Stormrae: Khi hàng triệu người chơi game và "huấn luyện AI" mà không hề hay biết
Một dự án đang biến Red-Teaming, Data Labeling và AI evaluation, những tác vụ chuyên môn tốn kém, thành một game mà bất kỳ ai cũng có thể tham gia và tận hưởng niềm vui.
Stormrae là gì? “Tầng Tham gia” trong hệ sinh thái AI
Hãy bắt đầu bằng một câu hỏi: Ai đang huấn luyện các AI model mà bạn dùng hàng ngày?
Câu trả lời thực tế là: Một đội ngũ nhỏ các chuyên gia được trả lương cao, làm việc trong các lab khép kín, thực hiện adversarial testing (tấn công thử để tìm lỗ hổng), data labeling (gán nhãn dữ liệu), và model evaluation (đánh giá chất lượng output).
Quy trình này tốn kém, chậm, và thiếu đa dạng, vì góc nhìn của một nhóm nhỏ không bao giờ đủ để phản ánh thế giới thực.
Đọc thêm về khái niệm Red-Teaming:
Phần lớn hạ tầng AI hiện tại được xây cho enterprise và developer, phức tạp, đắt, và chỉ một nhóm nhỏ dùng được.
Stormrae lật ngược logic đó: Bắt đầu từ người dùng phổ thông, dễ tiếp cận, thú vị, có phần thưởng, rồi biến dữ liệu từ hàng triệu người đó thành sản phẩm enterprise.
Hay nói cách khác, Stormrae hướng đến việc: Thay vì thuê chuyên gia, hãy gamify (Game hóa) những tác vụ đó và mở ra cho hàng triệu người tham gia. Họ tự gọi mình là “The Participation Layer for AI Development”, tầng tham gia cho sự phát triển AI.
Nói đơn giản hơn: Stormrae biến những việc như “thử hack AI”, “chấm điểm câu trả lời của AI”, “gán nhãn dữ liệu” thành các trò chơi, thử thách có phần thưởng. Người chơi vừa vui, vừa kiếm được token. Còn Stormrae thu về dataset xịn để bán cho các công ty AI lab.
Tham gia trải nghiệm ứng dụng Stormrae ngay tại đây.
Đọc chi tiết về cách hoạt động và những phần thưởng trong Stormrae Portal:
Vấn đề Stormrae đang giải quyết (Và tại sao nó thực sự quan trọng?)
Để hiểu tại sao Stormrae tồn tại, bạn cần biết một sự thật không mấy dễ chịu về ngành AI:
Dữ liệu huấn luyện tốt là tài nguyên khan hiếm và đắt đỏ nhất trong AI. Không phải compute. Không phải model architecture.
Mà là dữ liệu, đặc biệt là dữ liệu “có nhãn người” (human-labeled data) và dữ liệu adversarial (dữ liệu tấn công để kiểm tra giới hạn của AI).
Hiện tại, để có được loại dữ liệu này, các công ty AI phải:
Thuê contractor qua Scale AI, Surge AI (tốn kém và chậm)
Chạy internal red-team nhỏ (thiếu đa dạng góc nhìn)
Dùng synthetic data (AI tự tạo dữ liệu) (chất lượng không thể thay thế dữ liệu người thật)
Thu thập từ Internet (ngày càng cạn kiệt và bị ô nhiễm bởi AI-generated content)
Stormrae nhìn thấy đây là khoảng trống: Có hàng tỷ người dùng sẵn sàng tương tác với AI nếu được gamify và thưởng đúng cách, nhưng chưa có infrastructure nào khai thác nguồn lực đó ở quy mô lớn.
"The internet trained the first generation of AI. Human participation — at scale — will train the next." — Triết lý nền tảng của Stormrae.
Kiến trúc 5 tầng: Stormrae vận hành như thế nào?
Stormrae không phải chỉ là một App. Đây là một hệ thống nhiều tầng được thiết kế để phục vụ đồng thời ba nhóm đối tượng: người dùng phổ thông, developer, và enterprise AI lab.
Cách kiếm tiền của Stormrae:
Người dùng tham gia → Tạo ra dữ liệu chất lượng cao → Stormrae bán dataset và SaaS tools cho AI lab → Chia sẻ doanh thu với người dùng qua token Shards (Hãy xem bài viết chi tiết nói về Stormrae Portal)
Đây là flywheel: Càng nhiều người dùng, dữ liệu càng tốt; dữ liệu càng tốt, enterprise khách hàng càng trả nhiều hơn.
King Arthur & Merlin: Hai sản phẩm Game đầu tiên của Stormrae
King Arthur: “Bẻ khóa” AI để lấy tiền thưởng 🏰
King Arthur là consumer app đầu tiên của Stormrae: Một autonomous AI agent nắm giữ một treasury (quỹ tiền thật trên blockchain). Nhiệm vụ của người chơi: thuyết phục King Arthur chuyển tiền từ treasury cho bạn.
💡 Lưu ý thú vị: Ý tưởng này không hoàn toàn mới. Freysa, một AI agent tương tự ra mắt cuối 2024, đã được một người chơi "crack" sau 482 lượt tương tác, đem về $47,000. Stormrae đang hệ thống hóa và scale up chính xác mô hình đó.
