DApp Store | Sede de Web3 para eventos y juegos

Tendencias del momento

Professor Jo 🐙

Basado en su carrera en finanzas de adquisiciones, es un 'agricultor de DeFi Joseon' que corre hacia un sueño más grande en DeFi. @0xundefined_

<Ahora no es el modelo, sino los datos los que son competitivos> El núcleo de la industria de la IA ya no son los cálculos o los modelos, sino los 'datos de alta calidad'. Así como la civilización humana avanzó a través del petróleo en el pasado, la IA también necesita un nuevo 'combustible' para avanzar. Así como el petróleo se utilizó como fuente de energía y material antes y después de la Segunda Guerra Mundial, lo que llevó a una rápida industrialización, la forma en que se aseguran y procesan los datos determinará el liderazgo en la era de la IA. Elon Musk también mencionó esto a principios de este año. "Hemos agotado la suma acumulativa del conocimiento humano en el aprendizaje de la IA." Es cierto que modelos como GPT han crecido rápidamente al extraer datos públicos de sitios web, libros, código e imágenes. Sin embargo, ahora necesitamos nuevas formas de datos que sean o bien protegidos por derechos de autor o que no existan en absoluto. Por ejemplo, en campos como los vehículos autónomos y la robótica, necesitamos datos complejos basados en la integración de múltiples sensores, como cámaras, radares y lidars, así como datos de casos recopilados en entornos reales, que no existen en la web. El problema más grande es 'cómo combinarlos bien' más que la tecnología en sí. Miles de personas necesitan recopilar, etiquetar y actualizar datos mientras están dispersas, y los métodos centralizados utilizados hasta ahora luchan por manejar esta diversidad y escala. Por lo tanto, la industria de la IA está convergiendo cada vez más en la idea de que un enfoque descentralizado es la solución. Aquí es donde entra en juego 'Poseidon (@psdnai)'. Poseidon no es solo un almacén de datos; es una infraestructura que recibe, verifica y refina datos del mundo real para crear conjuntos de datos de entrenamiento que se pueden utilizar sin preocupaciones de derechos de autor. Para ponerlo en términos metafóricos, Poseidon es una 'refinería de petróleo'. Toma datos en bruto y los refina en combustible que la IA puede usar para aprender. Todo este proceso opera en @StoryProtocol. Registra de manera transparente en la cadena quién proporcionó los datos, bajo qué condiciones y quién los utilizó. Aquellos que proporcionan datos reciben una compensación justa, y los desarrolladores de IA pueden usarlos con tranquilidad. Poseidon, que logrará innovación en la capa de datos en lugar de a través de GPUs o modelos, podría ser el mejor ejemplo de la aplicación de la tecnología web3 a las industrias web2.

Emocionados de anunciar que estamos liderando una ronda de financiación inicial de $15M en Poseidon, que fue incubado por @StoryProtocol y está construyendo una capa de datos descentralizada para coordinar la oferta y la demanda de datos de entrenamiento de IA. La primera generación de modelos de fundación de IA se entrenó con datos que parecían ser un recurso efectivamente ilimitado. Hoy en día, los recursos más accesibles, como libros y sitios web, han sido en su mayoría agotados, y los datos se han convertido en un factor limitante en el progreso de la IA. Gran parte de los datos que quedan ahora son de menor calidad o están fuera de límites debido a las protecciones de propiedad intelectual. Para algunas de las aplicaciones de IA más prometedoras —en robótica, vehículos autónomos e inteligencia espacial—, los datos ni siquiera existen aún. Ahora estos sistemas necesitan tipos completamente nuevos de información: multi-sensorial, rica en casos extremos, capturada en la naturaleza. ¿De dónde vendrán todos estos datos del mundo físico? El desafío no es solo técnico: es un problema de coordinación. Miles de contribuyentes deben trabajar juntos de manera distribuida para obtener, etiquetar y mantener los datos físicos que la próxima generación de IA necesita. Creemos que ningún enfoque centralizado puede orquestar de manera eficiente la creación y curaduría de datos que se necesita a la escala y diversidad requeridas. Un enfoque descentralizado puede resolver esto. @psdnai permite a los proveedores recopilar los datos que las empresas de IA necesitan, mientras asegura la seguridad de la propiedad intelectual a través de la licencia de propiedad intelectual programable de Story. Esto busca establecer una nueva base económica para internet, donde los creadores de datos sean compensados de manera justa por ayudar a las empresas de IA a impulsar la próxima generación de sistemas inteligentes. El equipo de Poseidon, liderado por el Científico Jefe y Cofundador @SPChinchali, aporta una profunda experiencia en infraestructura de IA. Sandeep es profesor en UT Austin especializado en IA, robótica y sistemas distribuidos, con un doctorado de Stanford en IA y sistemas distribuidos. El Jefe de Producto y Cofundador @sarickshah pasó una década como ingeniero de aprendizaje automático, escalando productos de IA para grandes empresas en servicios financieros, telecomunicaciones y atención médica. Estamos emocionados de apoyar a Poseidon en su trabajo para resolver uno de los cuellos de botella más críticos en el desarrollo de la IA.

