AI có ba nguyên tắc cơ bản: Khả năng tính toán, dữ liệu và thuật toán.

Trong ba yếu tố này, Khả năng tính toán có ý nghĩa nhất, vì vậy NVIDIA, công ty sản xuất bộ xử lý đồ họa, đã vượt qua Microsoft và Apple để trở thành công ty có vốn hóa thị trường cao nhất trên toàn cầu. Tuy nhiên, như nhà sáng lập Scale AI, Alex Wang, nhấn mạnh trong một buổi phát thanh, dữ liệu đang thay thế Khả năng tính toán và trở thành rào cản lớn nhất cho cải thiện hiệu suất mô hình AI.

Nhu cầu của AI đối với dữ liệu không có điểm dừng, nhưng nguồn tài nguyên dữ liệu trên Internet có thể truy cập đã gần cạn kiệt. Để nâng cao hiệu suất của mô hình, cần phải phụ thuộc vào nhiều dữ liệu chất lượng cao hơn. Mặc dù các doanh nghiệp có nhiều dữ liệu có giá trị bên trong, nhưng chỉ khi được đánh dấu chi tiết mới có thể sử dụng thực sự cho việc đào tạo AI. Và việc đánh dấu dữ liệu là một công việc tốn tài nguyên, lâu dài đã được coi là phần khó khăn nhất, thấp hèn nhất của ngành công nghiệp AI on-chain.

Tuy nhiên, với chiến lược trở thành người đầu tiên tham gia vào không gian chú thích dữ liệu, Scale AI đã được định giá 13,8 tỷ đô la trong vòng tài trợ mới nhất vào tháng 5 năm nay, vượt xa nhiều công ty mô hình lớn nổi tiếng. Thành tựu này chắc chắn phá vỡ định kiến rằng dán nhãn dữ liệu chỉ là công việc khó khăn.

Giống như nhiều dự án Khả năng tính toán Phi tập trung khác đã thách thức Nvidia, Sapien AI, một dự án AI mã hóa mới chỉ hoàn thành vòng gọi vốn gốc 5 triệu đô la vào tháng 4 năm nay, cũng đã cố gắng thách thức Scale AI. Nó không chỉ muốn tiếp cận thị trường đuôi dài bằng cách Phi tập trung, mà còn có kế hoạch tạo ra mạng lưới đánh dấu dữ liệu nhân tạo lớn nhất thế giới.

Gần đây, BlockBeats đã phỏng vấn Trevor Koverko, đồng sáng lập kiêm COO của Sapien AI. Là đồng sáng lập của nhiều dự án thành công như Polymath, Polymesh và Tokens.com, Trevor đã tích lũy được nhiều kinh nghiệm khởi nghiệp trước khi thành lập Sapien AI. Trong cuộc phỏng vấn, anh ấy đã chia sẻ sâu sắc về quá trình thành lập Sapien AI của mình, cũng như chiến lược cạnh tranh khác biệt giữa Sapien AI và Scale AI, và cách anh ấy rút ra những ý tưởng độc đáo từ trò chơi trên Khối để thiết kế cơ chế kinh doanh.

Trang web trải nghiệm dự án Sapien AI: game.sapien.io

Toronto, vùng đất màu mỡ của sự đổi mới, sự kết tinh sáng tạo của cộng đồng tiền điện tử và AI

BlockBeats: Tôi đã thấy trên LinkedIn của bạn rằng bạn đã từng chơi cho đội New York Rangers trong NHL. Là một cựu vận động viên bóng băng chuyên nghiệp, bạn đã chuyển sang ngành mã hóa như thế nào?

Trevor: Trong sự nghiệp của tôi, tôi đã thử nghiệm nhiều vai trò khác nhau. Bóng băng là công việc đầu tiên của tôi. Ở Canada, bóng băng là một phần rất quan trọng trong văn hóa của chúng tôi, nếu bạn không chơi bóng băng khi còn nhỏ, gần như sẽ bị coi là khác biệt. Vì vậy, đây là một phần quan trọng trong quá trình lớn lên của tôi. Tôi đã học được rất nhiều về làm việc nhóm và cạnh tranh ở mức độ cao, những trải nghiệm này vẫn ảnh hưởng đến tôi cho đến ngày hôm nay.

Sau khi sự nghiệp khúc côn cầu của tôi kết thúc, tôi bắt đầu hoạt động kinh doanh và thực tế, tôi đã sống ở châu Á một thời gian. Tôi sống ở Trung Quốc, cụ thể là ở thành phố Đại Lý, miền Đông Trung Quốc. Sự nghiệp thể thao và kinh nghiệm của tôi tại Trung Quốc là hai phần quan trọng trong quá trình tôi trưởng thành.

