¡Emocionado de compartir nuestro lanzamiento de @psdnai, incubado por @StoryProtocol y solo posible por @StoryProtocol IP programable!

¡Emocionado compartir nuestro lanzamiento de @psdnai, incubado por @StoryProtocol y solo posible por IP programable de @StoryProtocol!

¡Súper agradecido por el continuo apoyo de @cdixon y @a16zcrypto!

Emocionado de compartir en @BloombergTV el próximo lanzamiento de @psdnai (Poseidon AI), incubado por Story y construido sobre Story Blockchain.

La próxima ola de IA no solo vivirá en su navegador. Y la frontera no es la computación o los modelos. Próximamente, estad atentos.

Aria en la Cámara de los Lores 🇬🇧 Nos uniremos a un panel sobre IA e industrias creativas la próxima semana en Londres organizado por @WIRED Summer Lab y @aifaventures. La @PalomarRo de Aria hablará junto a líderes de la música, la moda, el cine y el arte.

<Historia, ganando un 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 de UT Austin y experto en inteligencia artificial, robótica y sistemas distribuidos. Sandeep Chinchali, ex investigador de la NASA, estudió IA generativa y robótica en la nube en Stanford, y actualmente es profesor en UT Austin, ocupándose de la conducción autónoma y los modelos de aprendizaje automático distribuido. Durante su investigación, instaló cajas negras directamente en los vehículos para recopilar datos del mundo real, analizando escenas raras conocidas como eventos de "cola larga". Se dio cuenta profundamente de la importancia de la calidad y la escasez de datos al etiquetar estos datos y entrenar modelos de IA livianos en hardware de 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 voluntariamente, es necesaria una estructura de incentivos efectiva". Encontró la respuesta en Story. @StoryProtocol define los datos no solo como un recurso sino como propiedad intelectual, 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 forma transparente en la cadena. El profesor Sandeep lo explica de la siguiente manera. "Registro una rara escena de conducción capturada por mi dashcam en Story, y un amigo la etiqueta. Con base 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 dirigirá la estrategia general de IA, la infraestructura de datos de aprendizaje en cadena y el diseño de un sistema de recompensa de datos distribuido. Define el valor de los datos de la siguiente manera. "Los datos son la nueva IP".

Preguntamos al @SPChinchali sobre el papel de la PI en la era de la IA. "Básicamente, todos los conjuntos de datos públicos tienen una licencia no comercial. "A veces, los modelos de IA generativa que crean imágenes podrían haber sido entrenados con datos inseguros de IP y ni siquiera pueden usar datos sintéticos". "En lo que realmente se está enfocando @StoryProtocol es en la próxima generación de modelos de cimentación". "No se pueden simplemente raspar esos datos en Internet".

Un equipo de desarrollo de agentes de IA

He pasado mi carrera persiguiendo una pregunta: ¿Cómo recopilamos los datos correctos para hacer que la IA funcione en el mundo real? Desde los laboratorios de Stanford hasta las aulas de UT Austin, busqué en todas partes. La respuesta no es otro laboratorio de IA, sino una cadena de bloques construida para tratar los datos como propiedad intelectual. Es por eso que me uno a @StoryProtocol como su director de IA. En Stanford, estudié "robótica en la nube", cómo flotas de robots podrían usar la computación distribuida para aprender juntos. Incluso monté una dashcam en mi coche para resolver esto: Si los robots solo pudieran cargar entre el 5 y el 10% de lo que ven, ¿cómo seleccionamos los datos más valiosos? La mayor parte eran imágenes aburridas de la autopista. Pero el <1% capturó escenas raras: Waymos autónomos, sitios de construcción, humanos impredecibles. Esos datos de "cola larga" hicieron que los modelos fueran más inteligentes. Lo etiqueté a mano, incluso pagué al servicio de etiquetado de Google Cloud para anotar mis imágenes con conceptos de nicho como "unidad LIDAR" y "vehículo autónomo", y entrené modelos que se ejecutaban en un TPU del tamaño de un USB. Pero la academia solo llega hasta cierto punto. En UT Austin, mis preguntas cambiaron: → ¿Cómo podemos recopilar datos raros para mejorar el aprendizaje automático? → ¿Qué sistemas de incentivos funcionan realmente? Eso me llevó a las criptomonedas: blockchains, economías de tokens, incluso DePIN. Escribí en mi blog, escribí artículos sobre ML descentralizado, pero todavía me preguntaba: ¿quién está construyendo realmente esta infraestructura? Por casualidad, conocí al equipo de Story. Me invitaron a dar una charla en su oficina de Palo Alto. Eran las 6 de la tarde, la sala todavía estaba llena. Divagé sobre la "IA neurosimbólica" y terminé con una diapositiva llamada "Una pizca de cripto". Esa charla se convirtió en un papel de asesoramiento, que ahora se convirtió en algo mucho más grande. Estamos en un momento crucial. La computación está resuelta en su mayoría. Las arquitecturas de modelo se copian durante la noche. El verdadero foso son los datos. No raspado de Reddit. No es un lenguaje interminable. Pero los datos del mundo real, de cola larga y con derechos claros que entrenan a la IA incorporada: robots, vehículos autónomos, sistemas que navegan por nuestro mundo desordenado. Imagínese esto: capturo una escena de conducción rara en la dashcam y la registro en Story. Un amigo lo etiqueta. Un agente de IA crea variantes sintéticas. En la cadena estructurada en gráficos de Story, cada uno se convierte en IP vinculada. Las regalías fluyen automáticamente. A todo el mundo se le paga, cada paso se puede rastrear en la cadena. Es por eso que ahora soy director de IA en Story construyendo los rieles para datos de entrenamiento descentralizados y autorizados por IP. Es hora de convertir los datos en la nueva IP. Story es el lugar para hacerlo. Mucho más por venir pronto. Vamos.