Khám phá công cụ AI y tế, QBio , tập trung vào phân loại mật độ vú và tạo báo cáo minh bạch. Tải ảnh chụp X-quang lên và trong vòng vài phút, bạn sẽ nhận được thông tin mật độ vú của mình là A, B, C hay D, cùng với báo cáo chi tiết giải thích quá trình ra quyết định.
Nó được phát triển bởi Fetch và Hybrid. QBio chỉ là món khai vị, và ngôi sao thực sự là ASI-1 Mini.
Fetch là một dự án rất cũ. Trong những năm Defi chiếm trọn sự chú ý của toàn thị trường, Fetch tập trung vào AI + Crypto và luôn chú trọng vào nghiên cứu, phát triển công nghệ chung và ứng dụng các tác nhân đa mô hình.
ASI-1 Mini là gì
Vào tháng 2 năm nay, Fetch đã ra mắt mô hình ngôn ngữ lớn (LLM) gốc Web3 đầu tiên trên thế giới - ASI-1 Mini. Web3 native là gì? Nói một cách đơn giản, nó được tích hợp liền mạch với blockchain, cho phép bạn không chỉ sử dụng AI mà còn đầu tư, đào tạo và sở hữu AI thông qua token $FET và ví ASI.
Vậy ASI-1 Mini thực chất là gì?
Đây là mô hình ngôn ngữ lớn được thiết kế riêng cho AI có khả năng phối hợp nhiều tác nhân AI và xử lý các tác vụ phức tạp gồm nhiều bước.
Ví dụ, tác nhân suy luận ASI <TRAIN/> đằng sau QBio là một phần của ASI-1 Mini. Nó không chỉ có thể phân loại mật độ vú mà còn giải thích quá trình ra quyết định và giải quyết vấn đề hộp đen của AI. Hơn nữa, ASI-1 Mini chỉ cần hai GPU để chạy, chi phí rất thấp so với các LLM khác (chẳng hạn như DeepSeek yêu cầu 16 GPU H100), khiến nó phù hợp để sử dụng tại các tổ chức vừa và nhỏ.
ASI-1 Mini đổi mới như thế nào
Có hiệu suất tương đương với các LLM hàng đầu nhưng có chi phí phần cứng thấp hơn đáng kể, ASI-1 Mini có các chế độ suy luận động và khả năng thích ứng tiên tiến để đưa ra quyết định hiệu quả hơn và phù hợp với ngữ cảnh hơn.
MoM và MoA
Đây đều là từ viết tắt. Đừng sợ, chúng rất đơn giản: Hỗn hợp các mô hình (MoM), Hỗn hợp các tác nhân (MoA)
Hãy tưởng tượng một nhóm chuyên gia AI, mỗi người tập trung vào một nhiệm vụ khác nhau và làm việc cùng nhau một cách liền mạch. , không chỉ có thể cải thiện hiệu quả mà còn làm cho quá trình ra quyết định trở nên minh bạch hơn. Ví dụ, trong phân tích hình ảnh y tế, MoM có thể chọn một mô hình chuyên về nhận dạng hình ảnh và một mô hình khác chuyên về tạo văn bản, và MoA chịu trách nhiệm phối hợp đầu ra của hai mô hình này để đảm bảo báo cáo cuối cùng vừa chính xác vừa dễ đọc.
Tính minh bạch và khả năng mở rộng
LLM truyền thống thường là một hộp đen. Bạn hỏi nó những câu hỏi và nó sẽ trả lời bạn, nhưng xin lỗi, tôi không thể cho bạn biết tại sao nó lại trả lời như vậy. ASI-1 Mini thì khác. Bằng cách tiếp tục lý luận theo nhiều bước, bạn có thể biết tôi chọn câu trả lời này vì những lý do sau, điều này rất quan trọng, đặc biệt là trong lĩnh vực y tế.
