من الآن فصاعدا ، فإن عنوان IP الأكثر قيمة هو البيانات ، وليس بنية النموذج وتصميم الحوسبة.

متحمس لمشاركة إطلاقنا ل @psdnai ، احتضانه @StoryProtocol وممكن فقط من خلال IP القابل للبرمجة في @StoryProtocol!

متحمس شارك إطلاقنا ل @psdnai ، احتضانه @StoryProtocol وممكن فقط من خلال IP القابل للبرمجة @StoryProtocol!

ممتن للغاية للدعم المستمر من @cdixon و @a16zcrypto!

متحمس للمشاركة في @BloombergTV الإطلاق القادم ل @psdnai (Poseidon الذكاء الاصطناعي) ، الذي احتضنه Story والبناء على قمة Story Blockchain.

لن تعيش الموجة التالية من الذكاء الاصطناعي في متصفحك فقط. والحدود ليست الحوسبة أو النماذج. قريبا - ترقبوا.

آريا في مجلس اللوردات 🇬🇧 سننضم إلى حلقة نقاش حول الذكاء الاصطناعي والصناعات الإبداعية الأسبوع المقبل في لندن تستضيفها @WIRED Summer Lab and @aifaventures. سيتحدث @PalomarRo آريا جنبا إلى جنب مع قادة من الموسيقى والأزياء والسينما والفن.

<القصة تكتسب زخما جديدا> انضم رقم جديد إلى @StoryProtocol ، والذي يعيد تشكيل صناعة المحتوى من خلال ترميز IP. وهو سانديب تشينشالي ، أستاذ في جامعة أوستن وخبير في الذكاء الاصطناعي والروبوتات والأنظمة الموزعة. درس سانديب تشينشالي ، الباحث السابق في وكالة ناسا ، الذكاء الاصطناعي التوليدي والروبوتات السحابية في جامعة ستانفورد ، وهو حاليا أستاذ في جامعة أوستن ، ويتعامل مع القيادة الذاتية ونماذج التعلم الآلي الموزعة. خلال بحثه ، قام بتركيب الصناديق السوداء مباشرة في المركبات لجمع بيانات العالم الحقيقي ، وتحليل المشاهد النادرة المعروفة باسم أحداث "الذيل الطويل". لقد أدرك بعمق أهمية جودة البيانات وندرة البيانات من خلال تسمية هذه البيانات وتدريب نماذج الذكاء الاصطناعي خفيفة الوزن على أجهزة TPU للتعلم العميق. في هذه العملية ، طرح سؤالا على نفسه. "لكي يعمل الذكاء الاصطناعي بشكل صحيح في الواقع ، فإنه يحتاج إلى بيانات عالية الجودة ، وليس فقط نماذج. ولجمع هذه البيانات طوعا ، من الضروري وجود هيكل حوافز فعال ". وجد الإجابة في Story. لا تعرف @StoryProtocol البيانات كمورد فحسب ، بل كعنوان IP ، وتقوم ببناء نظام مكافآت على السلسلة. جمع البيانات النادرة → وضع العلامات → التوليف → التسجيل على السلسلة → توزيع الإتاوات يتم تتبع كل خطوة بشفافية على السلسلة. يشرح البروفيسور سانديب ذلك على النحو التالي. "أسجل مشهدا نادرا للقيادة تم التقاطه بواسطة كاميرا dashcam الخاصة بي على Story ، ويقوم أحد الأصدقاء بتسميته. بناء على ذلك ، يقوم الذكاء الاصطناعي بإنشاء بيانات تركيبية ، وإنشاء IP متصل في كل خطوة ، ويتم توزيع الإتاوات تلقائيا على جميع المساهمين ". بصفته الرئيس التنفيذي لقسم الذكاء الاصطناعي في Story ، سيقود البروفيسور سانديب تشينشالي استراتيجية الذكاء الاصطناعي الشاملة ، والبنية التحتية لبيانات التعلم على السلسلة ، وتصميم نظام مكافآت البيانات الموزعة. يحدد قيمة البيانات على النحو التالي. "البيانات هي الملكية الفكرية الجديدة."

