من خلال مسار بيانات الذكاء الاصطناعي ، نرى إمكانيات DataFi
في مجال الذكاء الاصطناعي، نحن في عصر يتسابق فيه العالم لبناء أفضل النماذج الأساسية. على الرغم من أن القدرة الحاسوبية وهندسة النموذج مهمة، إلا أن الحاجز الحقيقي هو بيانات التدريب. أكبر خبر في دائرة الذكاء الاصطناعي هذا الشهر هو أن ميتا أظهرت قوتها، حيث يجند مارك زوكربيرغ المواهب في كل مكان، ويشكل فريقًا فخمًا من الباحثين الذين يهيمن عليهم العلماء الصينيون. يقود الفريق ألكسندر وانغ البالغ من العمر 28 عامًا، والذي تقدر قيمة شركته Scale AI بـ 29 مليار دولار، وتقدم خدمات البيانات لعدة عمالقة في الذكاء الاصطناعي بما في ذلك الجيش الأمريكي، OpenAI، Anthropic، وMeta.
تتمثل قدرة Scale AI على التميز في أنها اكتشفت في وقت مبكر أهمية البيانات في صناعة الذكاء الاصطناعي. إذا اعتبرنا أن النموذج الكبير يشبه شخصًا ما، فإن النموذج هو الجسم، والطاقة الحاسوبية هي الغذاء، والبيانات هي المعرفة والمعلومات. خلال فترة التطور السريع للنموذج اللغوي الكبير، تحول تركيز الصناعة من هيكل النموذج إلى الطاقة الحاسوبية، والآن تبرز أهمية البيانات تدريجيًا.
تركز Scale AI على بناء قاعدة بيانات قوية لنماذج الذكاء الاصطناعي، حيث تقوم ليس فقط باستخراج البيانات الحالية، بل أيضًا بالنظر إلى أعمال توليد البيانات، وتكوين فريق من المدربين لتوفير بيانات عالية الجودة لتدريب النماذج. ينقسم تدريب النماذج إلى جزئين: التدريب المسبق والتعديل الدقيق. يشبه التدريب المسبق تعلم الأطفال للكلام، حيث يتطلب كمية كبيرة من المعلومات مثل النصوص على الإنترنت؛ بينما يشبه التعديل الدقيق التعليم المدرسي، حيث يكون له اتجاه واضح وأهداف محددة. لذلك، نحتاج إلى نوعين من البيانات: نوع ضخم لا يتطلب الكثير من المعالجة، ونوع آخر مصمم بعناية ومختار، لتطوير قدرات معينة للنموذج.
مع تأسيس الهياكل الأساسية للنماذج السائدة وتراجع ميزات القدرة الحاسوبية، ستصبح البيانات المفتاح للحفاظ على ميزة تنافسية لمصنعي النماذج الكبيرة. ستؤثر البيانات التدريبية عالية الجودة والمتخصصة بشكل كبير على قدرة النموذج. على المدى الطويل، تعتبر بيانات الذكاء الاصطناعي أيضًا مجالاً يتمتع بتأثير الفائدة المركبة، حيث ستصبح أصول البيانات أكثر قيمة مع مرور الوقت.
بالمقارنة مع شركات البيانات التقليدية، يتمتع Web3 بميزة طبيعية في مجال بيانات الذكاء الاصطناعي، مما أدى إلى ظهور مفهوم DataFi. تشمل مزايا Web3 DataFi:
تضمن العقود الذكية سيادة البيانات والأمان والخصوصية
ينجذب الهيكل الموزع للعمالة المناسبة من جميع أنحاء العالم
توفر تقنية البلوكشين آليات تحفيز وتسوية واضحة
يساعد في بناء سوق بيانات شامل وفعال ومفتوح
بالنسبة للمستخدمين العاديين، يعتبر DataFi أفضل نقطة دخول للمشاركة في مشاريع الذكاء الاصطناعي اللامركزية. لا يحتاج المستخدمون إلى استثمارات في أجهزة باهظة الثمن أو مهارات متخصصة، بل يمكنهم المشاركة من خلال إكمال مهام بسيطة مثل تقديم البيانات، وتقييم النماذج، وما إلى ذلك.
