DeAI потенциал акций OORT: преодоление узкое место развития искусственного интеллекта,Вдохновить страсть всех к внесению данных

?

Автор: ChainCatcher

Эра взрывного роста в области ИИ началась. Консалтинговая компания Dealroom в своем исследовательском отчете «Отчет о инвестициях в ИИ 2024 года» заявила, что объем глобальных инвестиций в ИИ, по прогнозам, достигнет 65 миллиардов долларов, что составит одну пятую часть всех венчурных инвестиций. Исследовательский отдел Goldman Sachs также отметил, что объем глобальных инвестиций в ИИ к 2025 году может приблизиться к 200 миллиардам долларов.

Благодаря взрыву в области ИИ, средства стремительно направляются в проекты, связанные с ИИ. Например, китайская компания Cambricon на фондовом рынке A-share с февраля этого года выросла более чем на 560%, ее рыночная капитализация превысила 250 миллиардов юаней; американская компания Broadcom преодолела отметку в триллион долларов, став восьмой по величине публичной компанией на американском фондовом рынке.

Слияние ИИ и криптовалют также демонстрирует бурный рост. Во время конференции по искусственному интеллекту, организованной Nvidia, Bittensor (TAO) возглавил список с рыночной капитализацией более 4,5 миллиарда долларов, а такие активы, как Render (RND) и Fetch.ai (FET), также показали стремительный рост ценности.

После больших языковых моделей ИИ-агенты стали двигателем текущего рынка ИИ. Например, токен GOAT за 24 часа вырос более чем в 100 раз, а ACT за один день увеличился почти в 20 раз, их выдающиеся результаты разожгли интерес к ИИ-агентам в мире криптовалют.

Тем не менее, за бурным развитием ИИ скрываются и опасения. Согласно статье основателя и CEO OORT Dr. Max Li в журнале Forbes «К 2025 году количество неудач в ИИ резко возрастет: призыв к децентрализованным инновациям», индустрия ИИ сталкивается с множеством проблем, таких как конфиденциальность данных, этическое соблюдение и кризис доверия, вызванный централизацией, что увеличивает риск неудач в ИИ, поэтому децентрализованные инновации становятся актуальной необходимостью.

В настоящее время OORT создала одну из крупнейших децентрализованных облачных инфраструктур в мире, ее сетевые узлы охватывают более 100 стран, обеспечивая доход в миллионы долларов, и запустила открытый протокол Layer 1 Olympus (с алгоритмом консенсуса "доказательство честности" PoH, защищенным патентом США), который поощряет всех вносить данные через родной токен OORT, создавая замкнутый цикл стимулов. Недавно OORT запустила OORT DataHub, что стало шагом вперед к глобальному, многообразному и прозрачному сбору данных, закладывая основу для взрыва DeAI.

OORT, возникший случайно в классе

Чтобы понять проект OORT, сначала нужно понять проблему, которую он решает. Для этого необходимо упомянуть о текущих узких местах в развитии ИИ, основными из которых являются проблемы данных и централизации:

1. Недостатки централизованного ИИ

1. Недостаточная прозрачность вызывает кризис доверия. Процесс принятия решений централизованными ИИ-моделями часто непрозрачен и рассматривается как "черный ящик". Пользователям трудно понять, как ИИ-система принимает решения, что в некоторых ключевых приложениях, таких как медицинская диагностика и финансовый контроль, может привести к серьезным последствиям.

2. Монополия на данные и неравная конкуренция. Небольшое количество крупных технологических компаний контролирует значительные объемы данных, создавая монополию на данные. Это затрудняет новым участникам получение достаточного объема данных для обучения своих ИИ-моделей, что препятствует инновациям и рыночной конкуренции. Кроме того, монополия на данные может привести к злоупотреблению пользовательскими данными, что усугубляет проблемы конфиденциальности данных.

3. Этические и моральные риски трудно контролировать. Развитие централизованного ИИ вызывает ряд моральных и этических вопросов, таких как алгоритмическая дискриминация и усиление предвзятости. Кроме того, с применением технологий ИИ в военной сфере, мониторинге и других областях возникают опасения по поводу прав человека, безопасности и социальной стабильности.

