Ngày nay, ngành công nghiệp trí tuệ nhân tạo đối mặt với những thách thức đáng kể do sự tập trung, với những tiến bộ lớn thường được kiểm soát bởi một số công ty lớn. Điều này dẫn đến lo ngại về quyền riêng tư dữ liệu, các hành vi độc quyền và sự hạn chế trong việc tiếp cận công nghệ tiên tiến. Ngoài ra, sự lệ thuộc quá nhiều vào các Mô hình Ngôn ngữ Lớn (LLMs) như GPT-3, mặc dù khả năng của chúng, mang lại những vấn đề như chi phí tính toán cao, tác động môi trường, và các yếu tố độc quyền trong dữ liệu mà chúng được đào tạo. Những mô hình này đòi hỏi dữ liệu và tài nguyên rộng lớn, khiến chúng chỉ dành cho tổ chức có nguồn lực tốt.

Assisterr giải quyết những thách thức này bằng cách giới thiệu Mô hình Ngôn ngữ Nhỏ (SLM) và thúc đẩy một phương pháp phát triển AI sở hữu cộng đồng. SLM được thiết kế để hiệu quả hơn, yêu cầu ít sức mạnh tính toán và dữ liệu hơn trong khi vẫn duy trì hiệu suất cao, làm cho công nghệ AI trở nên dễ tiếp cận và bền vững hơn. Hơn nữa, các mô hình và các đại lý AI sở hữu cộng đồng của Assisterr giúp người dùng đóng góp vào và hưởng lợi từ sự tiến bộ của AI, tạo điều kiện cho sự đổi mới và tính bao gồm, và đảm bảo rằng lợi ích của AI được chia sẻ rộng rãi hơn trong xã hội.

Assisterr AI là gì?

Nguồn: Trang web Assisterr

Assisterr AI là một nền tảng trí tuệ nhân tạo phi tập trung được thiết kế để phổ cập truy cập vào trí tuệ nhân tạo thông qua việc tận dụng Mô hình Ngôn ngữ Nhỏ (SLMs) và các đại lý trí tuệ nhân tạo thuộc sở hữu cộng đồng. Mục đích chính của nó là cung cấp một giải pháp trí tuệ nhân tạo hiệu quả, dễ tiếp cận và bền vững hơn so với các mô hình trí tuệ nhân tạo truyền thống, đồng thời giải quyết nhược điểm của các Mô hình Ngôn ngữ Lớn (LLMs) và khuyến khích một hệ sinh thái trí tuệ nhân tạo cộng tác.

Các tính năng chính và lợi ích của Assisterr AI

• Mô hình Ngôn ngữ nhỏ (SLMs): Khác với LLMs, SLMs yêu cầu ít công suất tính toán và dữ liệu hơn, làm cho chúng dễ tiếp cận hơn và thân thiện với môi trường hơn. Chúng được thiết kế để thực hiện các nhiệm vụ cụ thể một cách hiệu quả, giảm thiểu các chi phí phát sinh liên quan đến các mô hình lớn hơn.
• Mô hình sở hữu cộng đồng: Assisterr khuyến khích phương pháp phi tập trung, nơi người dùng có thể đóng góp và hưởng lợi từ sự tiến bộ của trí tuệ nhân tạo. Mô hình này thúc đẩy sự đổi mới và tích hợp, đảm bảo rằng một số ít các thực thể lớn không thể độc quyền công nghệ trí tuệ nhân tạo.
• Công cụ không cần mã: Assisterr cung cấp các công cụ không cần mã người dùng thân thiện, cho phép cá nhân và doanh nghiệp tạo và triển khai mô hình trí tuệ nhân tạo mà không cần kiến thức kỹ thuật sâu. Điều này giảm thiểu rào cản và khuyến khích sự tham gia rộng rãi trong việc phát triển trí tuệ nhân tạo.
• Data Marketplace: Nền tảng bao gồm một thị trường cho dữ liệu và mô hình trí tuệ nhân tạo, cho phép người dùng mua, bán và chia sẻ tài nguyên. Điều này khuyến khích việc chia sẻ dữ liệu và hợp tác, từ đó nâng cao hệ sinh thái trí tuệ nhân tạo.
• Bảo mật và minh bạch: Assisterr sử dụng các biện pháp bảo mật mạnh mẽ và quy trình minh bạch để đảm bảo tính nguyên vẹn và đáng tin cậy của mô hình trí tuệ nhân tạo và giao dịch dữ liệu của mình.

