El potencial de la pista de datos de IA y el surgimiento de Web3 DataFi
En la era en la que el mundo compite por construir el mejor modelo base, aunque la capacidad de cálculo y la arquitectura del modelo son cruciales, la verdadera ventaja competitiva radica en los datos de entrenamiento. El evento más llamativo en el mundo de la IA este mes ha sido la formación de un equipo de Meta AI liderado por Zuckerberg, compuesto principalmente por talentos de investigación chinos y encabezado por Alexander Wang, de 28 años. Scale AI, fundado por Wang, tiene actualmente una valoración de 29 mil millones de dólares y proporciona servicios de datos a varias gigantes de la IA.
La razón por la que Scale AI puede destacar entre los muchos unicornios radica en que reconoció temprano la importancia de los datos en la industria de la IA. La capacidad de cálculo, los modelos y los datos constituyen los tres pilares de los modelos de IA. A medida que la mayoría de los modelos adoptan transformers como marco, y las grandes empresas resuelven el problema de la capacidad de cálculo, la importancia de los datos se hace cada vez más evidente.
El entrenamiento del modelo se divide en dos etapas: preentrenamiento y ajuste fino. La etapa de preentrenamiento requiere una gran cantidad de información recopilada de la web, como textos y códigos, mientras que la etapa de ajuste fino necesita conjuntos de datos procesados y específicos. Estos dos tipos de conjuntos de datos constituyen la parte principal de la pista de AI Data. A medida que se mejora la capacidad del modelo, los datos de entrenamiento de alta calidad y especializados se convertirán en un factor clave que determina el rendimiento del modelo.
En comparación con las empresas de datos tradicionales, Web3 tiene ventajas naturales en el campo de los datos de IA, lo que ha dado lugar al nacimiento del concepto DataFi. Las ventajas de Web3 DataFi incluyen:
Los contratos inteligentes garantizan la soberanía de los datos, la seguridad y la privacidad
La arquitectura distribuida atrae a la mano de obra más adecuada a nivel global
La blockchain proporciona mecanismos claros de incentivos y liquidación.
Contribuye a construir un mercado de datos eficiente y abierto.
Para los usuarios comunes, DataFi es el mejor punto de entrada para participar en proyectos de IA descentralizados. Los usuarios pueden participar a través de tareas simples como proporcionar datos y evaluar modelos, lo que presenta una barrera de entrada baja.
Recientemente, varios proyectos de Web3 DataFi han obtenido una financiación considerable. Los principales proyectos incluyen:
Sahara AI: Creando una infraestructura de IA descentralizada y un mercado de transacciones
Yupp: Plataforma de retroalimentación del modelo de IA
Vana: convierte los datos personales en activos digitales monetizables
Chainbase: Enfocado en datos en cadena
Sapien: Convertir el conocimiento humano en datos de entrenamiento para IA
Prisma X: Capa de coordinación abierta de robots
Masa: Proyecto de subred de datos del ecosistema Bittensor
Irys: almacenamiento de datos y cálculo programables
ORO: Empoderar a las personas comunes para participar en la contribución de la IA
Gata: Capa de datos descentralizada
Aunque estos proyectos actualmente tienen barreras bajas, acumular usuarios y crear una adherencia ecológica en las primeras etapas es crucial. Los desafíos que enfrentan incluyen cómo gestionar el trabajo humano, garantizar la calidad de los datos y aumentar la transparencia y el grado de descentralización del proyecto.
La aplicación a gran escala de DataFi necesita atraer a suficientes usuarios individuales para participar en el ecosistema de datos, al mismo tiempo que obtiene el reconocimiento de empresas tradicionales. Algunos proyectos como Sahara AI y Vana han logrado un buen progreso en este aspecto.
DataFi representa la relación de coexistencia a largo plazo entre la inteligencia humana y la inteligencia de las máquinas. Para aquellos que se sienten ansiosos en la era de la IA o que aún tienen ideales de blockchain, participar en DataFi puede ser una elección inteligente que se ajusta a la tendencia.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
11 me gusta
Recompensa
11
4
Compartir
Comentar
0/400
FortuneTeller42
· 07-26 05:07
Otra ola de tomar a la gente por tonta ha comenzado.
Ver originalesResponder0
MEVHunter
· 07-26 05:02
ngmi... web3 dataFi = new honeypot for alpha seekers
El auge de Web3 DataFi, nuevas oportunidades en la pista de datos de IA
El potencial de la pista de datos de IA y el surgimiento de Web3 DataFi
En la era en la que el mundo compite por construir el mejor modelo base, aunque la capacidad de cálculo y la arquitectura del modelo son cruciales, la verdadera ventaja competitiva radica en los datos de entrenamiento. El evento más llamativo en el mundo de la IA este mes ha sido la formación de un equipo de Meta AI liderado por Zuckerberg, compuesto principalmente por talentos de investigación chinos y encabezado por Alexander Wang, de 28 años. Scale AI, fundado por Wang, tiene actualmente una valoración de 29 mil millones de dólares y proporciona servicios de datos a varias gigantes de la IA.
La razón por la que Scale AI puede destacar entre los muchos unicornios radica en que reconoció temprano la importancia de los datos en la industria de la IA. La capacidad de cálculo, los modelos y los datos constituyen los tres pilares de los modelos de IA. A medida que la mayoría de los modelos adoptan transformers como marco, y las grandes empresas resuelven el problema de la capacidad de cálculo, la importancia de los datos se hace cada vez más evidente.
El entrenamiento del modelo se divide en dos etapas: preentrenamiento y ajuste fino. La etapa de preentrenamiento requiere una gran cantidad de información recopilada de la web, como textos y códigos, mientras que la etapa de ajuste fino necesita conjuntos de datos procesados y específicos. Estos dos tipos de conjuntos de datos constituyen la parte principal de la pista de AI Data. A medida que se mejora la capacidad del modelo, los datos de entrenamiento de alta calidad y especializados se convertirán en un factor clave que determina el rendimiento del modelo.
En comparación con las empresas de datos tradicionales, Web3 tiene ventajas naturales en el campo de los datos de IA, lo que ha dado lugar al nacimiento del concepto DataFi. Las ventajas de Web3 DataFi incluyen:
Para los usuarios comunes, DataFi es el mejor punto de entrada para participar en proyectos de IA descentralizados. Los usuarios pueden participar a través de tareas simples como proporcionar datos y evaluar modelos, lo que presenta una barrera de entrada baja.
Recientemente, varios proyectos de Web3 DataFi han obtenido una financiación considerable. Los principales proyectos incluyen:
Aunque estos proyectos actualmente tienen barreras bajas, acumular usuarios y crear una adherencia ecológica en las primeras etapas es crucial. Los desafíos que enfrentan incluyen cómo gestionar el trabajo humano, garantizar la calidad de los datos y aumentar la transparencia y el grado de descentralización del proyecto.
La aplicación a gran escala de DataFi necesita atraer a suficientes usuarios individuales para participar en el ecosistema de datos, al mismo tiempo que obtiene el reconocimiento de empresas tradicionales. Algunos proyectos como Sahara AI y Vana han logrado un buen progreso en este aspecto.
DataFi representa la relación de coexistencia a largo plazo entre la inteligencia humana y la inteligencia de las máquinas. Para aquellos que se sienten ansiosos en la era de la IA o que aún tienen ideales de blockchain, participar en DataFi puede ser una elección inteligente que se ajusta a la tendencia.