2. Проблема данных

1. Дефицит данных. В процессе бурного развития искусственного интеллекта проблема дефицита данных постепенно становится очевидной и становится ключевым фактором, ограничивающим его дальнейшее развитие. Потребность исследователей ИИ в данных растет экспоненциально, однако предложение данных не может удовлетворить этот спрос. За последние десять лет расширение нейронных сетей зависело от большого объема данных для обучения, как это видно на примере крупных языковых моделей, таких как ChatGPT. Но сейчас традиционные наборы данных на грани исчерпания, а владельцы данных начинают ограничивать использование контента, что делает получение данных все более сложным.

Причины дефицита данных многообразны. С одной стороны, качество данных варьируется, существует неполнота, несоответствие, шум и предвзятость, что серьезно влияет на точность моделей. С другой стороны, проблемы масштабируемости огромны, сбор достаточного объема данных требует высоких затрат и времени, поддержание актуальности данных в реальном времени сложно, а ручная аннотация крупных наборов данных является узким местом. Кроме того, ограничения доступа и конфиденциальности также нельзя игнорировать, изолированные данные, правовые ограничения и этические вопросы делают сбор данных крайне сложным.

Дефицит данных оказывает глубокое влияние на развитие ИИ. Он ограничивает обучение и оптимизацию моделей, что может вынудить ИИ-модели перейти от стремления к масштабам к более специализированным и эффективным подходам. В отраслевых приложениях также трудно достичь точных прогнозов и решений, что препятствует более широкому применению ИИ в таких областях, как медицина и финансы.

Чтобы справиться с дефицитом данных, исследователи и компании активно исследуют различные пути. Например, они пытаются собирать непубличные данные, но сталкиваются с проблемами легитимности и качества; обращают внимание на специализированные наборы данных, хотя их доступность и практичность еще предстоит проверить; генерируют синтетические данные, которые имеют определенный потенциал, но также имеют множество недостатков. Кроме того, оптимизация традиционных методов сбора данных и исследование децентрализованных решений для сбора данных становятся важными направлениями для решения проблемы дефицита данных. В общем, проблема дефицита данных требует срочного решения для обеспечения устойчивого и здорового развития ИИ.

2. Проблемы, вызванные "черным ящиком" централизованного ИИ, такие как проблемы конфиденциальности, недостаток разнообразия и непрозрачность.

В текущей модели процесс сбора и обработки данных не прозрачен, пользователи часто не знают, куда уходят и как используются их личные данные. Многие алгоритмы машинного обучения требуют большого объема чувствительной информации пользователей для обучения, что создает риск утечки данных; если меры по защите конфиденциальности не будут адекватными, личная информация пользователей может быть использована неправомерно, что приведет к кризису доверия.

Недостаток разнообразия также является серьезным недостатком. В настоящее время данные, на которых основан централизованный ИИ, часто сосредоточены в нескольких областях или регионах, международные основные наборы данных в основном на английском языке, что приводит к однобокости источников данных. Это делает обученные ИИ-модели неэффективными в разнообразных реальных сценариях, что может привести к предвзятости. Например, при обработке многоязычных задач или данных из разных культурных контекстов модели могут не в состоянии точно понять и реагировать, что ограничивает широкую применимость и справедливость технологий ИИ.

Непрозрачность пронизывает весь процесс обработки данных. От источников сбора данных до методов обработки и конечного преобразования в решения, эти этапы для внешних наблюдателей кажутся черным ящиком. Эта непрозрачность затрудняет пользователям оценку качества данных и затрудняет выявление предвзятости модели, что может повлиять на справедливость и точность решений. В долгосрочной перспективе это не способствует здоровому развитию технологий ИИ и широкому принятию в обществе.

3. Проблемы сбора данных стали ключевым фактором, препятствующим развитию ИИ. Согласно колонке Dr. Max Li в Forbes, распространенные проблемы часто возникают из следующих аспектов:

(1) Проблемы качества данных.

Неполнота: отсутствующие значения или неполные данные могут снизить точность ИИ-моделей.

Несоответствие: данные, собранные из нескольких источников, часто имеют несовпадающие форматы или конфликтующие записи.

Шум: нерелевантные или ошибочные данные могут ослабить значимые выводы и запутать модель.

Предвзятость: данные, не представляющие целевую аудиторию, могут привести к предвзятости модели, что вызывает этические и практические проблемы.