Tôi đã trưởng thành trong hệ sinh thái mã hóa ở Toronto. Tôi đã tham gia cộng đồng BTC từ rất sớm, khi đó Ethereum chưa được ra mắt. Chúng tôi thường tham gia các buổi gặp mặt, trao đổi cùng bạn bè và đã gặp Vitalik, lúc đó anh ấy chỉ là biên tập viên của tạp chí Bitcoin Magazine.

Sau đó, khi Vitalik phát hành White Paper, cộng đồng BTC dần trở thành cộng đồng ETH. Đó là những năm tháng đầy cảm xúc. Tôi đã ra mắt dự án RWA của riêng mình mang tên Polymath vào năm 2017-2018, lúc đó lĩnh vực này thậm chí chưa có một phân loại rõ ràng, chúng tôi gọi nó là “thẻ bảo mật Token”. Đây là dự án quan trọng đầu tiên của tôi trong lĩnh vực mã hóa. Chúng tôi đã làm việc trên tất cả các khía cạnh trong dự án này, từ việc gây quỹ cho đến phát hành ứng dụng trên ETH.

Cuối cùng, chúng tôi cũng đã xây dựng một chuỗi khối Layer 1 của riêng mình, đó là một thách thức lớn hơn. May mắn thay, chúng tôi có những người rất thông minh như Charles Hoskinson đảm nhận vai trò kiến trúc sư giao thức. Hiện nay, chuỗi khối này đã phát triển thành một thương hiệu độc lập, có tên là Polymesh. Đó là một trong những mạng RWA đầu tiên và lớn nhất, và là một trong những mạng cấp Layer 1. Hiện tại, tôi chỉ là một thành viên của cộng đồng vì nó đã hoàn toàn phi tập trung, tôi chỉ ủng hộ mạng lưới này từ xa. Về mặt sử dụng, nó hoạt động rất tốt, và hiện nay RWA cũng dần trở thành một hệ sinh thái thú vị.

BlockBeats: Cơ hội gì đã khiến sự quan tâm của bạn chuyển từ RWA sang AI và quyết định thành lập Sapien AI?

Trevor: Tôi bắt đầu quan tâm đến AI sau các hoạt động hàng ngày của Polymesh về Phi tập trung. Toronto có một cộng đồng công nghệ AI rất mạnh và nhiều kiến trúc ban đầu của AI hiện đại được tạo ra bởi các nhà nghiên cứu tại Đại học Toronto, như Geoffrey Hinton, “cha đẻ của học tập sâu”, và Ilya Sutskever, cựu nhà khoa học trưởng tại OpenAI.

Bên trái: Ilya Sutskever; bên phải: Geoffrey Hinton

Tôi rất quan tâm đến việc sử dụng trí tuệ nhân tạo (AI) và tôi cũng có một nhóm bạn bè thông minh đang làm việc về học máy tại Đại học Waterloo. Tôi dần quan tâm đến công nghệ AI, cách hoạt động, quy trình sản xuất dữ liệu đào tạo và cách con người tham gia vào quá trình này. Đây là một quá trình học tập rất tự nhiên.

Ban đầu tôi không có khát vọng thành lập một công ty, nhưng sau khoảng 6 tháng tiếp cận sâu hơn vào lĩnh vực trí tuệ nhân tạo và học máy, dưới sự hướng dẫn của một giảng viên trong chương trình học Cao học về Học máy tại Đại học Waterloo, chúng tôi đã phát hiện ra một số lĩnh vực thú vị đang tồn tại vấn đề và nhìn thấy cơ hội giải quyết các vấn đề đó. Cuối cùng, chúng tôi thành lập công ty Sapien này.

BlockBeats: Bạn có thể giới thiệu cho những người không biết về sứ mệnh cốt lõi của dự án Sapien AI không? Trong ngành công nghiệp AI hiện tại, tầm quan trọng của dịch vụ đánh dấu dữ liệu được thể hiện ở đâu?

Trevor: Nhận dạng dữ liệu rất quan trọng. Điều này cũng là một trong những nguyên nhân chính thành công của các mô hình ngôn ngữ lớn như ChatGPT, vì chúng là những mô hình đầu tiên sử dụng một nhóm lớn nhân viên nhận dạng dữ liệu công nghiệp để làm giàu bộ dữ liệu của mình.

