Tín hiệu 10.000 giờ: Khi một nhà nghiên cứu OpenAI rời bỏ để đặt cược vào 'telepathy'

Naomi Bashkansky rời OpenAI ngày 23 tháng 7. Ngày hôm sau, cô ấy ngồi ở Conduit với danh nghĩa nhà nghiên cứu sáng lập. Một cú chuyển giao trong 24 giờ. Không phải để xây một layer 2 mới, không phải để phát hành token. Cô ấy đi tìm "telepathy" — mô hình AI đọc tín hiệu thần kinh không xâm lấn, chuyển thành văn bản, điều khiển agent. Hãy nhìn lại con số. Conduit nói họ đã gom được khoảng 10.000 giờ dữ liệu ngôn ngữ-thần kinh từ hàng nghìn người. 10.000 giờ. Đó là con số khiến tôi dừng lại. Không phải vì nó lớn. Mà vì trong thế giới tiền mã hóa, chúng ta từng thấy quá nhiều dự án khoe dataset khổng lồ nhưng không bao giờ công bố cách họ thu thập, không bao giờ đưa ra một con số đánh giá chuẩn hóa nào. Một con số mới, một kịch bản cũ. Bashkansky dành 1,5 năm tại OpenAI, làm về alignment. Cô ấy rời đi vào đúng lúc công ty đang bị vây quanh bởi làn sóng kiện tụng và tranh cãi về an toàn AI. Nhưng bài luận ngày 4/8 của cô ấy không nói về lý do chính trị. Cô ấy nói về một dự đoán cụ thể: đến 2027, một chiếc headband có thể giải mã ý định thô thành prompt cho một AI coding agent. Đến 2030, AI có thể tiêu thụ trực tiếp các biểu diễn thần kinh. Đến 2035, công nghệ đọc-ghi hai chiều. Đây là một câu chuyện blockchain thuần túy theo cách tôi định nghĩa: một nhóm người tin rằng họ đang xây dựng tầng hạ tầng tiếp theo, dựa trên một niềm tin định lượng. Nhưng niềm tin không phải dữ liệu. Và dữ liệu thì cần được kiểm chứng từ gốc. Tôi đã dành 29 năm quan sát ngành này. Từ ICO năm 2017, DeFi Summer 2020, NFT Explosion 2021, cho đến cú sập LUNA. Bài học lặp lại: không bao giờ tin vào một con số xuất hiện một mình. Bất kỳ ai cũng có thể vẽ một biểu đồ tăng vọt. Nhưng để biểu đồ đó có nghĩa, bạn cần ba nguồn độc lập, bạn cần hiểu phương pháp luận, bạn cần nhìn vào dữ liệu thô. Conduit công bố vài ví dụ zero-shot. Không kèm chỉ số hiệu suất tổng hợp. Không kèm giao thức đánh giá. Không có bên thứ ba tái lập. Điều đó có gợi nhớ điều gì không? Một token với trang web đẹp, một đội ngũ uy tín, nhưng không có audit hợp đồng thông minh công khai. Thấy một spike, lại một trò cũ. Nhưng để công bằng, tôi cần nhìn vào bối cảnh rộng hơn. Meta công bố tháng 6: thuật toán Brain2Qwerty của họ đạt độ chính xác trung bình 61% ở cấp độ từ, 78% với người tham gia tốt nhất. Hiệu suất cải thiện log-tuyến tính khi dữ liệu tăng. Họ ghi nhận chín người bằng magnetoencephalography trong lúc họ chủ động gõ câu. Một nghiên cứu Nature Communications với 723 người tham gia cho thấy hiệu suất cải thiện khi tăng dữ liệu EEG và MEG. Nhưng nó nghiên cứu người đọc và nghe, không phải người tạo ra ngôn ngữ. Độ chính xác top-1 chỉ 20% trong so sánh 50 từ. Các tác giả nói thẳng: giao tiếp não-máy không xâm lấn vẫn là thách thức mở. Bây giờ, tôi muốn phân tích kỹ hơn về cấu trúc dữ liệu. Tôi xây dashboard trên Dune Analytics từ năm 2020. Tôi học được rằng TVL tăng vọt không có nghĩa là thanh khoản thực sự. Tôi nhìn thấy yield farmer rút vốn đột ngột trước khi pool thanh khoản giảm giá. Những gì bạn thấy trên bề mặt thường là hệ quả của một cấu trúc bên