều hướng giữa AI và con người. Hơn nữa, FrodoBots cũng đã thiết lập một hệ thống giống như “hội” có tên Earth Rovers School, cho phép người dùng mới tham gia thu thập dữ liệu bằng cách thuê Earth Rovers.

4.JoJoWorld

JoJoWorld là một giao thức tập trung vào việc thu thập dữ liệu không gian 3D, người dùng thông qua việc đóng góp dữ liệu giúp đào tạo mô hình ba chiều. Nền tảng cung cấp dữ liệu 3D chất lượng cao, được sử dụng để tạo ra các cảnh kỹ thuật số khác nhau, phù hợp với thực tế ảo, quy hoạch đô thị và các lĩnh vực khác. Người dùng cũng có thể trực tiếp mua các dữ liệu 3D này để phát triển mô hình kỹ thuật số cá nhân hóa.

Bốn giao thức tiếp theo cũng tập trung vào việc thu thập dữ liệu không gian từ thế giới thực, nhưng lĩnh vực ứng dụng của chúng được phân khúc rõ ràng hơn, bao gồm các tình huống cụ thể như đào tạo mô hình robot. Những giao thức này thông qua việc tập trung vào dữ liệu đuôi dài và nhu cầu cụ thể, đã mang lại nhiều khả năng hơn cho hệ sinh thái mạng thông minh không gian phi tập trung (DeSPIN).

5.PrismaXAI

PrismaXAI là một giao thức thu thập dữ liệu cảnh cụ thể từ góc nhìn của người dùng, phù hợp với các tình huống phức tạp như tương tác giữa người và vật, chuyển động động và các buổi gặp gỡ xã hội. Công nghệ cốt lõi Proof-of-View đảm bảo tính xác thực của dữ liệu, đồng thời nâng cao độ chính xác của chú thích dữ liệu thông qua cơ chế xác minh phi tập trung. Giao thức này có tiềm năng lớn trong việc thu thập dữ liệu đuôi dài, cung cấp lợi thế độc đáo cho việc đào tạo mô hình.

6.OpenMind AGI

OpenMind AGI tập trung vào việc hiểu thế giới thực thông qua các mô hình thị giác - ngôn ngữ - hành động (VLAMs). Hệ thống cốt lõi OM1 là một hệ điều hành đa nền tảng, có khả năng tương tác với môi trường thực động, đặc biệt thích hợp cho việc phát triển tùy chỉnh công nghệ robot. Nền tảng này thu thập dữ liệu thông qua điện thoại di động và robot, và chia sẻ những dữ liệu này cho các nhà phát triển robot, nhằm cải thiện và đổi mới các tình huống ứng dụng robot.

7.MeckaAI

MeckaAI là một giao thức đào tạo mô hình AI robot phi tập trung, người dùng thông qua việc tải lên dữ liệu video giúp đào tạo mô hình hành vi của robot. Nền tảng cung cấp ứng dụng di động, người dùng có thể kiếm OG Mecka Points bằng cách hoàn thành nhiệm vụ, từ đó khuyến khích việc đóng góp dữ liệu. MeckaAI cam kết thúc đẩy sự phát triển của công nghệ robot thông qua mô hình crowdsourcing, giảm bớt rào cản trong việc thu thập dữ liệu đào tạo.

8.Xmaquina DAO

Xmaquina DAO là một tổ chức tự trị phi tập trung (DAO) hỗ trợ các dự án robot mã nguồn mở. Khác với các giao thức tham gia trực tiếp vào việc đào tạo mô hình, mục tiêu cốt lõi của Xmaquina DAO là hỗ trợ nghiên cứu và đổi mới trong lĩnh vực robot thông qua phân bổ tài nguyên. Trung tâm đổi mới nội bộ Deus Lab tập trung vào nghiên cứu và phát triển công nghệ robot, trong khi MachineDAO quyết định phân bổ tài nguyên cho các dự án nào thông qua việc bỏ phiếu bằng cách đặt cược token $DEUS. Mô hình này cung cấp hỗ trợ tài chính cho sự phát triển mã nguồn mở của công nghệ robot, đồng thời đảm bảo tính minh bạch và công bằng trong việc phân bổ tài nguyên.

Cấu trúc tổ chức của MachineDAO

Do hạn chế về độ dài, vẫn còn một số giao thức ứng dụng trong các lĩnh vực tương tự chưa được trình bày chi tiết ở đây, chẳng hạn như Alaya_AI, Gata_xyz, KrangHQ, cũng đáng được chú ý.

Tương lai của DeSPIN: Từ đóng góp đến giá trị

Mặc dù DeSPIN vẫn đang ở giai đoạn khởi đầu, nhưng tiềm năng của nó không thể bị bỏ qua. Với sự phát triển của AI vật lý và AI có thân thể (Embodied AI), cũng như sự xuất hiện của các khái niệm mới như đội tàu dữ liệu con người (Human Data Fleet), DeSPIN được kỳ vọng sẽ dẫn đầu một cuộc cách mạng công nghệ mới.

Một xu hướng có thể xảy ra là sự phổ biến của mô hình “Train-to-Earn” (T2E), nơi người dùng đóng góp giá trị thông qua dữ liệu không gian thu thập được trong cuộc sống hàng ngày và nhận phần thưởng dựa trên chất lượng dữ liệu. Ví dụ, sự xuất hiện của thiết bị kính mắt phi tập trung có thể nâng cao đáng kể độ chính xác và sự đa dạng của việc thu thập dữ liệu. Dữ liệu được kính thông minh thu thập không chỉ phản ánh cách con người cảm nhận thế giới một cách chân thực nhất, mà còn có thể thu thập nhiều tiếng ồn môi trường, đặc điểm khuôn mặt và các dữ liệu đuôi dài khác, mang lại nhiều khả năng rộng lớn hơn cho lĩnh vực trí tuệ không gian.

Tuy nhiên, sự phát triển của DeSPIN cũng đối mặt với một số thách thức, chẳng hạn như:

• Xác thực dữ liệu: Làm thế nào để đảm bảo tính xác thực và độ chính xác của dữ liệu crowdsourcing?
• Vấn đề đạo đức: Làm thế nào để quy định việc sử dụng dữ liệu, tránh rò rỉ và lạm dụng quyền riêng tư?
• Sự chấp nhận của bên yêu cầu: Các tổ chức truyền thống có sẵn sàng áp dụng các bộ dữ liệu phi tập trung không?

Việc giải quyết những vấn đề này sẽ quyết định hướng đi tương lai của DeSPIN, cần được nghiên cứu và giải quyết thêm trong tương lai.