Per coloro che se lo sono perso: un promemoria che la nostra partnership con @vana affronta qualcosa di critico per il futuro dell'AI. I modelli di AI addestrati su dati pubblici hanno raggiunto un plateau. I web scrape e i feed dei broker di dati ci hanno portato fin qui, ma il prossimo salto di prestazioni richiede dati privati e ad alta fedeltà: storici delle transazioni, registri di utilizzo delle app, documenti aziendali, dati sanitari. Il problema è che tre cose bloccano l'accesso ai dati privati su larga scala: 1⃣Incentivi: Gli utenti devono ricevere una giusta compensazione per contribuire con i loro dati. 2⃣Privacy: Gli utenti devono controllare ciò che viene rivelato. Dimostrare il proprio volume di scambi non dovrebbe richiedere di esporre ogni singolo scambio. 3⃣Verificabilità: Gli sviluppatori devono confermare l'origine dei dati e la correttezza dei calcoli senza mai vedere i dati grezzi. Vana e Brevis risolvono tutti e tre i problemi. Vana gestisce una rete aperta per dati di proprietà degli utenti. Gli utenti contribuiscono a Collettivi di Dati in cambio di ricompense mantenendo la proprietà. Brevis fornisce il livello crittografico: ▶️zkTLS prova l'autenticità dei dati da qualsiasi fonte (banche, scambi, app) senza esporre i dati stessi ▶️Pico zkVM calcola su quei dati localmente e prova la correttezza senza rivelare informazioni grezze Il risultato: gli sviluppatori di AI ottengono dati di addestramento verificati e ad alta fedeltà. Gli utenti vengono pagati. I dati grezzi non escono mai dal controllo dell'utente. Privacy e provenienza, finalmente allineate.