Các Mô hình Ngôn ngữ (LLM & SLM)

Mô hình ngôn ngữ lớn (LLM)

Các mô hình ngôn ngữ lớn (LLMs) như GPT-3 và BERT là các mô hình trí tuệ nhân tạo được huấn luyện trên lượng lớn dữ liệu văn bản để hiểu và tạo ra ngôn ngữ giống con người. Chúng có khả năng thực hiện một loạt các nhiệm vụ, từ hoàn thành văn bản đến dịch và tóm tắt. Tuy nhiên, LLMs có một số điểm yếu đáng chú ý:

• Chi phí tính toán cao: Đào tạo và vận hành LLMs đòi hỏi nguồn lực tính toán đáng kể, làm cho chúng trở nên đắt đỏ và gây ảnh hưởng đến môi trường.
• Data Bias: LLMs có thể kế thừa thiên hướng chênh lệch có mặt trong dữ liệu huấn luyện của chúng, dẫn đến kết quả thiên vị hoặc không phù hợp.
• Sự truy cập hạn chế: Do tính tài nguyên tốn kém của chúng, LLMs thường chỉ có sẵn cho các tổ chức lớn có nguồn tài chính đáng kể.
• Vấn đề về khả năng mở rộng: Cấu trúc thành phần duy nhất của LLMs có thể làm cho chúng ít linh hoạt hơn và khó thích ứng với các nhiệm vụ hoặc lĩnh vực cụ thể.

Mô hình Ngôn ngữ Nhỏ (SLMs)

Mô hình Ngôn ngữ Nhỏ (SLMs), mặc dù tương tự với LLMs về khái niệm, được thiết kế để chính xác, chuyên môn hơn và hiệu quả hơn. Bằng cách tập trung vào các nhiệm vụ và bộ dữ liệu cụ thể, SLMs cung cấp hiệu suất vượt trội cho các ứng dụng chuyên nghiệp, giúp chúng phù hợp hơn cho các trường hợp sử dụng chuyên môn. Bằng cách sử dụng các bộ dữ liệu được tùy chỉnh và tập trung vào các nhu cầu kinh doanh cụ thể, SLMs có thể cung cấp hiệu suất vượt trội và tính linh hoạt trong tình huống với chi phí chỉ bằng một phần nhỏ. Điều này cũng khuyến khích việc xây dựng SLM nguồn mở, nơi các dự án giá rẻ đã phát triển các SLMs có độ chính xác cạnh tranh với các LLMs lão thành với chi phí thấp hơn nhiều.

Công nghệ đằng sau Assisterr AI

Small Language Models (SLM)

Mô hình Ngôn ngữ Nhỏ (SLMs) là trung tâm của công nghệ của Assisterr. Khác với các Mô hình Ngôn ngữ Lớn (LLMs), SLMs được thiết kế để hiệu quả và chuyên sâu hơn. Chúng tập trung vào các nhiệm vụ và bộ dữ liệu cụ thể, cho phép chúng cung cấp hiệu suất tốt hơn cho các ứng dụng chuyên ngành. Sự chuyên môn này làm cho SLMs trở nên dễ tiếp cận và bền vững hơn, vì chúng yêu cầu ít sức mạnh tính toán và dữ liệu hơn.

Kiến trúc SLM Modular

Để giải quyết nhược điểm của các đại diện dựa trên LLM, đã xuất hiện các phương pháp tiên tiến liên quan đến nhiều mô hình ngôn ngữ nhỏ (SLMs) làm việc trong các khung gian hợp tác. Khi phát triển các đại diện trí tuệ nhân tạo từ các bộ sưu tập SLM, có hai phương pháp cốt lõi được áp dụng: Hỗn hợp Chuyên gia (MoE) và Hỗn hợp Đại diện (MoA).