في الوقت الحالي، حصلت العديد من مشاريع DataFi على تمويل كبير:
Sahara AI: تمويل 49 مليون دولار، لبناء بنية تحتية لامركزية للذكاء الاصطناعي وسوق للتداول
Yupp: تمويل 33 مليون دولار، تركز على جمع ملاحظات نموذج الذكاء الاصطناعي
فانا: تمويل 23 مليون دولار، تحويل البيانات الشخصية إلى أصول رقمية قابلة للت Monetization
Chainbase: تمويل بقيمة 16.5 مليون دولار، تركز على معالجة البيانات على السلسلة
Sapien: تم جمع 1550 مليون دولار على شكل تمويل، لتحويل المعرفة البشرية إلى بيانات تدريب للذكاء الاصطناعي
Prisma X: تمويل 11 مليون دولار أمريكي، تطوير طبقة التنسيق المفتوحة للروبوتات
Masa: تمويل 8.9 مليون دولار ، مشروع شبكة البيانات في نظام Bittensor البيئي
Irys: تمويل 8.7 مليون دولار، تقدم تخزين بيانات قابل للبرمجة وحسابات
ORO: تمويل 6 ملايين دولار، يهدف إلى مشاركة الناس العاديين في مساهمة الذكاء الاصطناعي
Gata: تمويل 4 ملايين دولار لبناء طبقة بيانات لامركزية
هذه المشاريع حاليًا لديها حواجز دخول منخفضة، ولكن من الضروري جدًا بناء قاعدة مستخدمين مبكراً وزيادة الالتصاق بالبيئة. وفي نفس الوقت، تواجه تحديات تتعلق بكيفية ضمان جودة البيانات وزيادة الشفافية. يتطلب الاستخدام الواسع لـ DataFi جذب عدد كافٍ من المستخدمين الأفراد، بالإضافة إلى الحصول على اعتراف الشركات الرئيسية.
على المدى الطويل، تمثل DataFi نموذجًا جديدًا يستفيد فيه الذكاء البشري من الذكاء الاصطناعي الذي يتم تطويره على أساس العقود الذكية. بالنسبة لأولئك الذين يشعرون بعدم اليقين في عصر الذكاء الاصطناعي، ومع ذلك لا يزالون متمسكين بمثالية blockchain، فإن المشاركة في DataFi تعد خيارًا مناسبًا.
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 6
أعجبني
6
3
إعادة النشر
مشاركة
تعليق
0/400
GateUser-aa7df71e
· منذ 14 س
هذه المجموعة الكبيرة من الفريق الصيني تدعم فكرة شراء الانخفاض والتوافق مع الفكرة
شاهد النسخة الأصليةرد0
GigaBrainAnon
· منذ 15 س
تمويل scale يجعلني أشعر بالدوار، هذه الموجة مثيرة!
ظهور مسار بيانات الذكاء الاصطناعي حصل مشروع DataFi على تمويل كبير
من خلال مسار بيانات الذكاء الاصطناعي ، نرى إمكانيات DataFi
في مجال الذكاء الاصطناعي، نحن في عصر يتسابق فيه العالم لبناء أفضل النماذج الأساسية. على الرغم من أن القدرة الحاسوبية وهندسة النموذج مهمة، إلا أن الحاجز الحقيقي هو بيانات التدريب. أكبر خبر في دائرة الذكاء الاصطناعي هذا الشهر هو أن ميتا أظهرت قوتها، حيث يجند مارك زوكربيرغ المواهب في كل مكان، ويشكل فريقًا فخمًا من الباحثين الذين يهيمن عليهم العلماء الصينيون. يقود الفريق ألكسندر وانغ البالغ من العمر 28 عامًا، والذي تقدر قيمة شركته Scale AI بـ 29 مليار دولار، وتقدم خدمات البيانات لعدة عمالقة في الذكاء الاصطناعي بما في ذلك الجيش الأمريكي، OpenAI، Anthropic، وMeta.
