Para quienes se lo perdieron: un recordatorio de que nuestra colaboración con @vana aborda algo fundamental para el futuro de la IA. Los modelos de IA entrenados con datos públicos se han estancado. Los extractos web y los feeds de los intermediarios de datos nos han llevado hasta aquí, pero el siguiente salto de rendimiento requiere datos privados y de alta fidelidad: historiales de transacciones, registros de uso de aplicaciones, registros empresariales, datos de salud. El problema es que tres cosas bloquean el acceso a datos privados a gran escala: 1⃣Incentivos: Los usuarios necesitan una compensación justa por contribuir con sus datos. 2⃣Privacidad: Los usuarios deben controlar lo que se revela. Demostrar tu volumen de operaciones no debería requerir exponer cada operación individual. 3⃣Verificabilidad: Los desarrolladores deben confirmar el origen de los datos y la corrección del cálculo sin ver nunca los datos en bruto. Vana y Brevis resuelven los tres. Vana gestiona una red abierta para datos propiedad de los usuarios. Los usuarios contribuyen a los Colectivos de Datos a cambio de recompensas, manteniendo la propiedad. Brevis proporciona la capa criptográfica: ▶️zkTLS demuestra la autenticidad de los datos de cualquier fuente (bancos, exchanges, apps) sin exponer los datos en sí mismos ▶️Pico zkVM calcula esos datos localmente y demuestra la corrección sin revelar información en bruto El resultado: los desarrolladores de IA obtienen datos de entrenamiento verificados y de alta fidelidad. Los usuarios cobran. Los datos en bruto nunca salen del control del usuario. Privacidad y procedencia, finalmente alineadas.