(2) Проблемы масштабируемости.

Проблемы количества: сбор достаточного объема данных для обучения сложных моделей может быть дорогостоящим и времязатратным.

Требования к данным в реальном времени: приложения, такие как автономное вождение или прогнозная аналитика, требуют постоянного надежного потока данных, поддержание которых может быть сложным.

Ручная аннотация: крупные наборы данных обычно требуют ручной разметки, что создает серьезные временные и трудовые узкие места.

(3) Проблемы доступа и конфиденциальности.

Изолированные данные: организации могут хранить данные в изолированных системах, что ограничивает доступ и интеграцию.

Соответствие: законы, такие как GDPR и CCPA, ограничивают сбор данных, особенно в чувствительных областях, таких как здравоохранение и финансы.

Этические проблемы: сбор данных без согласия пользователей или непрозрачным образом может привести к репутационным и юридическим рискам.

Другие распространенные узкие места в сборе данных включают недостаток разнообразных и действительно глобальных наборов данных, высокие затраты, связанные с инфраструктурой данных и ее обслуживанием, проблемы обработки данных в реальном времени и динамических данных, а также вопросы, связанные с правами на данные и лицензированием.

OORT возникла в ответ на реальные потребности, ее создание было несколько случайным. В 2018 году Макс преподавал студентам магистратуры Колумбийского университета, и во время курса по искусственному интеллекту им нужно было выполнить проект, требующий обучения ИИ-агента. Из-за высоких затрат традиционных облачных услуг студенты столкнулись с трудностями. Чтобы решить эту проблему, Макс задумал создать децентрализованную платформу ИИ "OORT": изначально они исследовали возможность использования блокчейна в качестве слоя стимулов, соединяя глобальные недоиспользуемые узлы, построив первоначальный прототип децентрализованного облачного решения, и начали пробовать использовать PayPal для платежей и распределения кредитов, что стало основой для появления родного токена OORT.

Сегодня OORT стала лидером в области DeAI, сочетая верификацию на основе блокчейна с сетью глобальных центров обработки данных и периферийных устройств, разработав современную инфраструктуру для искусственного интеллекта.

Столкнувшись с проблемой нехватки данных для обучения ИИ, OORT использует недоиспользуемые узлы по всему миру, соединяя их с помощью блокчейна для глобального сбора данных. Чтобы стимулировать участие и решить проблему трансграничных мелких платежей, OORT решила использовать криптовалюту для платежей, тем самым создав уникальную бизнес-модель. Продукт OORT DataHub был запущен 11 декабря и в основном решает проблемы сбора и аннотации данных, охватывая малые и средние предприятия, а также некоторые ведущие мировые технологические компании. Децентрализованный характер этого продукта действительно обеспечивает глобальный, многообразный и прозрачный сбор данных, позволяя глобальным поставщикам данных легко зарабатывать вознаграждения, в то время как технологии блокчейна обеспечивают запись источников данных и их использования в цепочке, эффективно решая многие проблемы, с которыми сталкиваются облачные сервисы Web2 и компании ИИ. На момент написания статьи OORT DataHub уже собрала данные от более чем 80 000 поставщиков данных по всему миру.

Основные научные исследования и академический фон, поддержка крупных компаний, обслуживание более 10 000 предприятий и частных лиц

Команда OORT обладает мощным составом. Макс не только является основателем и CEO OORT, но также преподавателем Колумбийского университета, соучредителем Nakamoto&Turing Labs в Нью-Йорке и основным партнером фонда Aveslair в Нью-Йорке, и имеет значительное влияние в технической области, обладая более чем 200 международными и американскими патентами (выданными и ожидающими выдачи), а также опубликовал множество статей в известных академических журналах, охватывающих области связи, машинного обучения и систем управления. Кроме того, он является рецензентом и членом технических программных комитетов нескольких ведущих журналов и конференций, а также рецензентом грантов Канадского совета по естественным наукам и инженерии.

Перед созданием OORT Макс сотрудничал с исследовательской командой Qualcomm в области проектирования систем 4G LTE и 5G. Макс также является соучредителем лаборатории Nakamoto&Turing Labs в Нью-Йорке, занимающейся инвестициями, образованием и консалтингом в области блокчейна и искусственного интеллекта.