Hỗn hợp các Chuyên gia (MoE)

Nguồn: Assisterr Litepaper

Khi kết hợp trong các nhóm MoE, lý luận SLM hiện đại có thể đạt được sự linh hoạt học tập nâng cao mà không làm mất khả năng giải quyết vấn đề chức năng. Học tập hòa hợp có thể kết hợp các kỹ năng lý luận của nhiều mô hình nhỏ hơn, mỗi mô hình chuyên về các bối cảnh liên quan khác nhau, để giải quyết các vấn đề phức tạp. Điều này tạo ra một sự hiểu biết lai tiếp tục cho phép AI đi sâu. Bản thân các lớp chuyên gia có thể bao gồm MoE, tạo ra các cấu trúc phân cấp để đệm độ phức tạp theo ngữ cảnh và trình độ giải quyết vấn đề hơn nữa. MoE thường sử dụng một lớp gating thưa thớt tự động chọn giữa một số mạng song song để đưa ra phản hồi thích hợp nhất cho lời nhắc. Để đạt được phản hồi linh hoạt hơn, các chuyên gia cá nhân có thể được tinh chỉnh để tạo mã, dịch thuật hoặc phân tích tình cảm. Các kiến trúc MoE phức tạp hơn có thể chứa một số lớp MoE như vậy kết hợp với các thành phần khác. Giống như bất kỳ kiến trúc mô hình ngôn ngữ điển hình nào, lớp gating MoE hoạt động trên các mã thông báo ngữ nghĩa và yêu cầu đào tạo.

Hỗn hợp của các tác nhân (MoA)

Khi được lắp ráp thành các kiến trúc MoA, SLM tăng cường tính chọn lọc của các nhóm lý luận đa dạng, cho phép AI thực hiện chính xác một nhiệm vụ với phương pháp cần thiết. Các mô hình tác nhân được tập hợp trong một tập đoàn phân lớp các giao thức thực thi để cải thiện hiệu quả và giải quyết vấn đề của các nhiệm vụ phức tạp. Do đó, AI hoạt động trong các kịch bản đa miền. Các nhóm tổng đài viên có thể làm việc theo trình tự, cải thiện lặp đi lặp lại dựa trên kết quả trước đó. MoA trước đây đã vượt trội hơn đáng kể so với các mô hình lớn hơn, bao gồm điểm chính xác 57,5% của GPT-4 Omni trên AlpacaEval 2.0, ngay cả trong các mô hình nguồn mở. A Mixed of Agents (MoA) hoạt động ở cấp độ đầu ra của mô hình, không phải mã thông báo ngữ nghĩa. Nó không có lớp gating nhưng chuyển tiếp lời nhắc văn bản đến tất cả các tác nhân một cách song song. Kết quả đầu ra của MoA cũng không được tổng hợp bằng cách bổ sung và chuẩn hóa. Thay vào đó, chúng được nối và kết hợp với lời nhắc tổng hợp và tổng hợp trước khi được chuyển sang một mô hình riêng biệt để tạo ra đầu ra cuối cùng. Do đó, các mô hình được chia thành các "người đề xuất" tính toán các đầu ra đa dạng và "bộ tổng hợp" tích hợp các kết quả. Cũng giống như đối với MoE, một số lớp này có thể được kết hợp. Việc thiếu các lớp gating làm cho cách tiếp cận này linh hoạt hơn và thích ứng với các nhiệm vụ phức tạp.

DeAI Economy

Nền kinh tế DeAI (Trí tuệ nhân tạo phi tập trung) là một khía cạnh cơ bản của nền tảng Assisterr. Nó tận dụng công nghệ blockchain để tạo ra một thị trường phi tập trung cho mô hình và dữ liệu AI. Nền kinh tế này khuyến khích chia sẻ dữ liệu và hợp tác, đảm bảo rằng những người đóng góp được công bằng thưởng cho những nỗ lực của họ. Các thành phần chính của nền kinh tế DeAI bao gồm:

