Потенціал AI даних та зростання Web3 DataFi

У час, коли світ змагається за створення найкращих базових моделей, обчислювальні потужності та архітектура моделей, безумовно, важливі, але справжнім захисним бар'єром є навчальні дані. Найяскравішою подією в AI-колах цього місяця стало те, що Meta продемонструвала свої можливості, створивши розкішну команду AI, в основному з китайських науковців. Керівником є 28-річний Олександр Ванг, який заснував Scale AI. Наразі оцінка Scale AI становить 29 мільярдів доларів США, і вона надає послуги з обробки даних кільком великим AI-компаніям, включаючи американські збройні сили, OpenAI, Anthropic та Meta.

Причина, чому Scale AI змогла вирізнитися серед багатьох єдинорогів, полягає в тому, що вона рано виявила важливість даних в індустрії штучного інтелекту. Обчислювальна потужність, моделі та дані є трьома основними опорами моделей штучного інтелекту. Якщо велику модель порівняти з людиною, то модель — це тіло, обчислювальна потужність — це їжа, а дані — це знання та інформація.

Зі швидким розвитком LLM акцент в індустрії поступово переміщується від моделей до обчислювальної потужності, і сьогодні більшість моделей вже встановили трансформер як основу. Великі компанії або створюють суперкомп'ютерні кластери, або укладають довгострокові угоди з постачальниками хмарних послуг. Після задоволення базових потреб в обчислювальній потужності важливість даних стає все більш очевидною.

Scale AI не лише займається видобутком наявних даних, але й звертає увагу на більш далекоглядний бізнес з генерування даних. Компанія намагається забезпечити свої AI моделі більш якісними навчальними даними за допомогою команд експертів у різних сферах.

Моделювання навчання поділяється на два етапи: попереднє навчання та доопрацювання. Попереднє навчання схоже на процес, коли немовля вчиться говорити, і потребує великої кількості текстів, коду та іншої інформації, зібраної з Інтернету. Доопрацювання схоже на шкільну освіту, з чіткими цілями та напрямками. Відповідно, необхідні дані також поділяються на дві категорії: одна категорія - це велика кількість даних, які не потребують особливої обробки, а інша - це дані, які потребують ретельного проектування та відбору для розвитку специфічних можливостей моделі.

Зі зростанням можливостей моделей різноманітні більш детальні, спеціалізовані навчальні дані стануть ключовими чинниками впливу на можливості моделей. У довгостроковій перспективі дані AI також є трасою з ефектом снігової кулі, оскільки з накопиченням попередньої роботи, дані стануть активами з можливістю складних відсотків, ставши дедалі ціннішими з часом.

Web3 DataFi: ідеальний ґрунт для AI-даних

На відміну від традиційних компаній з даними, Web3 має природні переваги в галузі AI-даних, що призвело до появи нової концепції DataFi. Переваги Web3 DataFi в основному виражені в наступних кількох аспектах:

1. Смарт-контракти забезпечують суверенітет даних, безпеку та конфіденційність
2. Розподілена архітектура приваблює найбільш відповідну робочу силу з усього світу
3. Чітка система стимулювання та розрахунків на основі блокчейну
4. Створення ефективного, відкритого одноразового ринку даних

Для звичайних користувачів DataFi є найпростішим децентралізованим AI проектом для участі. Користувачам не потрібні дорогі апаратні вклади або професійний технічний досвід, достатньо просто виконувати прості завдання, такі як надання даних, оцінка виходу моделей тощо.

Потенційні проекти Web3 DataFi

На даний момент кілька проектів DataFi отримали значне фінансування, продемонструвавши величезний потенціал:

1. Sahara AI: спрямована на створення децентралізованої інфраструктури AI та торговельного ринку
2. Yupp: платформа зворотного зв'язку моделей ШІ, користувачі можуть оцінювати якість виходу різних моделей
3. Vana: Перетворення особистих даних користувача на монетизовані цифрові активи
4. Chainbase: зосереджений на даних блокчейна, охоплює понад 200 блокчейнів
5. Sapien: Перетворення людських знань на високоякісні дані для навчання ШІ
6. Prisma X: Роботизований відкритий координаційний рівень, зосереджений на зборі фізичних даних
7. Masa: провідний підпроект екосистеми Bittensor, що надає доступ до даних в реальному часі
8. Irys: зосереджений на програмованому зберіганні даних та обчисленнях
9. ORO: Надання можливостей звичайним людям брати участь у внесках у ШІ
10. Gata: децентралізований рівень даних, що надає різноманітні інструменти для збору та обробки даних

Хоча ці проекти наразі мають невисокі бар'єри, але переваги платформи швидко сформуються з накопиченням користувачів та екосистемної прихильності. На ранніх етапах слід зосередитися на заходах заохочення та досвіді користувачів, щоб залучити достатню кількість користувачів. Водночас, розробники проекту повинні подумати про те, як управляти трудовими ресурсами і забезпечити якість даних, щоб уникнути ситуації, коли погані гроші витісняють хороші.

Крім того, підвищення прозорості та прискорення процесу децентралізації також є важливими викликами, з якими стикаються ці проекти. Масове впровадження DataFi потребує одночасного залучення індивідуальних користувачів та основних корпоративних клієнтів, щоб сформувати повний екологічний замкнутий цикл.

DataFi представляє собою процес тривалого виховання машинного інтелекту людським інтелектом, одночасно забезпечуючи прибуток людської праці через смарт-контракти. Для тих, хто сповнений очікувань від епохи ШІ і зберігає ідеали блокчейну, участь у DataFi безсумнівно є розумним вибором, що відповідає тенденціям.