تتمثل قدرة Scale AI على التميز في أنها اكتشفت في وقت مبكر أهمية البيانات في صناعة الذكاء الاصطناعي. إذا اعتبرنا أن النموذج الكبير يشبه شخصًا ما، فإن النموذج هو الجسم، والطاقة الحاسوبية هي الغذاء، والبيانات هي المعرفة والمعلومات. خلال فترة التطور السريع للنموذج اللغوي الكبير، تحول تركيز الصناعة من هيكل النموذج إلى الطاقة الحاسوبية، والآن تبرز أهمية البيانات تدريجيًا.
تركز Scale AI على بناء قاعدة بيانات قوية لنماذج الذكاء الاصطناعي، حيث تقوم ليس فقط باستخراج البيانات الحالية، بل أيضًا بالنظر إلى أعمال توليد البيانات، وتكوين فريق من المدربين لتوفير بيانات عالية الجودة لتدريب النماذج. ينقسم تدريب النماذج إلى جزئين: التدريب المسبق والتعديل الدقيق. يشبه التدريب المسبق تعلم الأطفال للكلام، حيث يتطلب كمية كبيرة من المعلومات مثل النصوص على الإنترنت؛ بينما يشبه التعديل الدقيق التعليم المدرسي، حيث يكون له اتجاه واضح وأهداف محددة. لذلك، نحتاج إلى نوعين من البيانات: نوع ضخم لا يتطلب الكثير من المعالجة، ونوع آخر مصمم بعناية ومختار، لتطوير قدرات معينة للنموذج.
مع تأسيس الهياكل الأساسية للنماذج السائدة وتراجع ميزات القدرة الحاسوبية، ستصبح البيانات المفتاح للحفاظ على ميزة تنافسية لمصنعي النماذج الكبيرة. ستؤثر البيانات التدريبية عالية الجودة والمتخصصة بشكل كبير على قدرة النموذج. على المدى الطويل، تعتبر بيانات الذكاء الاصطناعي أيضًا مجالاً يتمتع بتأثير الفائدة المركبة، حيث ستصبح أصول البيانات أكثر قيمة مع مرور الوقت.
بالمقارنة مع شركات البيانات التقليدية، يتمتع Web3 بميزة طبيعية في مجال بيانات الذكاء الاصطناعي، مما أدى إلى ظهور مفهوم DataFi. تشمل مزايا Web3 DataFi:
بالنسبة للمستخدمين العاديين، يعتبر DataFi أفضل نقطة دخول للمشاركة في مشاريع الذكاء الاصطناعي اللامركزية. لا يحتاج المستخدمون إلى استثمارات في أجهزة باهظة الثمن أو مهارات متخصصة، بل يمكنهم المشاركة من خلال إكمال مهام بسيطة مثل تقديم البيانات، وتقييم النماذج، وما إلى ذلك.
في الوقت الحالي، حصلت العديد من مشاريع DataFi على تمويل كبير:
هذه المشاريع حاليًا لديها حواجز دخول منخفضة، ولكن من الضروري جدًا بناء قاعدة مستخدمين مبكراً وزيادة الالتصاق بالبيئة. وفي نفس الوقت، تواجه تحديات تتعلق بكيفية ضمان جودة البيانات وزيادة الشفافية. يتطلب الاستخدام الواسع لـ DataFi جذب عدد كافٍ من المستخدمين الأفراد، بالإضافة إلى الحصول على اعتراف الشركات الرئيسية.
على المدى الطويل، تمثل DataFi نموذجًا جديدًا يستفيد فيه الذكاء البشري من الذكاء الاصطناعي الذي يتم تطويره على أساس العقود الذكية. بالنسبة لأولئك الذين يشعرون بعدم اليقين في عصر الذكاء الاصطناعي، ومع ذلك لا يزالون متمسكين بمثالية blockchain، فإن المشاركة في DataFi تعد خيارًا مناسبًا.