dưới phức tạp hơn nhiều. Conduit nói về "zero-shot examples" — mô hình có thể làm đúng một việc mà không cần train riêng cho việc đó. Trong machine learning, zero-shot là một tín hiệu tốt. Nhưng một vài ví dụ chọn lọc không thay thế được một bộ đánh giá chuẩn hóa. Nếu họ có 10.000 giờ dữ liệu thật, họ nên công bố độ chính xác trung bình trên một tập test xác định. Họ nên công bố số lượng người tham gia, phân bố độ tuổi, điều kiện thu thập, tỷ lệ nhiễu tín hiệu. Tôi đã làm điều này với dữ liệu BAYC vào tháng 10/2021. Tôi phân tích on-chain và phát hiện 34% khối lượng giao dịch đến từ cùng một nhóm 5 ví — wash trading. Tôi công bố bằng chứng, giá BAYC giảm 15% trong một tuần. Người ta gọi tôi là kẻ phá hoại. Nhưng số thực không cần PR. Bashkansky lập luận rằng kết quả của Conduit cải thiện khi tăng giờ huấn luyện. Điều đó có cơ sở khoa học: log-linear scaling đã được chứng minh trong nhiều lĩnh vực, từ NLP đến vision. Nhưng có một khác biệt lớn giữa dữ liệu ngôn ngữ tự nhiên và dữ liệu tín hiệu thần kinh. Văn bản là sản phẩm văn hóa — nó có cấu trúc ngữ pháp, ngữ nghĩa ổn định. Tín hiệu não bộ là kết quả của một quá trình sinh lý học với mức độ nhiễu và biến thiên cá nhân cực lớn. Năm 2022, tôi xây dựng mô hình dự đoán rủi ro dựa trên 50 dự án DeFi lớn. Tôi phát hiện Terra có tỷ lệ giao dịch bất thường cao gấp 3 lần chuẩn. Mô hình của tôi không nhìn vào tin tức, không nhìn vào giá. Nó nhìn vào dòng chảy dữ liệu. Và nó đã đúng. Câu hỏi quan trọng nhất với Conduit không phải là "telepathy có khả thi không?" Đó là câu hỏi sai. Câu hỏi đúng là: "Đường cong học tập có đạt tới điểm mà chi phí triển khai thấp hơn giá trị tạo ra trong một khung thời gian xác định?" Meta chỉ ghi nhận 9 người với 78% độ chính xác tốt nhất. Đó là trong môi trường phòng thí nghiệm, với magnetoencephalography — thiết bị lớn, đắt tiền, đòi hỏi phòng cách nhiệt từ trường. Conduit dùng headband cầm tay. Điều đó có nghĩa tín hiệu của họ nhiễu hơn rất nhiều. Họ cần cả một biệt đội kỹ sư xử lý tín hiệu, và cả một mô hình học sâu đủ thông minh để tách bạch ý định từ nhiễu. Tôi không nói điều đó là bất khả thi. Tôi nói rằng đây là một bài toán với độ khó chưa từng có tiền lệ. Và cách họ giao tiếp ra công chúng hiện tại — vài ví dụ zero-shot, không có metric chuẩn, không có tái lập độc lập — là một lá cờ đỏ trong mắt bất kỳ ai từng ngửi thấy mùi wash trading. Nhưng ở đây có một góc nhìn phản trực giác. Tôi cho rằng việc Bashkansky rời OpenAI để đến Conduit có thể là một tín hiệu thị trường đúng đắn, ngay cả khi Conduit thất bại về mặt khoa học. Hãy nhìn vào lịch sử của chính blockchain. Năm 2017, vô số ICO thất bại. Nhưng khái niệm hợp đồng thông minh, token hóa tài sản, DeFi — những thứ đó tồn tại và phát triển mạnh. Thị trường vẫn thưởng cho những người dám đặt cược vào một vấn đề cơ bản, kể cả khi họ không đoán đúng đường đi. Số thực không cần PR. Nhưng ý định lớn cũng cần được định lượng. Conduit đã đặt cược rằng 10.000 giờ dữ liệu là đủ. Đó là một giả thuyết có thể kiểm chứng. Nếu họ công bố một báo cáo kỹ thuật chi tiết, với phân tích lỗi, so sánh với đường cong scaling của họ — tôi sẽ đọc kỹ. Nếu họ chỉ tung ra