Cửa sổ ngữ cảnh của ASI-1 Mini sẽ được mở rộng lên 10 triệu mã thông báo, hỗ trợ các khả năng đa phương thức (như xử lý hình ảnh và video). Trong tương lai, dòng sản phẩm Cortex sẽ được ra mắt, tập trung vào các lĩnh vực tiên tiến như robot và công nghệ sinh học.
Hiệu quả phần cứng
Trong khi các LLM khác đòi hỏi chi phí phần cứng cao thì ASI-1 Mini chỉ cần hai GPU để chạy. Điều này có nghĩa là ngay cả một phòng khám nhỏ cũng có thể chi trả được mà không cần đến một trung tâm dữ liệu trị giá hàng triệu đô la.
Tại sao nó lại hiệu quả như vậy? Bởi vì triết lý thiết kế của ASI-1 Mini là càng ít càng tốt. Nó tối đa hóa việc sử dụng các tài nguyên máy tính hạn chế bằng cách tối ưu hóa các thuật toán và cấu trúc mô hình. Ngược lại, các LLM khác có xu hướng theo đuổi các mô hình quy mô lớn hơn, dẫn đến tiêu thụ nhiều tài nguyên hơn.
Cộng đồng thúc đẩy
Không giống như các mô hình ngôn ngữ lớn khác, ASI-1 Mini là mô hình phi tập trung và do cộng đồng điều hành. ASI-1 Mini là sản phẩm freemium theo từng cấp dành cho người nắm giữ $FET, những người có thể kết nối với ví Web3 để mở khóa đầy đủ chức năng. Bạn càng giữ nhiều token FET trong ví thì bạn càng có thể khám phá nhiều hơn các khả năng của mô hình.
Mô hình do cộng đồng thúc đẩy này giống như hình thức huy động vốn cộng đồng, ngoại trừ việc nó được sử dụng để đào tạo và xác minh trí tuệ nhân tạo. Công nghệ cao không còn chỉ dành cho giới thượng lưu nữa mà mọi người đều có thể tham gia.
Bây giờ LLM đã tương đối hoàn thiện, tại sao chúng ta cần phải phát triển một ASI-1 Mini riêng biệt? Nó dễ hiểu và lấp đầy khoảng trống trong việc tích hợp Web3 và AI.
Hiện tại, LLM (như ChatGPT và Grok) chủ yếu phục vụ cho môi trường tập trung, trong khi ASI-1 Mini là LLM đầu tiên được thiết kế cho hệ sinh thái phi tập trung. Nó không chỉ làm cho AI minh bạch và hiệu quả hơn mà còn cho phép các thành viên cộng đồng được hưởng lợi trực tiếp từ sự phát triển của AI.
Sự xuất hiện của ASI-1 Mini đánh dấu sự chuyển đổi của AI từ “hộp đen” sang “minh bạch”, từ “tập trung” sang “phi tập trung”, và từ “công cụ” sang “tài sản”. Nó không chỉ có thể đóng vai trò trong lĩnh vực y tế (như QBio) mà còn cho thấy tiềm năng trong nhiều lĩnh vực như tài chính, luật pháp và nghiên cứu khoa học.
Tháng này, Fetch đã hợp tác với Rivalz để tích hợp ASI-1 Mini vào Hệ thống điều phối dữ liệu tác nhân (ADCS) của Rivalz để cho phép suy luận AI trên chuỗi. Với sự hợp tác này, các ứng dụng phi tập trung có thể truy cập vào khả năng suy luận AI tiên tiến trực tiếp trên blockchain.
Môi trường blockchain truyền thống bị giới hạn bởi tài nguyên và hợp đồng thông minh chỉ có thể xử lý các tác vụ nhẹ. Họ thường lấy dữ liệu đơn giản (như giá cả) thông qua các nhà tiên tri và không thể trực tiếp chạy các mô hình AI phức tạp. ADCS giải quyết vấn đề này một cách hoàn hảo. Các tính toán phức tạp về suy luận của AI được hoàn thành ngoài chuỗi và kết quả được trả về blockchain một cách an toàn, đảm bảo tính phi tập trung và tin cậy.