Cho đến ngày nay, tầm quan trọng của việc đánh dấu dữ liệu vẫn đang gia tăng không ngừng, bởi vì sự cạnh tranh hiệu suất giữa các mô hình rất gay gắt, và cách tốt nhất để nâng cao hiệu suất mô hình là thêm nhiều dữ liệu được đánh dấu bởi con người chuyên nghiệp vào tập dữ liệu.

Chúng tôi coi xử lý dữ liệu là một Chuỗi cung ứng: Đầu tiên là dữ liệu gốc, sau đó cần phải cấu trúc hóa và tổ chức nó. Sau khi hoàn thành việc cấu trúc hóa, dữ liệu này có thể được huấn luyện. Sau khi huấn luyện xong, nó có thể được sử dụng để suy luận. Nói một cách đơn giản, đây là quá trình gia tăng giá trị dữ liệu theo nền tảng trí tuệ nhân tạo.

Giống như các ngành công nghiệp khác, chúng ta bắt đầu thấy sự phân loại cụ thể trong ngành công nghiệp trí tuệ nhân tạo, các lĩnh vực dọc theo chiều dọc bắt đầu nổi lên, một số công ty thể hiện sự xuất sắc ở các bước cụ thể trong quy trình. Đối với tôi, phần thú vị nhất là bước thứ hai, tức là cấu trúc hóa dữ liệu và chuẩn bị huấn luyện, đây luôn là phần tôi quan tâm nhất.

Scale AI của Phi tập trung, nhắm vào thị trường dài đuôi

**BlockBeats: Điều gì làm Sapien AI khác biệt so với các công ty Web2 truyền thống như Scale AI?

Trevor: Đây là một câu hỏi tốt. Chúng tôi rất đánh giá cao Scale, họ là một công ty tuyệt vời với những người sáng lập xuất sắc. Chúng tôi quen biết một trong số họ. Họ là một trong những công ty AI lớn nhất trên thế giới, không chỉ từ doanh thu, vốn hóa thị trường mà còn từ lượng sử dụng.

Sự khác biệt của chúng tôi là chúng tôi suy nghĩ từ nguyên lý cơ bản nhất rằng vào năm 2024, một ngăn xếp công nghệ gán nhãn dữ liệu hiện đại sẽ trông như thế nào. Chúng tôi không nhất thiết phải tìm kiếm các trường hợp sử dụng được phủ sóng bởi Scale, mục tiêu của chúng tôi là thị trường trung và dài đuôi.

Chúng tôi nỗ lực để mọi người đều có thể dễ dàng nhận được phản hồi thủ công của tập dữ liệu, cho dù bạn là mô hình Mã nguồn mở trên thị trường trung cấp, mô hình doanh nghiệp hoặc chỉ là cá nhân nghiên cứu vào cuối tuần. Nếu bạn muốn nâng cao hiệu suất mô hình và cần phản hồi thủ công linh hoạt, hãy đến với chúng tôi.

Bạn có thể coi chúng tôi như một phiên bản phân tán hoặc Phi tập trung hơn của Scale AI. Điều này có nghĩa là các nhân viên ghi chú của chúng tôi được phân bổ rộng rãi hơn, không giới hạn ở một địa điểm cụ thể mà có thể làm việc từ xa ở bất kỳ đâu. Một mặt, tính phân tán này cho phép chúng tôi cải thiện chất lượng ghi chú dữ liệu hơn, vì đa dạng không chỉ để đạt được tính đa dạng mà còn để nâng cao chất lượng huấn luyện dữ liệu.

Ví dụ, nếu bạn đánh dấu dữ liệu cho một nhóm người có nền tảng tương tự tại một cơ sở vật chất nào đó, rất có thể sẽ tạo ra dữ liệu đầu ra có thiên hướng hoặc chiều hướng văn hóa. Do đó, chúng tôi đã nỗ lực từ đầu để làm cho nó đa dạng và mạnh mẽ nhất có thể. Vì Phi tập trung hơn, chúng tôi cũng có thể thu được những nhãn hiệu chất lượng cao hơn một cách nào đó. Nếu bạn phải làm việc tại một địa điểm cụ thể ở Philippines, bạn sẽ có hạn chế trong việc thu hút tài năng, nhưng thông qua ưu tiên làm việc từ xa, chúng tôi có thể tìm thấy nhãn hiệu từ bất kỳ đâu.