<Historia, Ganando Nuevo Impulso> Una nueva figura se ha unido a @StoryProtocol, que está remodelando la industria del contenido a través de la tokenización de IP. Él es Sandeep Chinchali, profesor en UT Austin y experto en IA, robótica y sistemas distribuidos. Sandeep Chinchali, un exinvestigador de la NASA, estudió IA generativa y robótica en la nube en Stanford, y actualmente es profesor en UT Austin, tratando con conducción autónoma y modelos de aprendizaje automático distribuidos. Durante su investigación, instaló cajas negras directamente en vehículos para recopilar datos del mundo real, analizando escenas raras conocidas como eventos de 'larga cola'. Se dio cuenta profundamente de la importancia de la calidad y escasez de los datos al etiquetar estos datos y entrenar modelos de IA ligeros en hardware TPU de aprendizaje profundo. En el proceso, se planteó una pregunta a sí mismo. "Para que la IA funcione correctamente en la realidad, necesita datos de calidad, no solo modelos. Y para recopilar esos datos de forma voluntaria, es necesaria una estructura de incentivos efectiva." Encontró la respuesta en Story. @StoryProtocol define los datos no solo como un recurso, sino como IP, y está construyendo un sistema de recompensas en cadena. Recopilación de datos raros → Etiquetado → Síntesis → Registro en cadena → Distribución de regalías Cada paso se rastrea de manera transparente en la cadena. El profesor Sandeep lo explica de la siguiente manera. "Registro una escena de conducción rara capturada por mi dashcam en Story, y un amigo la etiqueta. Basado en esto, la IA crea datos sintéticos, generando IP conectada en cada paso, y las regalías se distribuyen automáticamente a todos los contribuyentes." Como Director de IA de Story, el profesor Sandeep Chinchali liderará la estrategia general de IA, la infraestructura de datos de aprendizaje en cadena y el diseño de un sistema de recompensas de datos distribuidos. Define el valor de los datos de la siguiente manera. "Los datos son la nueva IP."

<Reflexiones sobre la observación de SharpLink Gaming> Parece que ConsenSys está liderando el camino, convirtiendo la 'estrategia financiera de Ethereum' en una tendencia significativa. SharpLink Gaming está acumulando Ethereum de manera constante al recaudar alrededor de 500 mil millones de wones a través de PIPE, y la diferencia con la estrategia financiera de Bitcoin es que Ethereum puede generar beneficios a través de la gestión de activos más allá de la simple tenencia. Lo que me intriga es cómo gestionarán el Ethereum que han reunido. Mirando el caso de @SharpLinkGaming, se puede confirmar que están gestionando activos basados en LST o LRT a través de Figment. Figment es uno de los principales validadores en Ethereum y opera una bóveda dedicada para inversores institucionales, proporcionando rendimientos estables de staking. Proyectos como @Obol_Collective ayudan a grandes operadores a validar de manera más estable y eficiente, similar a Figment. A medida que más instituciones adoptan estrategias de Ethereum, creo que la oferta de Ethereum inevitablemente se concentrará en estos validadores específicos de instituciones. Especialmente porque la gestión de riesgos es clave para las instituciones, tienden a operar nodos de manera muy conservadora para minimizar riesgos como el tiempo de inactividad o el slashing. Por ejemplo, si ocurre un desastre natural mientras se ejecuta un nodo con una única clave de validador, podría resultar en la pérdida no solo de recompensas futuras, sino también del capital apostado. Para reducir tales riesgos, se espera que la demanda de infraestructura que distribuya claves de validador a través de múltiples nodos, a saber, DVT (DVT: Tecnología de Validador Distribuido), continúe creciendo. La diferencia de infraestructura decisiva entre Ethereum y Solana es su estructura de computación descentralizada. Está diseñada para evitar puntos únicos de falla a través de al menos 5-6 clientes, incluso si el mundo llegara a su fin. Para que las instituciones puedan aprovechar adecuadamente esta narrativa de Ethereum, necesitan elaborar estrategias para reducir los puntos únicos de falla en la capa de validadores, con proyectos como @Obol_Collective en el centro de ese esfuerzo. En última instancia, a medida que más empresas eligen la estrategia financiera de Ethereum, la demanda de proyectos que puedan ayudarles a validar mejor o simplificar la gestión de activos aumentará de manera natural.

Parte superior

Clasificación

Favoritos

En tendencia on-chain

En tendencia en X

Principales fondos recientes

Más destacado