RAG là gì và tại sao KIP đang phân quyền nó?
TLDR: RAG là một kỹ thuật đổi mới được sử dụng trong Trí tuệ Nhân tạo Sáng tạo, liên quan đến 3 Nhà Tạo Giá Trị chính trong lĩnh vực AI (chủ sở hữu ứng dụng, 📱, chủ sở hữu mô hình 🤖, chủ sở hữu dữ liệu 📚).
Quá trình phân quyền RAG của KIP mặt cơ bản cung cấp một khung cho quá trình phân quyền của toàn bộ lĩnh vực AI, và là bước cần thiết đầu tiên để chống lại những độc quyền của AI đang gia tăng.
1️⃣ Tổng quan về RAG
Mô hình AI được đào tạo bằng cách cung cấp dữ liệu. Chúng học từ dữ liệu, điều chỉnh trọng số nội tại để nhận diện các mô hình, giúp chúng đưa ra dự đoán hoặc quyết định dựa trên dữ liệu mới. Mô hình sau đó có thể trả lời các câu hỏi của người dùng từ kiến thức "bản xứ" mà chúng mới có.
Nhưng quá trình đào tạo này đòi hỏi toàn bộ tập dữ liệu được tiếp xúc với mô hình và về cơ bản dẫn đến việc dữ liệu được "hấp thụ" vào mô hình. Nếu dữ liệu bao gồm thông tin mật hoặc bản quyền, có rủi ro rằng mô hình sẽ phát ra thông tin đó nguyên văn tại một thời điểm trong tương lai.
Vậy nếu bạn không muốn đặt dữ liệu của mình vào rủi ro?
Đó là lúc RAG (Retrieval-Augmented Generation) xuất hiện.
RAG là một kỹ thuật phức tạp cho phép mô hình AI tạo ra câu trả lời mà nó không biết một cách tự nhiên, bằng cách truy xuất dữ liệu và thông tin từ các cơ sở kiến thức và cơ sở dữ liệu ngoại vi mà nó được cấp quyền truy cập.
Nó giống như một trợ lý thông minh không biết câu trả lời cho câu hỏi của bạn, nhưng có khả năng nghiên cứu một cách chuyên nghiệp để tìm ra câu trả lời từ nguồn dữ liệu bên ngoài.
Nhập câu hỏi của Người Dùng:
Quá trình bắt đầu với người dùng đặt câu hỏi hoặc truy vấn cho một chatbot chạy hệ thống RAG.
Ví dụ: "Triệu chứng của COVID-19 là gì?"
Truy xuất từ Cơ Sở Dữ Liệu Bên Ngoài:
Mô hình bắt đầu giai đoạn truy xuất bằng cách tìm kiếm qua các cơ sở kiến thức và cơ sở dữ liệu bên ngoài được liên kết, như tạp chí y khoa, trang web sức khỏe và cơ sở dữ liệu lâm sàng, để truy xuất chỉ những mảnh dữ liệu và thông tin liên quan đến truy vấn của người dùng.
Xử lý Dữ liệu, Lọc và Tạo Ra:
Dữ liệu được truy xuất trải qua quá trình xử lý và lọc để trích xuất thông tin quan trọng và loại bỏ các điểm dữ liệu không liên quan. Mô hình AI tổng hợp dữ liệu đã truy xuất với gợi ý ngữ cảnh từ truy vấn của người dùng để tạo ra một phản hồi.
Trong trường hợp truy vấn về triệu chứng COVID-19, RAG có thể tạo ra một câu trả lời liệt kê các triệu chứng phổ biến như sốt, ho và khó thở, nhưng cũng có thể bao gồm thông tin từ các nghiên cứu y khoa mới nhất không có sẵn khi mô hình được đào tạo - một câu trả lời chất lượng cao hơn.
Trả lời phản hồi:
Câu trả lời được tạo ra được hiển thị cho người dùng qua giao diện chatbot.
Do đó, RAG cho phép sử dụng dữ liệu bên ngoài để trả lời các truy vấn AI mà không cần dữ liệu đó phải "hấp thụ" trước bởi một mô hình thông qua quá trình đào tạo.
Các kỹ thuật RAG đang ngày càng trở nên phức tạp, và trong bài nghiên cứu của chúng tôi tại đây, chúng tôi chỉ ra rằng chất lượng câu trả lời dưới RAG có thể vượt qua các mô hình được đào tạo. https://arxiv.org/pdf/2311.05903.pdf
2️⃣ TẦM QUAN TRỌNG CỦA RAG
RAG sẽ trở nên quan trọng hơn vì:
Quá trình đào tạo mô hình là một hoạt động rất chuyên sâu và chuyên môn, và thường rất đắt đỏ để thực hiện - không phải ai cũng có kỹ năng hoặc nguồn lực cần thiết để có thể đào tạo mô hình.
Có rất nhiều dữ liệu (mật, độc quyền, v.v.) mà chủ sở hữu có thể không bao giờ cảm thấy thoải mái để tiết lộ hoàn toàn cho các mô hình mà họ không hoàn toàn sở hữu hoặc kiểm soát.
Một điểm quan trọng bạn cũng có thể đã nhận thức là:
Dưới khung nhìn RAG, chủ sở hữu ứng dụng, 📱, chủ sở hữu mô hình 🤖 và chủ sở hữu dữ liệu 📚 hợp tác và đóng góp vào việc trả lời các truy vấn của người dùng.
Do đó, trong một tình hình công bằng, mỗi bên nên được đền bù công bằng cho đóng góp của họ.
Nhưng hiện tại, không có cách nào dễ dàng để làm điều này mà không làm ảnh hưởng đến độc lập hoặc quyền sở hữu của mỗi bên. (Tình trạng này chính là nguyên nhân khiến chúng tôi bắt đầu xây dựng KIP, hơn một năm trước.)