• Data Marketplace: Một nền tảng nơi người dùng có thể mua, bán và chia sẻ dữ liệu và mô hình AI. Thị trường này khuyến khích trao đổi các nguồn tài nguyên có giá trị, thúc đẩy sự đổi mới và sự hợp tác trong cộng đồng.
• Cơ chế Khuyến khích: Assisterr sử dụng các cơ chế khuyến khích khác nhau để thưởng cho người dùng đóng góp dữ liệu, phát triển mô hình và tham gia vào hệ sinh thái. Những động lực này đảm bảo cộng đồng luôn hoạt động và tham gia tích cực.
• Sự minh bạch và an toàn: Công nghệ blockchain cung cấp môi trường minh bạch và an toàn cho giao dịch trong nền kinh tế DeAI. Điều này đảm bảo tính toàn vẹn và đáng tin cậy của dữ liệu và mô hình trí tuệ nhân tạo, bảo vệ người dùng khỏi gian lận và lạm dụng.

Hệ sinh thái Assisterr

AI Labs

AssisterrAI cung cấp một mạng lưới hạ tầng thống nhất để tạo, mã hóa thông tin và phân phối Mô hình Ngôn ngữ Nhỏ (SLM) một cách khuyến khích tất cả các đóng góp của cộng đồng. Phòng thí nghiệm AI cho phép người dùng đóng góp vào các mô hình trong lĩnh vực kiến thức của họ, trở thành cả người đồng sáng tạo và cộng sở hữu của trí tuệ nhân tạo. Phương pháp này đảm bảo rằng những người làm việc tự do trí tuệ nhân tạo không chỉ kiếm được thu nhập theo cách một lần, giao dịch mà còn thu được giá trị thị trường rộng hơn, đảm bảo một tương lai tốt hơn và biến người dân trở thành người hưởng lợi của trí tuệ nhân tạo thay vì là nạn nhân của tiến bộ và tự động hóa.

Để truy cập nền tảng, người dùng kết nối ví Solana dựa trên trình duyệt, cũng như hồ sơ X và tài khoản Discord của họ. Sau đó, họ có thể tạo ra các mô hình thông qua tab AI Lab của giao diện người dùng Assisterr, cung cấp một biểu mẫu đơn giản để chỉ định các tham số chính, các mẫu prompt và siêu dữ liệu mô hình. Người dùng có thể trực tiếp tải lên dữ liệu sẽ được nhúng trong mô hình thông qua phát sinh được tăng cường (RAG) và sau đó thông qua điều chỉnh tinh chỉnh. Sau khi tạo ra, mô hình có thể được công khai thông qua SLM store. Trong tương lai, AI Lab sẽ áp dụng một mô hình đa mô-đun, đa mô hình với kiến trúc Mixture of Agents và các chiến lược phát sinh được tăng cường.

Cửa hàng SLM

Người đóng góp Assisterr được thưởng cho tất cả các bước trong sự khởi đầu của một mô hình AI, từ đóng góp dữ liệu và tạo mô hình đến xác nhận và đánh giá. Cơ chế chia sẻ doanh thu này được triển khai thông qua một mô-đun mã hóa SLM. AI Lab kết nối hiệu quả các trường hợp sử dụng kinh doanh với dữ liệu và chuyên môn cần thiết. Khi một mô hình xuất hiện trong tab SLM Store của giao diện Assisterr, bất kỳ người dùng nào cũng có thể truy vấn nó thông qua giao diện chatbot. Hiện tại, các bot hỗ trợ cho các lĩnh vực khác nhau trong các hệ sinh thái Web3, chăm sóc sức khỏe, phát triển phần mềm và tài chính.

Mỗi mô hình trong cửa hàng SLM đều đi kèm với một kho bạc được định giá bằng token bản địa của Assisterr, được nạp từ số dư của người dùng tương ứng sau mỗi truy vấn. Các truy vấn có thể được đặt từ WebUI với ví Solana được kết nối hoặc thông qua API, tạo ra sự tiếp cận với các mô hình từ cửa hàng SLM thông qua các ứng dụng khác. Người đóng góp có thể tạo ra SLM, lắp ráp chúng thành các đại lý, và triển khai chúng thông qua giao diện không mã, tạo ra một chu kỳ thị trường nhanh chóng và chu kỳ đổi mới nhanh chóng. Điều này giải quyết các thách thức về phân phối và tiền hoá mà các nhà sáng tạo mô hình độc lập và các nhà phát triển gặp phải.