Tôi không nói rằng Scale không làm những việc này, nhưng chúng tôi đang nghĩ về cách phục vụ cho các phần khác của thị trường mô hình. Vì chúng tôi cho rằng thị trường này sẽ tiếp tục tăng lên và sẽ có rất nhiều mô hình riêng tư và được cấp phép cần phản hồi thủ công.

BlockBeats: Quy trình công việc gắn nhãn dữ liệu của Sapien AI được thiết kế và tối ưu như thế nào? Có những bước quan trọng nào để đảm bảo chất lượng dữ liệu?

Trevor: Nền tảng của chúng tôi hoạt động giống như một thị trường hai bên. Bạn có thể tưởng tượng nó như một phiên bản Phi tập trung của Uber trong lĩnh vực đánh dấu dữ liệu. Một mặt là phía yêu cầu, giống như hành khách trong Uber, đối với chúng tôi là khách hàng doanh nghiệp cần phản hồi từ con người trong mô hình của họ. Ví dụ, họ đang xây dựng một mô hình ngôn ngữ lớn và muốn điều chỉnh nhỏ, điều này đòi hỏi sự tham gia của con người.

Họ đến tìm chúng tôi và tải lên tập dữ liệu gốc lên mạng. Chúng tôi đưa ra báo giá dựa trên một số biến thể khác nhau của tập dữ liệu (như độ phức tạp, mô đun dữ liệu, định dạng dữ liệu, v.v.). Đối với khách hàng doanh nghiệp, quá trình này rất tự phục vụ.

Một khía cạnh khác là nhà cung cấp, tức là những người đánh dấu, họ tương đương với tài xế Uber của chúng tôi. Hiện tại, điều này thực tế là điểm hạn chế của ngành công nghiệp, chúng tôi cần có càng nhiều người đánh dấu càng tốt. Bởi vì nhu cầu về cơ bản là vô tận, giống như Uber, luôn có người muốn đi xe, nhu cầu này sẽ không bao giờ kết thúc. Trong lĩnh vực trí tuệ nhân tạo, nhu cầu này cũng liên tục tăng vì các mô hình trí tuệ nhân tạo này yêu cầu nhiều dữ liệu hơn.

Chúng tôi rất quan tâm đến mặt cung ứng và cam kết đưa mọi người dễ dàng thực hiện việc gắn nhãn dữ liệu. Chúng tôi đã phát minh ra một số công nghệ mới và vẫn đang liên tục cải tiến những công nghệ này để đảm bảo việc gắn nhãn quy mô lớn và chất lượng cao trong mô hình phân tán. Vấn đề ban đầu chúng tôi đặt ra là làm thế nào để đảm bảo chất lượng cao trong việc gắn nhãn mà không cần quản lý tập trung? Điều này thực tế là những khó khăn của chúng tôi trong việc gắn nhãn dữ liệu: làm thế nào để giảm chi phí cho khách hàng, tăng thu nhập cho những người gắn nhãn và cùng lúc nâng cao chất lượng tổng thể?

Chúng tôi đã tiến hành nhiều lần thử nghiệm trong lĩnh vực này và đạt được một số kết quả rất thú vị. Chúng tôi đã thử nghiệm các cơ chế mới khác nhau như hồi quy trung bình, phát hiện ngoại lệ và kết hợp một số mô hình xác suất, những mô hình này có thể đánh giá mức độ chất lượng công việc của người gán nhãn đến một mức độ lớn. Chúng tôi cũng đang nghiên cứu và phát triển một số công nghệ mới. Tuy nhiên, cho đến nay, chúng tôi rất hào hứng với triển vọng phát triển của việc gán nhãn dữ liệu trong vòng 5 đến 10 năm tới. Chúng tôi tin rằng việc gán nhãn dữ liệu sẽ trở nên Phi tập trung hơn, tự phục vụ hơn và tự động hóa hơn.

**BlockBeats: Có thể bạn giới thiệu chi tiết hơn về sản phẩm và công nghệ của bạn, đặc biệt là những phần có thể đảm bảo chất lượng dữ liệu không? Tôi biết bạn có cơ chế thế chấp để ngăn chặn các nhân viên ghi chú làm điều ác, còn công nghệ khác không?