سألنا @SPChinchali عن دور الملكية الفكرية في عصر الذكاء الاصطناعي. "بشكل أساسي ، جميع مجموعات البيانات العامة لها ترخيص غير تجاري. "في بعض الأحيان ، كان من الممكن تدريب نماذج الذكاء الاصطناعي التوليدي التي تنشئ الصور على بيانات IP غير الآمنة ولا يمكنها حتى استخدام البيانات التركيبية." "ما يركز عليه @StoryProtocol حقا هو الجيل القادم من نماذج الأساس." "لا يمكنك فقط كشط هذه البيانات على الإنترنت."

لقد أمضيت مسيرتي المهنية في مطاردة سؤال واحد: كيف نجمع البيانات الصحيحة لجعل الذكاء الاصطناعي يعمل في العالم الحقيقي؟ من مختبرات ستانفورد إلى الفصول الدراسية في UT Austin ، بحثت في كل مكان. الجواب ليس مختبرا آخر لنظام الذكاء الاصطناعي ، ولكنه blockchain مصمم للتعامل مع البيانات على أنها IP. لهذا السبب انضممت إلى @StoryProtocol كرئيس الذكاء الاصطناعي لهم. في جامعة ستانفورد ، درست "الروبوتات السحابية" ، كيف يمكن لأساطيل الروبوتات استخدام الحوسبة الموزعة للتعلم معا. حتى أنني قمت بتركيب كاميرا dashcam في سيارتي لحل هذه المشكلة: إذا كان بإمكان الروبوتات تحميل 5-10٪ فقط مما يراه ، فكيف نختار البيانات الأكثر قيمة؟ كان معظمها لقطات مملة للطرق السريعة. لكن <1٪ التقطوا مشاهد نادرة: Waymos ذاتية القيادة ، ومواقع البناء ، والبشر الذين لا يمكن التنبؤ بهم. هذه البيانات "طويلة الذيل" جعلت النماذج أكثر ذكاء. لقد قمت بتسميته يدويا ، حتى أنني دفعت لخدمة وضع العلامات في Google Cloud للتعليق على لقطاتي بمفاهيم متخصصة مثل "وحدة LIDAR" و "مركبة مستقلة" ، والنماذج المدربة التي تعمل على TPU بحجم USB. لكن الأوساط الأكاديمية تذهب إلى أبعد من ذلك. في UT Austin ، تحولت أسئلتي: → كيف نقوم بالتجميع الجماعي للبيانات النادرة لتحسين التعلم الآلي؟ → ما هي أنظمة الحوافز التي تعمل بالفعل؟ لقد جذبني ذلك إلى التشفير - سلاسل الكتل ، واقتصادات الرموز ، وحتى DePIN. لقد قمت بالتدوين ، وكتبت أوراقا عن التعلم الآلي اللامركزي ، لكنني ما زلت أتساءل: من الذي يبني هذه البنية التحتية بالفعل؟ بالصدفة التامة ، قابلت فريق القصة. دعيت لإلقاء محاضرة في مكتبهم في بالو ألتو. كانت الساعة 6 مساء ، كانت الغرفة لا تزال مكتظة. تجولت حول "الذكاء الاصطناعي الرمزي العصبي" وانتهيت بشريحة تسمى "اندفاعة من التشفير". تحول هذا الحديث إلى دور استشاري ، والذي تحول الآن إلى شيء أكبر بكثير. نحن في لحظة محورية. يتم حل الحوسبة في الغالب. يتم نسخ البنى النموذجية بين عشية وضحاها. الخندق الحقيقي هو البيانات. لم يتم كشط Reddit. ليست لغة لا نهاية لها. لكن البيانات الحقيقية التي تم تطهيرها وطويلة الذيل والتي تدرب الذكاء الاصطناعي المجسد - الروبوتات والسيارات والسيارات والأنظمة التي تتنقل في عالمنا الفوضوي. تخيل هذا: ألتقط مشهدا نادرا للقيادة على dashcam وأسجله على Story. صديق يسميها. يخلق عامل الذكاء الاصطناعي متغيرات اصطناعية. في سلسلة Story المهيكلة على الرسم البياني ، يصبح كل منها IP مرتبطا. تعود الإتاوات تلقائيا. يتقاضى الجميع رواتبهم ، كل خطوة يمكن تتبعها على السلسلة. لهذا السبب أشغل الآن منصب كبير مسؤولي الذكاء الاصطناعي في Story لبناء القضبان لبيانات التدريب اللامركزية التي تم تخليصها من IP. حان الوقت لجعل البيانات عنوان IP الجديد. القصة هي المكان المناسب للقيام بذلك. سيأتي المزيد قريبا. لنذهب.