Макс также является постоянным автором журнала Forbes, в своей последней статье в Forbes «К 2025 году количество неудач в ИИ резко возрастет: призыв к децентрализованным инновациям» и «Внимание к децентрализованному ИИ 2025 года: слияние искусственного интеллекта и криптовалюты» он подчеркивает развитие и важность децентрализованного ИИ в области криптовалют, акцентируя внимание на его преобразованиях и потенциале. Не трудно заметить, что Макс является твердым сторонником децентрализованного ИИ.

Председатель фонда OORT Майкл Робинсон также является управляющим директором Agentebtc, управляющим директором Burble, управляющим партнером фонда Aveslair, соучредителем и председателем фонда Reed - Robinson, а также партнером Laireast, обладая богатым опытом в различных областях и стремясь продвигать интеграцию бизнеса и технологий по всему миру.

Другие ключевые члены команды пришли из ведущих университетов и известных учреждений, таких как Колумбийский университет, Qualcomm, AT&T, JPMorgan и др. Кроме того, развитие OORT также получило поддержку известных венчурных капитальных компаний, таких как Emurgo Ventures (фонд Cardano ADA) и поддержка от Microsoft и Google.

На данный момент OORT привлекла 10 миллионов долларов от известных инвесторов, включая Taisu Ventures, Red Beard Ventures, Sanctor Capital и получила финансирование от Microsoft и Google, а также установила партнерские отношения с множеством отраслевых гигантов, таких как Lenovo Imaging, Dell, Tencent Cloud, BNB Chain и др.

OORT завершила ранние этапы проекта в 2018-2019 годах, а в 2020-2021 годах сосредоточилась на исследованиях, разработав ряд ключевых технологий, включая технологии хранения, вычислений и управления данными, и начала строить инфраструктуру экосистемы OORT. В этот период OORT запустила децентрализованные узлы хранения Edge Device, что стало основой для дальнейшего коммерческого развития.

С 2022 года OORT начала исследовать пути коммерциализации:

1. OORT создала платформу рынка данных, соединяющую поставщиков данных и пользователей данных. Поставщики данных могут продавать свои данные на платформе, а пользователи данных могут покупать необходимые данные для обучения ИИ-моделей и других целей. OORT получает прибыль за счет взимания комиссии за транзакции, а также для поощрения поставщиков данных предоставлять качественные данные, платформа установила систему вознаграждений, которая предоставляет соответствующие вознаграждения в зависимости от качества, разнообразия и частоты использования данных.

2. Предоставление децентрализованных облачных услуг хранения и вычислений, предприятия и частные лица могут арендовать облачные ресурсы OORT для запуска своих ИИ-приложений. В отличие от традиционных облачных услуг, децентрализованные облачные услуги OORT предлагают более высокую безопасность, более низкие затраты и лучшую масштабируемость. Пользователи могут гибко выбирать необходимые облачные ресурсы в зависимости от своих реальных потребностей и оплачивать по мере использования.

3. OORT предлагает индивидуализированные решения ИИ для крупных предприятий, основанные на децентрализованной архитектуре OORT, предоставляя комплексные услуги по управлению данными, обучению моделей и интеллектуальному принятию решений. Сотрудничая с предприятиями, OORT не только получает стабильный источник дохода, но и накапливает отраслевой опыт, что позволяет дальше оптимизировать свои продукты и услуги.

В настоящее время OORT обслуживает более 10 000 предприятий и частных клиентов по всему миру, ее сетевые узлы обеспечивают доход в миллионы долларов, что подтверждает жизнеспособность ее бизнес-модели.

Каждый может участвовать в развитии ИИ и получать от этого выгоду

OORT предлагает несколько продуктов, включая OORT Storage, OORT Compute и OORT DataHub. На основе приложений этих трех продуктов OORT также предлагает решение OORT AI, которое помогает предприятиям быстро интегрировать интеллектуальных помощников. Конкретно функции трех основных продуктов следующие:

・OORT Storage — это единственное децентрализованное решение, которое может сопоставляться с AWS S3 по производительности, уже имеющее множество зарегистрированных предприятий и частных клиентов;

・OORT Compute предназначен для реализации децентрализованного анализа и обработки данных, предоставляя лучшую стоимость для обучения и вывода ИИ-моделей, в настоящее время еще в стадии подготовки и не запущен;

・OORT DataHub, который официально запустился 11 декабря, знаменует собой новый этап развития проекта и станет новым фокусом для OORT, на который возлагаются большие надежды как на "дойную корову".