**Trevor：**Vâng, chúng tôi đang cố gắng nhiều phương pháp khác nhau. Chúng tôi có hệ thống danh tiếng, thế chấp và cơ chế trừng phạt. Sau khi thế chấp một khoản tiền nhất định, người đánh dấu sẽ bị phạt nếu họ không đạt được tiêu chuẩn. Các cơ chế này vẫn đang trong giai đoạn thử nghiệm sớm, nhưng chúng tôi đã phát hiện rằng chỉ cần cơ chế khích lệ này cũng có thể cải thiện đáng kể tính tuân thủ chất lượng, thậm chí có thể nâng cao nhiều độ lệch tiêu chuẩn. Tuy nhiên, chuỗi kiểm soát chất lượng này được thực hiện bằng trung bình có trọng số của các thuật toán khác nhau, chúng tôi cũng đang liên tục điều chỉnh các thuật toán này. Đồng thời, chúng tôi cũng đang sử dụng học máy để tối ưu hóa quá trình này. Ví dụ, chúng tôi sử dụng công cụ kiểm tra lỗi học máy và kiểm tra “thỏ đỏ”, tức cung cấp dữ liệu giả mạo cho người đánh dấu để kiểm tra xem họ có trung thực không.

Đây là một vấn đề lớn: Làm thế nào để biết liệu có ai đó đang tiến hành Tấn công Sybil trên mạng (tức là cố gắng gian lận và thao túng hệ thống)? Chúng ta phải luôn cảnh giác với điều này. Điều này cũng là lý do tại sao chúng tôi thích một số cơ chế động viên Web3, bởi vì những cơ chế này ban đầu được tạo ra để giải quyết các vấn đề tương tự như Tấn công Sybil và Bài toán vị tướng Byzantine, với mục đích đảm bảo rằng tuân thủ quy tắc phù hợp với lợi ích tốt nhất của mỗi người. Nếu bạn ích kỷ, bạn sẽ tuân thủ giao thức mạng.

Chúng tôi vẫn đang ở giai đoạn sớm. Đối với một số khách hàng lớn, chúng tôi đã triển khai phương pháp kiểm soát chất lượng truyền thống hơn, đồng thời chúng tôi đang tiến tới thế giới dữ liệu mới này một cách nhanh chóng.

BlockBeats: Anh nghĩ rằng ưu điểm lớn nhất của Sapien AI như một nền tảng gán nhãn dữ liệu Phi tập trung là gì?

Trevor: Như tôi đã nói, nền tảng của chúng tôi tự phục vụ nhiều hơn, cho phép chúng tôi phục vụ cơ sở khách hàng rộng hơn. Đối với người chú thích, yêu cầu của chúng tôi cũng rất rộng. Chúng tôi muốn bất cứ ai trở thành một nhà chú thích bởi vì chúng tôi tin rằng kỷ nguyên hoặc chương tiếp theo của AI sẽ là trích xuất nhiều kiến thức hiện có hơn từ con người. Nó không chỉ là những điều cơ bản như “đây là biển báo dừng” hoặc “đây là một chiếc xe” có thể dễ dàng nhận ra bởi con người và máy móc, mà còn là về lý luận.

Công ty Scale của Alex Wang đã đề cập đến vấn đề này: Dữ liệu trên Internet là kết quả của suy luận, nhưng không thực sự mô tả quá trình suy luận. Vậy nên, làm thế nào để hiểu sâu hơn về tư duy của con người? Điều này đòi hỏi nhiều công việc hơn, đòi hỏi sự đánh dấu chuyên nghiệp hơn. Điều này có thể giúp chúng ta tăng tốc độ phát triển Trí tuệ Nhân tạo tổng quát (AGI).

Vì vậy, nhiệm vụ lớn hơn của chúng tôi là: chúng ta có thể mở khóa thêm kiến thức trong tập dữ liệu riêng tư trong doanh nghiệp và trong tâm trí của các chuyên gia? Những chuyên gia này có kiến thức chuyên môn mà các mô hình chưa nắm vững trong một số lĩnh vực đặc thù (như y tế hoặc luật pháp).

Chúng tôi đang nỗ lực để nền tảng của chúng tôi có thanh khoản tối đa và duy trì cân bằng cung cầu. Chúng tôi muốn thực hiện định giá động, giống như Uber. Các cơ chế này làm cho chúng tôi trở thành một thị trường song phương thực sự, một bên đáp ứng nhu cầu dữ liệu, một bên giúp các nhân viên gắn nhãn tham gia. Đây là một số cách độc đáo chúng tôi xây dựng nền tảng. Về mặt đảm bảo chất lượng, chúng tôi sử dụng các công nghệ tôi đã đề cập trước đó trong thời gian thực. Chúng tôi hy vọng nhận được phản hồi thời gian thực càng nhiều càng tốt từ các nhân viên gắn nhãn, vì điều này sẽ tạo ra trải nghiệm tốt hơn cho mọi người.

