Tác giả:a16z crypto

Biên dịch: Deep Tide TechFlow

Năm nay, AI sẽ đảm nhận nhiều nhiệm vụ nghiên cứu thực chất hơn

Là một nhà kinh tế học toán, vào tháng 1/2025, tôi rất khó để khiến các mô hình AI tiêu dùng hiểu được quy trình làm việc của mình; tuy nhiên đến tháng 11/2025, tôi đã có thể ra chỉ thị cho mô hình AI giống như giao nhiệm vụ trừu tượng cho một nghiên cứu sinh tiến sĩ... và đôi khi chúng còn trả về những câu trả lời mới mẻ và chính xác. Ngoài trải nghiệm cá nhân của tôi, AI đang được áp dụng rộng rãi hơn trong lĩnh vực nghiên cứu, đặc biệt là trong lĩnh vực suy luận. Những mô hình này không chỉ trực tiếp hỗ trợ quá trình khám phá, mà còn có thể tự giải quyết những bài toán hóc búa như Vấn đề Putnam (có lẽ là kỳ thi toán học đại học khó nhất thế giới).

Hiện vẫn chưa rõ hình thức hỗ trợ nghiên cứu này sẽ giúp ích nhiều nhất trong những lĩnh vực nào và cụ thể thực hiện như thế nào. Nhưng tôi dự đoán, năm nay nghiên cứu AI sẽ thúc đẩy và tưởng thưởng cho một phong cách nghiên cứu "đa năng" hoàn toàn mới: phong cách này chú trọng hơn vào việc hình dung mối quan hệ giữa các ý tưởng khác nhau và có thể nhanh chóng suy luận từ những câu trả lời mang tính giả định hơn.

Những câu trả lời này có thể không hoàn toàn chính xác, nhưng chúng vẫn có thể định hướng nghiên cứu đi đúng hướng (ít nhất là trong một cấu trúc liên kết nào đó). Trớ trêu thay, điều này hơi giống với việc tận dụng sức mạnh "ảo giác" của mô hình: khi mô hình "đủ thông minh", trao cho chúng không gian trừu tượng để kích thích tư duy, vẫn có thể tạo ra một số kết quả vô nghĩa — nhưng đôi khi cũng mang lại những khám phá đột phá, giống như con người khi làm việc không theo tư duy tuyến tính hoặc phương hướng rõ ràng lại có thể sáng tạo nhất.

Suy luận theo cách này đòi hỏi một phong cách quy trình làm việc AI mới — không chỉ là tương tác "đại lý với đại lý" đơn giản, mà là mô hình cộng tác phức tạp "đại lý lồng đại lý". Trong mô hình này, các mô hình ở các cấp độ khác nhau hỗ trợ nhà nghiên cứu đánh giá phương án của các mô hình ban đầu và dần dần tinh chỉnh ra những tinh hoa. Bản thân tôi đã sử dụng phương pháp này để viết luận văn, trong khi những người khác thì đang tìm kiếm bằng sáng chế, phát minh ra các hình thức tác phẩm nghệ thuật mới, thậm chí (đáng tiếc là) phát hiện ra các hình thức tấn công hợp đồng thông minh mới.

Tuy nhiên, để vận hành sự kết hợp các đại lý suy luận lồng nhau này nhằm phục vụ nghiên cứu, vẫn cần khả năng tương tác tốt hơn giữa các mô hình, và một phương pháp nhận diện và đền bù thích đáng cho đóng góp của từng mô hình — và những vấn đề này, có lẽ công nghệ blockchain có thể giúp giải quyết.

— Scott Kominers(@skominers), thành viên nhóm nghiên cứu crypto a16z, Giáo sư Trường Kinh doanh Harvard

Từ "Biết Khách hàng của Bạn" (KYC) đến "Biết Đại lý của Bạn" (KYA): Sự chuyển đổi của xác thực danh tính

Nút thắt cổ chai của nền kinh tế đại lý đang chuyển từ thông minh sang xác thực danh tính. Trong lĩnh vực dịch vụ tài chính, số lượng "danh tính phi con người" hiện nay đã vượt quá 96 lần so với nhân viên con người — tuy nhiên, những "danh tính" này vẫn là những "bóng ma" không thể tiếp cận các dịch vụ ngân hàng.

Cơ sở hạ tầng then chốt còn thiếu ở đây chính là "Biết Đại lý của Bạn" (KYA, Know Your Agent). Giống như con người cần điểm tín dụng để vay vốn, đại lý cũng cần chứng chỉ được ký số bằng mật mã để giao dịch — những chứng chỉ này liên kết đại lý với chủ thể, các ràng buộc và trách nhiệm của nó. Trước khi cơ sở hạ tầng này được thiết lập, các thương gia sẽ tiếp tục chặn các đại lý này tại tường lửa.

Ngành công nghiệp đã xây dựng cơ sở hạ tầng KYC (Biết Khách hàng của Bạn) trong vài thập kỷ qua, giờ đây chỉ còn vài tháng để nghiên cứu cách triển khai KYA.

— Sean Neville(@psneville), Đồng sáng lập Circle, Kiến trúc sư USDC; Giám đốc điều hành Catena Labs

Giải quyết vấn đề "Thuế ẩn" của mạng mở: Thách thức kinh tế trong thời đại AI

Sự trỗi dậy của đại lý AI đang áp đặt một "thuế ẩn" lên các mạng mở, về cơ bản làm xáo trộn nền tảng kinh tế của chúng. Sự xáo trộn này bắt nguồn từ sự không phù hợp ngày càng gia tăng giữa "lớp ngữ cảnh" (Context layer) và "lớp thực thi" (Execution layer) của internet: hiện tại, đại lý AI trích xuất dữ liệu từ các trang web dựa vào quảng cáo (lớp ngữ cảnh), cung cấp sự tiện lợi cho người dùng, đồng thời lại hệ thống bỏ qua nguồn thu nhập duy trì nội dung (như quảng cáo và đăng ký).

Để ngăn chặn sự suy thoái dần của mạng mở (và bảo vệ nội dung đa dạng cung cấp nhiên liệu cho AI), chúng ta cần triển khai hàng loạt các giải pháp kỹ thuật và kinh tế. Những giải pháp này có thể bao gồm mô hình nội dung được tài trợ thế hệ tiếp theo, hệ thống vi quy kết (micro-attribution) hoặc các mô hình hỗ trợ tài chính mới khác. Tuy nhiên, các giao thức cấp phép AI hiện có đã chứng minh là không bền vững về mặt tài chính, những giao thức này thường chỉ có thể bù đắp một phần nhỏ thu nhập bị mất của nhà cung cấp nội dung do lưu lượng truy cập bị phân tán bởi AI.

Mạng lưới đang rất cần một mô hình kinh tế kỹ thuật mới, cho phép giá trị có thể tự động lưu chuyển. Sự chuyển đổi then chốt trong năm tới sẽ là từ các mô hình cấp phép tĩnh sang cơ chế bồi thường dựa trên việc sử dụng thời gian thực. Điều này có nghĩa là cần phải kiểm tra và mở rộng các hệ thống liên quan — có thể tận dụng các khoản thanh toán nano (nanopayments) được hỗ trợ bởi blockchain và các tiêu chuẩn quy kết phức tạp — để tự động thưởng cho mọi thực thể đóng góp thông tin giúp đại lý AI hoàn thành nhiệm vụ thành công.

— Liz Harkavy(@liz_harkavy), Nhóm đầu tư crypto a16z