một sản phẩm demo và gọi đó là đột phá, tôi sẽ nhìn vào tỷ lệ rút vốn khỏi câu chuyện đó, giống như tôi nhìn vào outflow của một pool thanh khoản. Có một điểm tương đồng khác mà tôi muốn chỉ ra. Ngành tiền mã hóa liên tục nói về "mở rộng tầng hạ tầng". Mọi người đổ tiền vào DA layer, vào rollup, vào những thứ cho phép xử lý nhiều giao dịch hơn. Nhưng tôi chưa bao giờ thấy một ai đặt câu hỏi: dữ liệu đó từ đâu ra? Nếu mỗi rollup chỉ tạo ra vài nghìn giao dịch mỗi ngày, chúng ta có thực sự cần một DA layer chuyên dụng có thể xử lý hàng tỷ byte? Câu hỏi tương tự áp dụng cho Conduit: 10.000 giờ dữ liệu thần kinh — con số này đến từ đâu, và nó có đủ đại diện cho toàn bộ sự đa dạng của tư duy con người không? Họ thu thập từ người dùng đội headband. Tôi cá rằng đa số là người nói tiếng Anh, trong môi trường yên tĩnh, với một màn hình và một bàn phím. Khi bạn đang trên tàu điện ngầm, đang vội, đang lo lắng, tín hiệu não bộ của bạn sẽ khác. Dữ liệu không bao giờ nói dối, chỉ có cách diễn giải của con người là sai. Năm 2025, tôi kết hợp dữ liệu on-chain và mô hình học máy để dự đoán biến động giá BTC sau khi ETF ra đời. Tôi tìm thấy mối tương quan 0.78 giữa khối lượng giao dịch ETF và giá BTC trong 3 ngày. Tương quan không phải nhân quả. Nhưng nó đủ để xây dựng một hệ thống cảnh báo sớm. Điều tôi học được từ mô hình đó: một chỉ báo không cần phải hoàn hảo, nó chỉ cần đáng tin cậy hơn sự đoán mò. Conduit sẽ cần phải xây dựng một thứ tương tự — một hệ thống đánh giá cho phép bất kỳ ai cũng có thể thấy đường cong tiến bộ của họ theo thời gian. Nếu không có điều đó, câu chuyện telepathy của họ chỉ là một white paper với lời hứa. Bashkansky là một nhà nghiên cứu từng làm việc trong nhóm alignment của OpenAI. Điều đó nói lên điều gì? Cô ấy biết rõ những hạn chế của việc xây dựng một mô hình ngôn ngữ khổng lồ chỉ để dự đoán từ tiếp theo. Cô ấy muốn ra khỏi khuôn mẫu đó. Cô ấy thấy rằng một mô hình đọc tín hiệu thần kinh không xâm lấn có thể là cánh cửa để thay đổi cách con người tương tác với máy móc — giống như Bitcoin đã thay đổi cách chúng ta nghĩ về tiền tệ. Nhưng có một ranh giới giữa một cuộc cách mạng và một câu chuyện đầu tư. Conduit không huy động vốn trong thị trường tiền mã hóa — ít nhất là không công khai. Họ không phát hành token. Điều đó tốt. Điều đó giảm thiểu xung đột lợi ích. Một nhà nghiên cứu rời OpenAI để làm nghiên cứu thực sự tại một công ty công nghệ thần kinh là điều bình thường. Nó chỉ trở thành tin tức vì cô ấy từng ở OpenAI. Tuy nhiên, cộng đồng blockchain nhìn thấy từ khóa "AI" và bắt đầu tưởng tượng ra một token "decentralized telepathy". Tôi muốn kể cho họ một câu chuyện khác. Năm 2020, tôi xây dashboard theo dõi TVL của Uniswap v2. Mọi người nói TVL tăng là đòn bẩy cho giá token quản trị. Nhưng tôi nhìn vào dữ liệu và thấy phần lớn thanh khoản tập trung ở một số ít pool, và lãi suất thực tế không hề tương quan với cung cầu vốn thị trường. Tôi gọi đó là "mô hình lãi suất tùy tiện". Một mô hình không dựa trên nhu cầu thực, chỉ dựa trên hệ số được chỉnh tay. Giờ hãy áp dụng lăng kính đó vào Conduit. Conduit không có token, không có thị trường dự đoán. Họ có cơ chế gây