Nhãn để kiếm tiền, tương lai của nền kinh tế công việc tạm thời

BlockBeats: Tôi đã nhận thấy rằng Sapien AI đã hợp tác với Yield Guild Games (YGG), một hội game, vậy cơ chế đánh dấu Phi tập trung của Sapien AI có thể hiểu là một trò chơi ‘label để kiếm’ không?

**Trevor：**Đúng hoàn toàn. Chúng tôi thực sự muốn tiếp cận thế giới của những người muốn kiếm sống bằng điện thoại di động, chúng tôi cho rằng đó là tương lai của nền kinh tế làm thêm. Bạn không cần một chiếc xe để lái Uber, không cần phải giao hàng tại một địa điểm cụ thể, bạn chỉ cần đăng nhập vào điện thoại di động, thực hiện đánh dấu dữ liệu và có thể kiếm được thu nhập.

YGG là một đối tác tuyệt vời, họ là một trong những nhà đầu tư thiên thần của chúng tôi. Chúng tôi có mối quan hệ tốt với người sáng lập Gabby, họ có một cộng đồng tuyệt vời tại Đông Nam Á. Chúng tôi có kế hoạch lớn với họ, hy vọng giúp người dùng của họ tìm thấy cách kiếm tiền mới, đồng thời họ cũng giúp chúng tôi có được người dùng mới. Chúng tôi vừa công bố một số dự án hợp tác, và còn nhiều kế hoạch khác đang được chuẩn bị cho tương lai. Trong phần lớn thời gian của quý 4, chúng tôi cũng sẽ tiếp tục gặp gỡ các đối tác ở châu Á và tiếp tục thúc đẩy hợp tác.

**BlockBeats: Bạn có ý kiến gì về trò chơi Khối链 《Axie Infinity》 dạng “chơi để kiếm” như vậy?

**Trevor：**Điều này rất sáng tạo, có thể nói là nguồn cảm hứng. Mặc dù chỉ là một cuộc thử nghiệm, nhưng tôi tin rằng nó sẽ trở lại dưới một hình thức mới. Đây là điều tuyệt vời của việc khởi nghiệp và sự đột phá phi tập trung, là một loại phá hủy sáng tạo.

Những gì chúng tôi đang làm thực sự có một số yếu tố “chơi để kiếm” , chúng tôi cũng có xu hướng sử dụng các thuật ngữ như “nhãn để kiếm” hoặc “đào tạo để kiếm”. Nhưng có sự khác biệt vì chúng tôi là một doanh nghiệp thực sự. Có dữ liệu thực sự được đánh dấu, khách hàng thực sự trả tiền mặt, và cuối cùng là một sản phẩm thực sự được sản xuất. Vì vậy, đây không chỉ là một trò chơi video vô tận.

Mặc dù việc gắn thẻ dữ liệu bằng Sapien AI rất thú vị, nhưng có thể không thú vị như chơi Grand Theft Auto V. Chúng tôi hy vọng đạt được sự cân đối tốt giữa sự thú vị và tính ứng dụng, làm cho nó vừa là điều bạn có thể làm trong 5 phút chờ xe buýt, vừa có thể là điều bạn có thể dành 5 giờ trước máy tính ở nhà. Mục tiêu của chúng tôi là làm cho nó thật dễ tham gia càng tốt.

BlockBeats: Bạn có cách nào làm cho việc gắn nhãn dữ liệu trở nên thú vị hơn, không chỉ là công việc mà còn giống như một trò chơi không?

**Trevor：**Vâng, chúng tôi đã thử nhiều cách. Bạn có thể truy cập game.sapien.io để trải nghiệm trò chơi này và gắn nhãn dữ liệu AI thực sự. Bạn có thể trở thành một nhân viên AI, đồng thời chơi game và gắn nhãn dữ liệu AI thực sự, cũng có thể kiếm điểm. Trò chơi này rất đơn giản, giao diện trực quan.

game.sapien.io giao diện trò chơi

Dữ liệu chính nó cũng rất thú vị. Bạn có thể cần gắn thẻ cho một số hình ảnh thú vị, ví dụ như gắn thẻ cho dữ liệu thời trang của chúng tôi. Chúng tôi đang dự định hỗ trợ các loại modal và bộ dữ liệu khác nhau. Chúng tôi có kế hoạch liên tục thêm vào nhiều tính năng hơn theo thời gian.