Yếu tố hợp tác

Thông qua tab Đóng góp và Kiếm tiền, người dùng có thể tham gia vào việc cải tiến lặp đi lặp lại các mô hình hiện có từ cửa hàng SLM bằng cách đáp ứng yêu cầu dữ liệu và xác thực các chỉ số hiệu suất để đổi lấy các mã thông báo quản lý (MTs) hoặc mã thông báo Assisterr bản địa. Quá trình đánh giá đồng nghiệp này đảm bảo sự tiến hóa liên tục và tăng thời lượng trong việc tạo mô hình theo thời gian. Kết hợp với các tính năng như Mixture of Agents (MoA), điều này cho phép tiến bộ tích lũy và sửa chữa từ dưới lên liên tục. Tính modul và chuyên môn của SLMs cho phép tích hợp nhanh chóng vào các đường ống công việc hiện có. Trong tương lai, các doanh nghiệp hoặc cá nhân sẽ có thể mô tả vấn đề của họ và các dịch vụ Assisterr sẽ liên quan đến một bể phù hợp của các SLM/Agents để tìm ra giải pháp.

Mô hình Quản lý Kho Bạc của Assisterr

Token Assisterr (tiền mã hóa của AssisterrAI) là phương tiện để thực hiện các hoạt động trong hệ sinh thái AssisterrAI. Token này được giao dịch sau khi xác nhận việc thực hiện các hành động trong quá trình phát triển SLM theo quy định của hợp đồng thông minh. Bằng cách sử dụng token này, người tham gia có thể tương tác với các dịch vụ của hệ sinh thái Assisterr, như truy cập sản phẩm, thanh toán phí và đóng góp vào quá trình tạo, quản lý và tiền hóa SLM.

Các Trường Hợp Sử Dụng Của Assisterr

Đại lý Quản lý Tài chính Phi tập trung (DeFi)

Các đại lý trí tuệ nhân tạo (AI) phi tập trung trong lĩnh vực Web3 là một đổi mới đáng kể. Vượt ra khỏi hệ thống gợi ý đa dụng, trí tuệ nhân tạo chuyên biệt hoạt động trong các hạn chế an toàn, được cấp phép có thể tối ưu hóa và tự động hóa các danh mục tài chính tốt hơn. Các SLM đại lý, được tạo ra cho các phương tiện giao dịch nhanh như giao thức Solana DeFi, có thể cải thiện cho vay/mượn, giao dịch vĩnh viễn và đặt cược. Những đại lý này cung cấp việc sắp xếp dữ liệu tốt hơn, lý luận đa dạng và phân tích chức năng sâu thông qua các bộ sưu tập SLM và một liên minh Mixture of Agents (MoA) hiện đại.

Đại lý giao dịch

Các đại lý giao dịch, được tùy chỉnh cho các kịch bản giao dịch phức tạp, có thể phân tích các cụm ví tiền và xu hướng hành động giá, chứng minh rất hữu ích cả trong thị trường DeFi biến động và tài chính truyền thống (TradFi). MoA dựa trên SLM có thể đặc biệt hiệu quả trong các chiến lược giao dịch tham chiếu dữ liệu, nơi phương tiện thực hiện và phương pháp rất quan trọng. Những đại lý này tăng cường hiệu quả giao dịch và lợi nhuận bằng cách tận dụng các thuật toán tiên tiến và dữ liệu thời gian thực.

Tác nhân Trò chuyện Tự động

Các đại lý trò chuyện tự động với khả năng học và phân tích tiên tiến có giá trị ở nhiều lĩnh vực học thuật, xã hội và chuyên nghiệp. Chúng có thể phục vụ như các đại lý hỗ trợ cho các dịch vụ khác nhau, kết nối với mạng xã hội và ứng dụng CNTT. Bằng cách tích hợp chức năng đại diện, những mô hình hỗ trợ trò chuyện này có thể hoạt động như các người đại diện, thực hiện các chức năng dựa trên phản hồi của người dùng và cung cấp hỗ trợ có thể thực hiện được.