OORT DataHub предлагает инновационный способ сбора и аннотации данных, позволяя глобальным участникам собирать, классифицировать и предварительно обрабатывать данные для ИИ-приложений. Используя технологии блокчейна, он решает проблемы однобокости источников данных и низкой эффективности аннотации, а также повышает безопасность. Стоит отметить, что OORT DataHub успешно запустился на Шэньчжэньской бирже данных, открыв новый путь для получения высококачественных, разнообразных и безопасных данных для ИИ-компаний и исследовательских учреждений.

OORT DataHub предоставляет пользователям множество способов заработать баллы, такие как ежедневный вход, выполнение задач, верификация задач и программы рекомендаций. Пользователи, накапливающие баллы, получают право участвовать в ежемесячной лотерее и получать вознаграждение в виде USDT, эквивалентного доллару.

Этот продукт эффективно устраняет посредников в сборе данных, предоставляя более безопасный и контролируемый участниками процесс, что соответствует растущему призыву к более этичному подходу к ИИ.

На основе OORT DataHub OORT также запустила OORT DataHub Mini App, это приложение будет бесшовно интегрировано с мини-приложениями Telegram, позволяя пользователям легче вносить данные и участвовать в децентрализованном сборе данных, что дополнительно расширяет экосистему OORT и повышает вовлеченность пользователей. Ожидается, что эта интеграция привлечет миллионы пользователей и будет способствовать развитию платформы.

OORT DataHub является воплощением видения OORT, которое заключается в том, чтобы каждый мог участвовать в развитии ИИ, независимо от географического положения, экономического положения или технического фона, и получать от этого выгоду. Миссия OORT заключается в предоставлении надежных, безопасных и эффективных децентрализованных решений ИИ, способствующих распространению и применению технологий ИИ по всему миру, одновременно обеспечивая конфиденциальность данных, безопасность и этическое соблюдение.

С помощью децентрализованной модели рынка данных OORT разрушает монополию на данные, позволяя поставщикам данных со всего мира загружать свои данные на платформу для торговли и обмена. Независимо от того, являются ли они частными пользователями или корпоративными клиентами, все, кто имеет ценные данные, могут получать соответствующие доходы на платформе OORT, обеспечивая справедливое распределение ценности данных.

Децентрализованная архитектура позволяет данным больше не храниться на одном сервере или в одном центре обработки данных, а распределяться по узлам по всему миру. Каждый узел шифрует данные, и только авторизованные пользователи могут получать доступ и использовать данные. В то же время, неизменяемая природа технологий блокчейна обеспечивает целостность и подлинность данных, эффективно предотвращая риски утечки и подделки данных.

Поскольку децентрализованная сеть OORT состоит из множества узлов, проблема единой точки отказа отсутствует. Даже если один узел подвергнется атаке или выйдет из строя, другие узлы могут продолжать работать нормально, что обеспечивает стабильность и надежность всей системы. Кроме того, децентрализованный механизм консенсуса затрудняет злоумышленникам изменение данных системы или контроль над всей сетью, повышая безопасность системы. Например, в случае распределенной атаки отказа в обслуживании (DDoS) распределенная архитектура OORT может рассеивать атакующий трафик, позволяя системе продолжать нормально функционировать и обеспечивая защиту данных и услуг пользователей.

С другой стороны, OORT решает проблемы сбора, контроля и управления данными, предоставляя инновационные способы сбора и аннотации данных, устанавливая строгие механизмы контроля и верификации качества данных, а также используя передовые алгоритмы ИИ для интеллектуального управления и анализа данных.

OORT придает большое значение защите данных и соблюдению конфиденциальности, строго соблюдая законы о защите данных по всему миру, такие как GDPR и HIPAA, обеспечивая законную обработку данных пользователей.

Анализируя существующую продуктовую линейку OORT и прогресс продуктов, в сочетании с видением OORT на будущее, мы можем увидеть, что OORT создала справедливую, прозрачную и надежную экосистему ИИ.