Kế hoạch tương lai: Xây dựng mạng lưới gán nhãn dữ liệu nhân tạo lớn nhất thế giới

BlockBeats: Ngoài YGG, bạn có kế hoạch hợp tác với các dự án mã hóa nào trong tương lai?

Do đó, chúng tôi đang hợp tác với những người khác trong lĩnh vực dữ liệu Phi tập trung để xây dựng tiêu chuẩn này ở giai đoạn đầu và có kế hoạch phát hành nó như một sản phẩm công cộng. Chúng tôi đã làm điều tương tự khi làm việc tại Polymath, chúng tôi đã phát hành ERC-1400, nó đã trở thành tiêu chuẩn mặc định trong mã hóa kỹ thuật số trên ETH.

Vì vậy, chúng tôi có một số ý tưởng về việc tạo ra các tiêu chuẩn và kế hoạch hợp tác với đội ngũ đã giúp chúng tôi trong quá khứ cũng như một số đối tác trong ngành để thúc đẩy quá trình này. Điều này sẽ làm cho Phi tập trung AI trở nên thực tế hơn và cũng sẽ làm cho nó có tính tương tác cao hơn, có nghĩa là dữ liệu có thể dễ dàng chuyển đổi giữa các bước khác nhau, vì không có ai có thể hoàn thành tất cả mọi thứ.

BlockBeats: Sapien AI Mạng chính và ngày phát hành ứng dụng di động cụ thể là khi nào?

**Trevor：**Hiện tại chúng tôi chưa có kế hoạch cụ thể cho việc phát hành. Hiện tại chúng tôi tập trung vào việc phù hợp thị trường của sản phẩm Web2 cốt lõi của chúng tôi. Dịch vụ tăng lên của chúng tôi rất tốt, hiện tại đã có nhãn giá từ 71 quốc gia khác nhau. Thu nhập từ phía người dùng cuối năm nay gần như tăng gấp đôi mỗi tháng.

Chúng tôi chỉ muốn tiếp tục phát triển, không ngừng hiểu khách hàng của chúng tôi và tiếp tục cung cấp dịch vụ cho họ. Theo thời gian, chúng tôi sẽ giữ mở lòng với các chiến lược và kỹ thuật khác nhau.

**BlockBeats: Tôi đã thấy Base đồng sáng lập viên Rowan Stone đã gia nhập Sapien AI và đảm nhận vị trí Giám đốc Phát triển Kinh doanh hàng đầu, Sapien AI sẽ được xây dựng trên chuỗi khối công cộng nào? Liệu họ có kế hoạch phát hành Token gốc không?

**Trevor：**Những điều này đều là những vấn đề rất có Độ sâu, tôi rất ngưỡng mộ. Rowan rất xuất sắc, anh ấy cùng Jesse Pollak thành lập Base, Jesse chắc chắn là một huyền thoại. Rowan có rất nhiều kinh nghiệm, không ai sánh kịp trong việc xây dựng sản phẩm Web3 cấp công nghiệp. Theo tôi, anh ấy là số một. Anh ấy tham gia và lãnh đạo sự kiện “Onchain Summer”, đó là một trong những sự kiện thành công nhất mà tôi nhớ đến.

Anh ấy đang giúp chúng tôi đề xuất chiến lược thị trường cho một số lĩnh vực. Tuy nhiên, như tôi vừa nói, chúng tôi hiện tập trung rất nhiều vào cung cấp dịch vụ cho khách hàng hiện tại của mình, đó là trọng tâm chính của chúng tôi. Chúng tôi vẫn chưa cam kết hoặc quyết định về bất kỳ Layer 1 hoặc phương diện nào. Nhưng trong tương lai, chúng tôi sẽ tiếp tục xem xét các khả năng khác nhau.

BlockBeats: Sapien AI có kế hoạch hoặc mục tiêu gì trong tương lai? Bạn hy vọng đạt được những cột mốc nào trong vài năm tới?

**Trevor: **Sứ mệnh của chúng tôi là tăng gấp 100 lần số lượng nhãn dữ liệu toàn cầu và cho phép bất kỳ ai dễ dàng kết nối vào mạng lưới này. Chúng tôi muốn xây dựng mạng lưới nhãn dữ liệu con người lớn nhất thế giới. Chúng tôi tin rằng điều này sẽ là một tài sản rất có giá trị, vì vậy chúng tôi muốn xây dựng và kiểm soát nó, nhưng cuối cùng sẽ mở nó ra. Chúng tôi hy vọng bất kỳ ai cũng có thể kết nối vào mà không cần bất kỳ giấy phép nào.