Các hình đại diện công khai

SLMs có thể tạo ra avatar dựa trên văn bản, âm thanh hoặc video, tạo ra nhân vật ảo cho các nhiệm vụ phức tạp, công khai. Những avatar này có thể xử lý các tiện ích phức tạp như avatar 3D, tạo video tự động từ văn bản và tích hợp livestream trên các nền tảng xã hội. MoA dựa trên SLM có thể nâng cao tương tác đa phương thế hệ tiếp theo, làm cho avatar công khai trở nên tương tác và hiệu quả hơn.

Developer Relations

Sự ra mắt của một khái niệm Web3 Developer Relations (DevRel) chuyên biệt trên nền tảng AssisterrAI đã chứng minh sự phù hợp mạnh mẽ trên thị trường. Một chế độ DevRel mạnh mẽ là điều cần thiết để tương tác với các nhà phát triển và cung cấp hỗ trợ toàn diện khi áp dụng một công nghệ cụ thể. Tuy nhiên, điều này đi kèm với chi phí đáng kể, với mức lương cho các vai trò DevRel dao động từ 90.000 đến 200.000 đô la mỗi năm. Rất nhiều yêu cầu hỗ trợ từ nhà phát triển có thể dự đoán và có thể tự động hóa, tăng cường hiệu suất của DevRel thông qua việc sử dụng mục tiêu SLMs. Phương pháp này giảm chi phí trong khi duy trì sự hỗ trợ chất lượng cao cho các nhà phát triển.

Bắt đầu với Assisterr AI

Cách Đăng Ký trên Assisterr như thế Nào

1. Truy cập trang web Assisterr: Đi tới Website của Assisterr và nhấp vào “Mở ứng dụng”

2. Kết nối Ví Của Bạn: Nhấn vào nút “Chọn Ví” và kết nối ví Solana dựa trên trình duyệt của bạn. Ví này sẽ được sử dụng cho giao dịch và truy cập vào các tính năng khác trên nền tảng.

3. Kết nối Tài khoản Xã hội: Kết nối hồ sơ X của bạn và tài khoản Discord. Những kết nối này giúp xác minh danh tính của bạn và tích hợp sự hiện diện xã hội của bạn với hệ sinh thái Assisterr.

4. Hoàn tất đăng ký: Làm theo hướng dẫn trên màn hình để hoàn tất quá trình đăng ký. Sau khi đăng ký, bạn có thể bắt đầu khám phá nền tảng và các tính năng của nó.

Truy cập SLMs

1. Đi đến Cửa hàng SLM: Sau khi đăng nhập, vào trang Cửa hàng SLMtrên giao diện Assisterr.

2. Duyệt các mô hình có sẵn: Khám phá các Mô hình ngôn ngữ nhỏ (SLM) khác nhau có sẵn trong cửa hàng. Mỗi mô hình được thiết kế cho các nhiệm vụ và ngành cụ thể, chẳng hạn như hệ sinh thái Web3, chăm sóc sức khỏe, phát triển phần mềm và tài chính.

3. Mô hình truy vấn: Bạn có thể truy vấn bất kỳ mô hình nào thông qua giao diện chatbot. Chỉ cần chọn mô hình bạn quan tâm và bắt đầu tương tác với nó. Các truy vấn có thể được thực hiện từ giao diện web với ví Solana được kết nối hoặc thông qua API để tích hợp với các ứng dụng khác.

Cách tạo SLM đầu tiên của bạn như thế nào

1. Truy cập AI Lab: Đi đến Tab AI Labtrên giao diện Assisterr.

2. Chỉ định Tham số mô hình: Điền vào biểu mẫu cấu hình để chỉ định các tham số quan trọng, mẫu gợi ý và siêu dữ liệu cho mô hình của bạn. Điều này bao gồm xác định tên mô hình, tên hiệu, mô tả mục đích, danh mục, ảnh bìa, người bắt đầu cuộc trò chuyện và bộ dữ liệu. Bạn cũng có thể tăng tốc quá trình này bằng cách sử dụng trợ lý trí tuệ nhân tạo.

3. Tải lên Dữ liệu: Tải trực tiếp dữ liệu sẽ được nhúng vào mô hình thông qua quá trình tăng cường truy xuất và tạo ra (RAG) và điều chỉnh tinh chỉnh. Dữ liệu này giúp huấn luyện mô hình để thực hiện nhiệm vụ dự định.