Đây là "vấn đề tiền bạc".
3️⃣ "VẤN ĐỀ TIỀN BẠC" VỚI RAG & TRÍ TUỆ NHÂN TẠO TẬP TRUNG
Hãy tưởng tượng một tình huống trong đó một thực thể sở hữu cả ba còi tạo giá trị của AI: không cần phải chia sẻ thanh toán được thu từ người dùng giữa các bên, vì đó chỉ là kế toán nội bộ.
Nhưng điều đảo lộn của điều đó là: nếu chúng ta không chấp nhận Một Thực Thể SỞ HỮU TẤT CẢ 3 CẤP ĐỘ TẠO GIÁ TRỊ CỦA AI ( 📱, 🤖 , 📚 ), chúng ta phải giải quyết vấn đề làm thế nào chia tiền giữa các ngành công nghiệp khác nhau của Nhà Tạo Giá Trị AI.
Mà không giải quyết được "Vấn Đề Tiền Bạc", ( 📱, 🤖 , 📚 ) không thể duy trì độc lập và tự do giao dịch của mình.
Và một độc quyền đang hình thành ngay bây giờ.
Dưới đây là ý kiến của chúng tôi về cách kế hoạch chiến lược của OpenAI trong việc chiếm độc quyền sẽ hoạt động:
Rõ ràng, OpenAI có một số mô hình mạnh mẽ nhất - mô hình nguồn đóng như GPT-4, được đào tạo bằng kiến thức của chúng tôi đã được công bố và lấy từ internet mở qua nhiều năm. Điều này là nguồn động viên cho ứng dụng của họ như ChatGPT và các GPT do người dùng tạo ra.
Thông qua Copyright Shield của họ - đó là, cam kết chi trả chi phí pháp lý cho bất kỳ ai được phát hiện tải dữ liệu có bản quyền lên nền tảng của họ - họ làm tăng sức mạnh và khuyến khích người dùng của họ tải dữ liệu lên nền tảng đó mà không sợ hậu quả pháp lý.
Vì OpenAI là một nền tảng web2 tập trung và đóng, chúng ta nên tự hỏi: liệu dữ liệu được người dùng tải lên - cho ChatGPT hoặc các ứng dụng GPT - có thuộc về họ không?
Với mô hình hiện tại của họ, việc lấy dữ liệu một cách không lượng thánh và bảo vệ bản quyền, cùng với quỹ lớn của họ, bạn có thể thấy đây là máy hút dữ liệu và nguồn lực mạnh mẽ nhất từng được tạo ra, hút vào dữ liệu và nguồn lực để cung cấp cho mô hình của họ.
Đặt tất cả những điều trên cùng nhau (và quỹ 7 triệu tỷ đô la của họ cho phần cứng), và không khó để nhận thấy rằng sự tập trung hoàn toàn của phát triển AI bởi một hoặc vài công ty sẽ là điều không thể tránh khỏi, trừ khi có điều gì đó được thực hiện.
Vì những lý do chúng tôi đã chia sẻ trước đó, chúng tôi tin rằng sự độc quyền của AI là xấu cho nhân loại, và chúng tôi đang tích cực chống lại nó.
4️⃣ Ý NGHĨA CỦA PHÂN QUYỀN RAG
RAG liên quan đến tất cả 3 cấp độ tạo giá trị của AI ( 📱, 🤖 , 📚 ).
Do đó, bằng cách xây dựng một khung phân quyền RAG, KIP về cơ bản đang xây dựng một khung để phân quyền kiểm soát đối với sự tạo giá trị trong AI, đồng thời tạo ra một sân chơi bình đẳng cho tất cả những người tạo giá trị để chống lại sự độc quyền của AI.
Chúng tôi cho phép AI hoạt động một cách hiệu quả như một nỗ lực cộng tác liên quan đến hàng triệu người tạo giá trị nhỏ và lớn, mà không cần một công ty lớn để điều phối mỗi chức năng cốt lõi.
Chúng tôi sẽ làm điều đó bằng cách giải quyết trước 3 vấn đề cơ bản mà đã là rào cản cho sự phân quyền của RAG:
Sở Hữu: Đảm bảo rằng ( 📱, 🤖 , 📚 ) có thể xuất bản một cách dễ dàng và an toàn trên web3, tạo ra thực thể "giao dịch" web3 của họ dưới dạng ERC 3525 Semi-Fungible Tokens, giúp họ chứng minh quyền sở hữu tài sản kỹ thuật số của họ trên chuỗi.
Kết Nối: Đảm bảo tương tác mượt mà giữa các giao dịch ngoại lệ và trên chuỗi, cung cấp một môi trường mở cho 📱, 🤖 , 📚 kết nối với nhau một cách dễ dàng và tự do.
Tiền: Cung cấp một khung chung cho việc ghi và kiểm soát đóng góp của mỗi Nhà Tạo Giá Trị AI, cũng như một chia sẻ doanh thu tự động và rút tiền.
Bằng cách thúc đẩy sự phân quyền RAG (d/RAG), KIP đang tạo ra bản thiết kế đầu tiên và quan trọng để chống lại các độc quyền của AI.
Mở khóa quyền sở hữu tài sản kỹ thuật số cho mỗi người tạo giá trị AI, và trao quyền cho họ để giao dịch mà vẫn duy trì sự độc lập, hoàn toàn ngược lại với những gì Công Nghệ Lớn đang cố gắng đạt được.
KIP Protocol trang bị cho các Nhà Tạo Giá Trị AI với vũ khí ⚔️ cần thiết để chiến đấu với những người chiếm đa số trong AI.