Nghe đơn giản? Không phải vậy. Arthur được lập trình với bộ luật riêng, và bạn phải tìm cách “tấn công” bằng ngôn ngữ tự nhiên, mỗi cú tương tác đều có phí, tạo áp lực kinh tế thực sự.
Khi có tiền thật trên bàn, người ta không random, họ suy nghĩ kỹ và đó chính là dữ liệu adversarial chất lượng cao.
Merlin: Trợ lý AI đánh giá và gán nhãn 🔮
Merlin là sản phẩm thứ hai, tập trung vào data labeling và model evaluation. Người dùng tương tác với Merlin qua các task được gamify: đánh giá câu trả lời AI, so sánh hai output, phân loại nội dung,…và kiếm Shards cho mỗi đóng góp có chất lượng.
Hai sản phẩm này phục vụ hai nhu cầu khác nhau: Arthur tạo ra adversarial attack data (dữ liệu tấn công), còn Merlin tạo ra preference data (dữ liệu phản hồi), cả hai đều cực kỳ có giá trị trong pipeline huấn luyện AI hiện đại.
Lộ trình 4 giai đoạn: Stormrae đang ở đâu?
Stormrae sẽ đóng góp cho AI Safety như thế nào?
Hiện tại, hầu hết các AI lab tự test model của họ, đội nội bộ nhỏ, kịch bản hạn chế, chạy theo đợt chứ không liên tục. Stormrae thay đổi điều đó bằng bốn thứ:
Scale thực sự: Hàng trăm nghìn người thật, từ nhiều văn hóa và tư duy khác nhau, tấn công AI liên tục
Economic stakes: Tiền thật tạo ra động lực thật, dữ liệu chất lượng cao hơn lab giả lập
Transparency: Dataset công khai, audit được, thay thế kiểu “tin tưởng chúng tôi” của các lab hiện tại
Continuous: Chạy 24/7, không phải theo từng đợt dự án
Ai sẽ là khách hàng mua dữ liệu Stormrae tạo ra?
Ba nhóm khách hàng chính:
AI labs: Cần test mô hình ở quy mô lớn trước khi deploy. Họ không thể tự mô phỏng đủ đa dạng kiểu tấn công từ hàng triệu người thật.
Nhà nghiên cứu: Cần dữ liệu thực tế về cách người dùng thật khai thác AI, không phải dữ liệu lab nhân tạo.
Enterprise: Cần red-teaming (kiểm tra bảo mật AI) liên tục với đội ngũ đa dạng, thay vì thuê một nhóm chuyên gia nhỏ làm định kỳ.
Điểm mạnh & rủi ro của Stormrae
Mọi dự án đều có hai mặt. Hiểu cả điểm mạnh lẫn rủi ro mới là người tham gia thông minh.
Góc nhìn QUILIX: Nên quan tâm Stormrae đến mức nào?
Hãy luôn nhớ: Cơ hội lớn nhất thường đến sớm nhất, nhưng “sớm” cũng đồng nghĩa với rủi ro cao nhất.
Đây là một trong những dự án hiếm hoi mà mình thấy có concept thực sự thú vị ở giao điểm AI và Web3, không phải “gắn blockchain vào AI cho có”, mà là dùng cơ chế kinh tế on-chain để giải quyết một vấn đề thực sự: Thiếu dữ liệu adversarial đa dạng.
Điều mình ấn tượng nhất là insight về kinh tế học hành vi: khi có tiền thật trên bàn, người chơi không random, họ suy nghĩ, thử thách, sáng tạo. Đó chính xác là loại dữ liệu mà một AI lab khó tạo ra bằng synthetic generation hay bằng contractor trả lương theo giờ.
Nhưng mình cũng phải thành thật: Phase 1 là giai đoạn khó khăn nhất. Stormrae cần chứng minh rằng dữ liệu từ gamification có chất lượng đủ tốt để enterprise AI lab trả tiền. Nếu vòng lặp đó không hoạt động, toàn bộ flywheel sẽ không quay.
Với người mới muốn tham gia: Waitlist Portal là điểm bắt đầu đúng chỗ. Tham gia sớm trong các dự án kiểu này thường đi kèm với allocation Shards/token ưu đãi hơn. Nhưng hãy tham gia với tư duy “đóng góp để hiểu” trước, “đầu tư” sau, khi roadmap Phase 2-3 có thêm bằng chứng thực tế.
Điểm mình sẽ theo dõi sát nhất: Liệu Stormrae có ký được hợp đồng enterprise đầu tiên không? Đó là cột mốc quyết định.
Tổng Kết
Bạn đã biết đến Stormrae chưa, hay đang theo dõi dự án nào khác ở giao điểm AI x Web3 thú vị? Drop comment bên dưới, mình đọc hết.
Và nếu muốn tìm hiểu thêm, đây là các link chính thức: stormrae.ai · docs.stormrae.ai · portal.stormrae.ai
Theo dõi mình ở tại các mạng xã hội khác:
TikTok | YouTube | Facebook | Instagram | X | Threads
Có thể bạn quan tâm: