Ein vom dezentraler AI -Lösungsanbieter Oort, entwickelter Künstlungs -Image -Schulungs -Bilddatensatz, hat auf der Google -Plattform Kaggle erhebliche Erfolge erzielt.
Oorts vielfältige Tools Kaggle -Datensatz Auflistung wurde Anfang April freigelassen; Seitdem ist es in mehreren Kategorien auf die erste Seite gestiegen. Kaggle ist eine Online-Plattform für Datenwissenschaft und maschinelles Lernen, Lernen und Zusammenarbeit.
Ramkumar Subramaniam, Kernbeitragsfaktor am Crypto AI Project Openledger, sagte gegenüber CoinTelegraph: „Ein Kaggle-Ranking auf der Titelseite ist ein starkes soziales Signal, das angibt, dass der Datensatz die richtigen Gemeinschaften von Datenwissenschaftlern, maschinellem Lerningenieuren und Praktikern einbezieht.
Max Li, Gründer und CEO von Oort, teilte CoinTelegraph mit, dass das Unternehmen „vielversprechende Engagement -Metriken beobachtet habe, die die frühe Nachfrage und Relevanz seiner Trainingsdaten validieren, die durch ein dezentrales Modell gesammelt wurden. Er fügte hinzu:
„Das organische Interesse der Community, einschließlich aktiver Nutzung und Beiträge-zeigt, wie dezentralisierte, gemeinschaftsgetriebene Datenpipelines wie Oorts eine schnelle Verbreitung und Engagement erreichen können, ohne sich auf zentralisierte Vermittler zu verlassen.“
Li sagte auch, dass Oort plant, in den kommenden Monaten mehrere Datensätze zu veröffentlichen. Darunter befinden sich ein Datensatz in der Karo-Sprachbefehle, eines für Smart-Home-Sprachbefehle und eine für DeepFake-Videos, die die Medienüberprüfung der KI-betriebenen Medien verbessern sollen.
Verwandt: AI -Agenten kommen für Defi – Brieftaschen sind das schwächste Glied
Erste Seite in mehreren Kategorien
Der fragliche Datensatz wurde von CoInTelegraph unabhängig verifiziert, um Anfang dieses Monats die erste Seite in den Kategorien Allgemeiner KI, Einzelhandel und Einkaufs-, Fertigung und Ingenieurkategorien von Kaggle erreicht zu haben. Zum Zeitpunkt der Veröffentlichung verlor diese Positionen nach einem möglicherweise nicht verwandten Datensatz -Update am 6. Mai und einem anderen am 14. Mai.
Während er die Leistung erkannte, sagte Subramaniam gegenüber CoinTelegraph: “Es ist kein endgültiger Indikator für die adoptierte oder unternehmerische Qualität.” Er sagte, dass das, was den Datensatz von Oort auszeichnet, “nicht nur das Ranking, sondern auch die Herkunfts- und Incentive -Schicht hinter dem Datensatz ist.” Er erklärte:
„Im Gegensatz zu zentralisierten Anbietern, die sich auf undurchsichtige Pipelines verlassen können, bietet ein transparentes, token-inkentiertes System Rückfälligkeit, Gemeinschaftskuration und das Potenzial für eine kontinuierliche Verbesserung unter der Annahme, dass die richtige Regierungsführung vorhanden ist.“
Lex Sokolin, Partner des AI Venture Capital Firma Generative Ventures, sagte, dass er zwar nicht der Meinung ist, dass diese Ergebnisse schwer zu replizieren sind, „zeigt, dass Kryptoprojekte dezentrale Anreize verwenden können, um wirtschaftlich wertvolle Aktivitäten zu organisieren.“
Verwandt: Sweat Wallet fügt AI -Assistenten hinzu und erweitert sich zu Multichain Defi
Hochwertige KI-Trainingsdaten: eine knappe Ware
Daten veröffentlicht Nach Schätzungen des AI-Forschungsunternehmens EPOCH AI, dass im Jahr 2028 erzeugte Text-AI-Trainingsdaten ausgeschöpft werden. Der Druck ist hoch genug, dass die Anleger jetzt sind Vermittlung Deals, die KI -Unternehmen für urheberrechtlich geschützte Materialien gewähren.
Berichte über zunehmend knappere KI -Trainingsdaten und wie dies das Wachstum im Raum einschränken kann zirkulieren jahrelang. Während synthetische (AI-generierte) Daten zumindest mit einem gewissen Erfolg zunehmend verwendet werden, werden menschliche Daten immer noch weitgehend als die besseren alternativen Daten mit höherer Qualität angesehen, die zu besseren KI-Modellen führen.
Wenn es um Bilder für KI -Training geht, werden die Dinge mit Künstlern, die die Trainingsbemühungen absichtlich sabotieren, immer komplizierter. Bestimmt, um ihre Bilder vor dem KI -Training ohne Erlaubnis zu schützen, Nachtschatten ermöglicht es Benutzern, ihre Bilder zu „vergiften“ und die Modellleistung stark abbauen.
Subramaniam sagte: “Wir treten in eine Ära ein, in der hochwertige Bilddaten immer knapper werden.” Er erkannte auch, dass diese Knappheit durch die zunehmende Beliebtheit der Bildvergiftung schlimmer wird:
“Mit dem Aufstieg von Techniken wie Image Cloaking und übergegangenen Wasserzeichen für das Giften-KI-Training stehen Datensätze mit offenen Source vor einer doppelten Herausforderung: Menge und Vertrauen.”
In dieser Situation sagte Subramaniam, dass überprüfbare und von der Gemeinschaft angesiedelte Datensätze „wertvoller als je zuvor“ sind. Ihm zufolge können solche Projekte „nicht nur Alternativen, sondern auch Säulen der KI -Ausrichtung und Herkunft in der Datenwirtschaft werden“.
Magazin: AI Eye: Ai ist auf KI -Inhalt geschult. Ist Fäden ein Verlustleiter für KI -Daten?