4. Đăng tải SLM của bạn: Sau khi bạn đã cấu hình mô hình, nhấp vào nút để tạo mô hình của bạn và bạn có thể muốn công khai trên cửa hàng SLM hoặc giữ nó riêng tư. Việc công khai cho phép người dùng khác truy cập và truy vấn mô hình của bạn.

Hỗ trợ Nỗ lực Gây quỹ của Assisterr

Assisterr, một công ty khởi nghiệp cơ sở hạ tầng trí tuệ nhân tạo đặt trụ sở tại Cambridge, đã thành công trong việc hoàn thành vòng huy động vốn tiền khởi đầu trước 1.7 triệu đô la. Vòng đầu tư này đã nhận sự tham gia của các quỹ đầu tư Web3 nổi tiếng, bao gồm Web3.com Ventures, Moonhill Capital, Contango, Outlier Ventures, Decasonic, Zephyrus Capital, Wise3 Ventures, Saxon, GFI Ventures, X Ventures, Koyamaki, Lucid Drakes Ventures, và các nhà đầu tư cá nhân nổi tiếng như Michael Heinrich, Mark Rydon, Nader Dabit, Anthony Lesoismier-Geniaux, và Ethan Francis. Số vốn này đã đóng vai trò quan trọng trong việc xây dựng cơ sở hạ tầng cốt lõi của Assisterr và ra mắt nền tảng của họ.

Kể từ khi ra mắt, Assisterr đã đạt được những cột mốc đáng kể, bao gồm thu hút 150.000 người dùng đã đăng ký và triển khai hơn 60 Mô hình Ngôn ngữ Nhỏ (SLMs) cho các giao thức Web3 hàng đầu như Solana, Optimism, 0g.ai và NEAR. Ngoài ra, Assisterr đã nhận được sự công nhận khi giành chiến thắng trong nhiều cuộc thi hackathon toàn cầu và tham gia Chương trình Khởi nghiệp AI của Google, đảm bảo 350.000 đô la để hỗ trợ nhu cầu cơ sở hạ tầng GPU, CPU và đám mây.

Kế hoạch tương lai và các cột mốc

Assisterr có một lộ trình rõ ràng cho sự phát triển và tăng trưởng trong tương lai. Các cột mốc quan trọng bao gồm:

1. AI Lab (Q4 2024)

   • Khởi chạy AI Lab để cho phép người dùng tạo và sở hữu SLMs.
   • Đạt được 500.000 người dùng.
   • Triển khai chương trình khuyến mãi SLM Creator.
   • Phát triển 5.000 SLM.
   • Hoàn thành vòng gieo hạt.

2. Sự phát triển của mạng (H1 2025)

   • Phát triển SLMs cho các nhiệm vụ cụ thể trong lĩnh vực.
   • Thực hiện Sự kiện Tạo ra Token (TGE) và niêm yết.
   • Đạt 3 triệu người dùng.
   • Phát triển 30,000 SLMs.

3. Hỗn hợp của các SLM-Agents (H2 2025)

   • Triển khai SLM orchestration cho các nhiệm vụ không phụ thuộc vào miền.
   • Mở rộng vào Web2.
   • Đạt 10 triệu người dùng.
   • Phát triển 100.000 SLMs.

Kết luận

Assisterr đang tiên phong một kỷ nguyên trí tuệ nhân tạo phi tập trung mới, thuộc sở hữu cộng đồng bằng cách tận dụng Mô hình Ngôn ngữ Nhỏ (SLMs) và các mô hình kinh tế đổi mới. Bằng cách giải quyết những hạn chế của Mô hình Ngôn ngữ Lớn (LLMs) và thúc đẩy một phương pháp hợp tác, Assisterr đang làm cho công nghệ AI trở nên dễ tiếp cận, hiệu quả và bền vững hơn. Hệ sinh thái toàn diện của nền tảng, bao gồm AI Labs, Cửa hàng SLM và các yếu tố hợp tác, giúp người dùng tạo ra, chia sẻ và khai thác mô hình AI.