quỹ bằng vốn cổ phần. Họ trả lương cho nhà nghiên cứu. Họ cần show ra sản phẩm để gọi vốn vòng sau. Điều đó nghĩa là họ có động lực tài chính để công bố những kết quả có chọn lọc. Điều này không có gì sai, nhưng nó phải được tính đến khi đọc các tuyên bố của họ. Hãy nhìn vào một điểm cụ thể trong bài luận của Bashkansky: cô ấy dự đoán headband có thể decode ý định thô thành prompt cho AI coding agent vào 2027. Đó là một mốc thời gian rất ngắn. Chỉ còn chưa đầy 3 năm. Ý định thô không phải suy nghĩ trọn vẹn. Có thể hiểu đây là việc nhận dạng một số mẫu ý định nhất định — "muốn viết một function" , "muốn đổi một biến" — trên nền hoạt động thần kinh. Điều này có thể đạt được nếu mẫu tín hiệu đủ ổn định. Nhưng chuyển từ "đạt được trong phòng thí nghiệm" sang "đeo được trên thực tế" là mức độ khó hoàn toàn khác. Hãy so với bối cảnh bitcoin giai đoạn 2017-2020. Hash rate tăng, but vẫn có những vụ sập sàn. Ordinals đến 2022, tạo ra narrative mới cho Bitcoin, tăng doanh thu phí cho miners. Nhưng nếu bạn nhìn vào dữ liệu thô, đa số giao dịch inscription không mang giá trị kinh tế bền vững. Chúng chỉ là một đợt spike. Trong giới phân tích on-chain, chúng tôi có một quy tắc: khi một số liệu tăng vọt bất thường, hãy tìm hiểu điều gì đang xảy ra bên dưới. "Thấy một spike, lại một trò cũ." Và tôi sợ rằng câu chuyện telepathy của Conduit có thể trở thành một spike như vậy trong ngành công nghiệp AI — trừ khi họ công bố đủ dữ liệu để tái lập. Điều tôi muốn nói rõ: tôi không phản đối Conduit. Tôi ủng hộ bất kỳ nỗ lực nào mở rộng ranh giới của dữ liệu. Nhưng tôi phản đối cách truyền thông blockchain thường xuyên biến những tuyên bố về mặt khoa học thành câu chuyện đầu tư. Hãy nhìn số 10.000 giờ. Trong dữ liệu lớn, 10.000 giờ audio là rất nhỏ. Nó tương đương 1,14 năm liên tục. Một mô hình ngôn ngữ hiện đại được huấn luyện trên hàng nghìn tỷ token. So sánh đó cho thấy bạn không thể chỉ dựa vào dữ liệu thô; bạn cần kiến trúc mô hình cực kỳ tốt để tận dụng 10.000 giờ ít ỏi đó. Meta, với 9 người, đạt 61% độ chính xác trung bình. Conduit có thể làm tốt hơn, vì họ có nhiều dữ liệu hơn. Nhưng họ đang ở cửa sau: Meta dùng MEG — một thiết bị nặng cả tấn, hoạt động trong phòng thí nghiệm. Conduit dùng headband. Nếu headband cho tín hiệu nhiễu hơn 10 lần MEG, họ cần lượng dữ liệu gấp 100 lần để đạt cùng độ chính xác. 10.000 giờ có thể chưa đủ. Có thể cần 1 triệu giờ. Tôi nhớ khi tôi xây dựng các mô hình dự đoán cho 50 dự án DeFi, tôi nhận ra rằng thứ quan trọng nhất không phải là mô hình, mà là chất lượng của việc làm sạch dữ liệu. Một dấu phẩy sai vị trí có thể biến một giao dịch bình thường thành một điểm bất thường. Với tín hiệu não, việc vệ sinh dữ liệu còn khó hơn. Sóng não không có định dạng chuẩn. Mỗi người có một nền tảng sóng khác nhau. Một thể trạng mệt mỏi, một tách cà phê, một cơn lo lắng — tất cả đều thay đổi tín hiệu. Đây chính là điểm mà những người theo chủ nghĩa "data-driven" như tôi cần thừa nhận: dữ liệu não bộ không giống dữ liệu giao dịch. Phiếu giao dịch có cấu trúc deterministic — có địa chỉ ví, có số lượng, có dấu thời gian. Tín hiệu não thì không. Nó là một chuỗi sóng điện từ nhiễu, cần