很高興分享我們的 @psdnai 上線，這是由 @StoryProtocol 孵化的，並且只有在 @StoryProtocol 的可編程 IP 的支持下才能實現！

興奮地分享我們的 @psdnai 上線，這是由 @StoryProtocol 孵化的，並且只有通過 @StoryProtocol 的可編程 IP 才能實現！

非常感謝 @cdixon 和 @a16zcrypto 的持續支持！

很高興在 @BloombergTV 分享即將推出的 @psdnai (Poseidon AI)，由 Story 孵化，並建立在 Story Blockchain 之上。

下一波的人工智慧不會僅僅存在於你的瀏覽器中。 而前沿不在於計算或模型。 即將來臨 – 敬請期待。

Aria 在上議院 🇬🇧 我們下週將在倫敦參加由 @WIRED Summer Lab 和 @aifaventures 主辦的關於 AI 和創意產業的座談會。 Aria 的 @PalomarRo 將與音樂、時尚、電影和藝術領域的領導者一起發言。

<故事，獲得新動力> 一位新人物加入了@StoryProtocol，正在通過IP代幣化重塑內容產業。 他是Sandeep Chinchali，德克薩斯大學奧斯汀分校的教授，專精於人工智慧、機器人技術和分散式系統。 Sandeep Chinchali曾是NASA的研究員，在斯坦福大學研究生成式AI和雲端機器人技術，目前是德克薩斯大學奧斯汀分校的教授，專注於自動駕駛和分散式機器學習模型。 在他的研究中，他直接在車輛中安裝黑匣子以收集真實世界數據，分析被稱為「長尾」事件的稀有場景。他深刻意識到數據質量和稀缺性的重要性，通過標記這些數據並在深度學習TPU硬體上訓練輕量級AI模型。 在這個過程中，他向自己提出了一個問題。 「為了讓AI在現實中正常運作，它需要質量數據，而不僅僅是模型。要自願收集這些數據，必須有有效的激勵結構。」 他在Story找到了答案。 @StoryProtocol將數據定義為不僅僅是一種資源，而是IP，並正在建立一個鏈上獎勵系統。 稀有數據收集 → 標記 → 合成 → 鏈上註冊 → 版稅分配 每一步都在鏈上透明追蹤。Sandeep教授這樣解釋。 「我在Story上註冊由我的行車記錄儀捕捉到的稀有駕駛場景，然後一位朋友為其標記。基於此，AI創建合成數據，在每一步生成連接的IP，並自動將版稅分配給所有貢獻者。」 作為Story的首席AI官，Sandeep Chinchali教授將主導整體AI策略、鏈上學習數據基礎設施以及分散式數據獎勵系統的設計。他將數據的價值定義如下。 「數據是新的IP。」

我們詢問了 @SPChinchali 關於在 AI 時代中知識產權的角色。 "基本上，所有公共數據集都有非商業許可證。 "有時候，生成式 AI 模型創建的影像可能是基於不安全的知識產權數據進行訓練的，甚至無法使用合成數據。" "@StoryProtocol 真正專注的是下一代基礎模型。" "你不能僅僅從互聯網上抓取那些數據。"

一支AI代理開發團隊

我在職業生涯中一直在追尋一個問題：我們如何收集正確的數據，使人工智慧在現實世界中運作？ 從史丹佛實驗室到德州大學奧斯汀分校的課堂，我到處尋找。答案不是另一個人工智慧實驗室，而是一個將數據視為知識產權的區塊鏈。這就是為什麼我加入 @StoryProtocol 擔任首席人工智慧官的原因。 在史丹佛，我研究了「雲端機器人技術」，即機器人艦隊如何利用分散式計算共同學習。我甚至在我的車上安裝了一個行車記錄器來解決這個問題： 如果機器人只能上傳它們所見的 5-10%，我們如何選擇最有價值的數據？ 大部分都是無聊的高速公路畫面。但 <1% 捕捉到了稀有場景：自駕的 Waymo、施工現場、不可預測的人類。這些「長尾」數據使模型更智能。我手動標註了這些數據，甚至支付了 Google Cloud 的標註服務，為我的畫面註解了像「LIDAR 單元」和「自動駕駛車輛」這樣的利基概念，並訓練了在 USB 大小的 TPU 上運行的模型。但學術界的進展有限。 在德州大學奧斯汀分校，我的問題轉變了： → 我們如何眾包稀有數據以改善機器學習？ → 什麼激勵系統實際上有效？ 這使我進入了加密貨幣的世界——區塊鏈、代幣經濟，甚至 DePIN。我寫了部落格，撰寫了有關去中心化機器學習的論文，但仍然在想：誰在實際建設這個基礎設施？ 完全是偶然，我遇到了 Story 團隊。我被邀請在他們的帕洛阿爾托辦公室發表演講。當時是晚上 6 點，會議室仍然擠滿了人。我隨意談論「神經符號人工智慧」，並以一張名為「一點加密」的幻燈片結束。那次演講變成了一個顧問角色，現在變成了更大的事情。 我們正處於一個關鍵時刻。計算問題大多已經解決。模型架構可以在一夜之間被複製。真正的護城河是數據。 不是抓取的 Reddit。不是無盡的語言。而是經過權利清除的、長尾的、真實世界的數據，這些數據訓練具身體的人工智慧——機器人、自動駕駛車輛、導航我們混亂世界的系統。 想像一下：我在行車記錄器上捕捉到一個稀有的駕駛場景並在 Story 上註冊。一位朋友為其標註。一個人工智慧代理創建合成變體。在 Story 的圖結構鏈上，每個變體都成為鏈接的知識產權。版稅自動流回。每個人都獲得報酬，每一步都可以在鏈上追蹤。 這就是為什麼我現在是 Story 的首席人工智慧官，正在建立去中心化、權利清除的訓練數據的基礎設施。是時候讓數據成為新的知識產權。Story 是實現這一目標的地方。 更多內容即將到來。讓我們開始吧。