Nếu chúng ta có thể xây dựng mạng lưới gán nhãn dữ liệu nhân tạo lớn nhất thế giới, điều này sẽ mở khóa một lượng lớn khả năng AI tiềm năng, bởi vì càng có nhiều dữ liệu chất lượng cao mà chúng ta sở hữu, thì AI sẽ càng mạnh mẽ hơn và cũng càng hữu ích cho tất cả mọi người.

Chúng tôi muốn nó hoạt động cho tất cả mọi người, không chỉ các công ty mô hình ngôn ngữ lớn có thể đủ khả năng chi trả cho một mạng lưới hàng triệu người chú thích. Bây giờ, bất cứ ai cũng có thể sử dụng mạng này. Bạn có thể nghĩ về nó như một nền tảng “dán nhãn như một dịch vụ”.

Đằng sau Phi tập trung: Nhiệm vụ của doanh nhân là giải quyết vấn đề

BlockBeats: Cuối cùng, tôi muốn hỏi ý kiến ​​của bạn về ngành công nghiệp này và quan điểm của bạn. Bạn cho rằng trong lĩnh vực mã hóa AI hiện tại còn những tiềm năng chưa được khai thác?

**Trevor：**Tôi rất hào hứng với lĩnh vực này, đó cũng là lý do chúng tôi thành lập Sapien AI. Đây có mặt tốt, cũng có mặt cần phải đề phòng.

Mặt tích cực là, trí tuệ nhân tạo Phi tập trung có thể tự chủ hơn, dân chủ hơn, dễ truy cập hơn và mạnh mẽ hơn. Điều này có nghĩa là các đại lý trí tuệ nhân tạo có thể thực hiện giao dịch bằng đồng tiền nguyên gốc của chính mình, điều này cũng có nghĩa là bạn có thể có nhiều quyền riêng tư hơn và có thể biết chính xác những gì được bao gồm trong mô hình thông qua công nghệ ZK.

Trong việc phòng chống, chúng ta đang đối mặt với một thế giới rất đáng sợ, trong thế giới này, AI ngày càng trở nên tập trung, chỉ có chính phủ và một số công ty công nghệ lớn mới có thể tiếp cận các mô hình mạnh mẽ. Đây là một cảnh tượng khá đáng sợ. Do đó, AI mã nguồn mở và phi tập trung là một biện pháp phòng ngự.

Đối với chúng tôi, chúng tôi tập trung hơn vào mặt dữ liệu, tập trung vào dữ liệu phi tập trung. Điều này không có nghĩa là bạn không thể tập trung vào các phần khác của AI stack, chẳng hạn như tính toán và thuật toán chính. Giống như Transformer là sự đổi mới đầu tiên trong mặt thuật toán, chúng tôi đã thấy nhiều sự đổi mới nhưng vẫn còn khoảng trống để cải thiện.

Phi tập trung并不意味着你应该这么做，仅仅因为你可以Phi tập trung某些东西并不意味着你就应该这么做。最终必须要有真正的价值。但就像金融和 Web3 空间的其他部分一样，AI 肯定可以从Phi tập trung中受益。

BlockBeats：对于想要进入mã hóa AI 领域的创业者，您最想给出什么建议？

**Trevor：**Tôi đề xuất học càng nhiều càng tốt, thực sự hiểu rõ ngăn xếp công nghệ và kiến trúc. Bạn không nhất thiết phải trở thành tiến sĩ học máy, nhưng hiểu nguyên lý hoạt động và nghiên cứu nó rất quan trọng. Bắt đầu từ đây, theo thời gian, bạn sẽ hiểu vấn đề một cách tự nhiên hơn. Điều này quan trọng.

Nếu bạn không hiểu hoạt động của nó, bạn sẽ không hiểu vấn đề đang ở đâu. Và nếu bạn không biết vấn đề ở đâu, bạn không nên trở thành một nhà sáng lập doanh nghiệp, vì công việc của nhà sáng lập doanh nghiệp là giải quyết vấn đề.

Vì vậy, điều này không khác gì so với bất kỳ công ty khởi nghiệp nào khác, bạn nên hiểu rõ lĩnh vực này. Bạn không cần phải là chuyên gia hàng đầu toàn cầu trong lĩnh vực này, nhưng cần đủ hiểu biết để có thể hiểu vấn đề và sau đó cố gắng giải quyết vấn đề đó.