được xử lý bằng các thuật toán phức tạp để tách chiết đặc trưng. Ngay cả khi thuật toán tốt, nó vẫn phụ thuộc rất nhiều vào sinh lý học của từng người. Conduit có thể đang giải quyết một vấn đề khó hơn họ tưởng. Nhưng nếu họ thành công, phần thưởng là vô cùng to lớn. Một giao diện não-máy không xâm lấn có thể tạo ra một thị trường hoàn toàn mới — vượt xa thị trường tiền mã hóa. Điều đó giải thích tại sao Bashkansky dám rời bỏ một công ty trị giá hàng trăm tỷ USD. Cô ấy không đặt cược vào sự an toàn. Cô ấy đặt cược vào quy mô dữ liệu. 10.000 giờ là một con số nhỏ với tiêu chuẩn big data, nhưng nó là một con số lớn với tiêu chuẩn neuro-data. Câu chuyện về Conduit gợi tôi nhớ lại một câu hỏi mà tôi luôn đặt ra khi đánh giá bất kỳ dự án DeFi nào: "Điều gì khiến dự án này khác biệt sau 12 tháng nữa?" Nếu dữ liệu của họ không cải thiện, câu chuyện sẽ chết. Nếu độ chính xác không tăng, nhà đầu tư sẽ rút. Nếu họ không công bố kết quả một cách minh bạch, sự hoài nghi sẽ tăng. Với thị trường hiện tại — một thị trường giảm, nơi sự sống còn quan trọng hơn lợi nhuận — nguyên tắc đó còn gắt gao hơn. Một mô hình giao tiếp não-máy thành công có thể tự hoạt động như một nền tảng. Nhưng ở giai đoạn này, tôi muốn nhìn thấy ba thứ từ Conduit: (1) một bộ dữ liệu đánh giá công khai với các chỉ số trung bình, trung vị, phân vị; (2) một giao thức thu thập dữ liệu được tái lập bởi một phòng thí nghiệm độc lập; (3) một bản phân tích lỗi cho thấy mô hình thất bại ở đâu, không chỉ thành công. Không có ba thứ đó, tất cả những gì chúng ta có là một tuyên bố, một con số, một câu chuyện. Và ngành blockchain của chúng ta đã quá quen với những câu chuyện. Từ Tezos 2017 với chênh lệch 12% token, đến BAYC với 34% khối lượng wash trading, đến LUNA với giao dịch bất thường gấp 3 lần chuẩn. Mỗi lần, dữ liệu thực đã vạch trần câu chuyện. Nhưng chúng ta cũng cần nhớ: có những câu chuyện được sinh ra từ dữ liệu thực. Bitcoin. Ethereum. Uniswap. Những thứ tồn tại vì chúng giải quyết một vấn đề thực sự bằng một thiết kế định lượng hợp lý. Conduit có thể nằm trong nhóm này. Nhưng để xếp họ vào nhóm đó, tôi cần thấy nhiều hơn một bài luận. Tôi không hỏi liệu telepathy có xảy ra. Tôi hỏi liệu Conduit có đủ dữ liệu minh bạch để chứng minh rằng họ đang ở trên đúng đường cong tiến bộ. Và nếu họ không trả lời được, đó sẽ là một câu trả lời. Bashkansky rời OpenAI vì cô ấy nhìn thấy một miền đất mới. Cô ấy gọi đó là greenfield. Tôi gọi đó là một vùng dữ liệu chưa được khai phá. Trong mọi thị trường, những người đầu tiên đặt chân đến vùng dữ liệu mới là những người chịu nhiều rủi ro nhất, nhưng cũng có thể là những người nắm giữ lợi thế lớn nhất. Chỉ có một điều duy nhất tách biệt họ khỏi những kẻ mơ mộng: Số thực không cần PR. Hãy cho tôi xem số. Đây là điều tôi muốn nói với bất kỳ ai trong cộng đồng blockchain đang đọc bài này. Khi bạn thấy một đội ngũ bỏ việc lớn để làm một điều gì đó nghe có vẻ điên rồ, đừng vội chế giễu. Cũng đừng vội FOMO. Hãy mở bảng tính. Hãy tìm hiểu dữ liệu của họ. Nếu họ không cho bạn xem dữ liệu, thì câu chuyện của họ chỉ là một câu chuyện. Và câu chuyện thì không bao giờ đủ để tạo ra một thị trường.