Potentiel de DataFi à travers la piste de données AI

Dans le domaine de l'IA, nous sommes à l'ère où le monde entier s'efforce de construire le meilleur modèle de base. Bien que la puissance de calcul et l'architecture des modèles soient importantes, la véritable barrière à l'entrée réside dans les données d'entraînement. La plus grande nouvelle de ce mois dans le cercle de l'IA est que Meta a démontré sa puissance, avec Zuckerberg recrutant des talents partout, formant une équipe AI de luxe principalement composée de chercheurs chinois. Le leader est Alexander Wang, âgé de 28 ans, dont Scale AI est actuellement évalué à 29 milliards de dollars, fournissant des services de données à plusieurs géants de l'IA, y compris l'armée américaine, OpenAI, Anthropic et Meta.

Scale AI se distingue parce qu'elle a compris très tôt l'importance des données dans l'industrie de l'IA. Si l'on compare les grands modèles à une personne, alors le modèle est le corps, la puissance de calcul est la nourriture, et les données sont le savoir et l'information. Au cours du développement rapide des grands modèles linguistiques, l'accent dans l'industrie est passé de l'architecture des modèles à la puissance de calcul, et aujourd'hui l'importance des données devient progressivement évidente.

Scale AI se concentre sur la création d'une base de données solide pour les modèles d'IA, en explorant non seulement les données existantes, mais aussi en se tournant vers des activités de génération de données, et en formant une équipe d'entraîneurs d'IA pour fournir des données de qualité pour l'entraînement des modèles. L'entraînement des modèles se divise en deux parties : le pré-entraînement et le réglage fin. Le pré-entraînement est similaire à l'apprentissage de la parole par un bébé, nécessitant une grande quantité d'informations provenant de textes en ligne ; le réglage fin, quant à lui, ressemble à l'éducation scolaire, avec une direction et des objectifs clairs. Par conséquent, nous avons besoin de deux types de données : l'une est massive mais nécessite peu de traitement, l'autre doit être soigneusement conçue et filtrée pour développer des capacités spécifiques du modèle.

Avec l'établissement des architectures de modèles mainstream et l'affaiblissement progressif de l'avantage de puissance de calcul, les données deviendront la clé pour que les fabricants de grands modèles conservent un avantage concurrentiel. Des données d'entraînement de haute qualité et spécialisées auront un impact considérable sur les capacités des modèles. À long terme, les données AI représentent également un domaine avec un effet de capitalisation, les actifs de données deviendront de plus en plus précieux au fil du temps.

Comparé aux entreprises de données traditionnelles, Web3 possède des avantages naturels dans le domaine des données AI, ce qui a donné naissance au concept de DataFi. Les avantages de Web3 DataFi incluent :

1. Les contrats intelligents garantissent la souveraineté des données, la sécurité et la vie privée.
2. L'architecture distribuée attire une main-d'œuvre appropriée à l'échelle mondiale
3. La blockchain offre des mécanismes d'incitation et de règlement clairs.
4. Favorise la construction d'un marché de données unique, efficace et ouvert.

Pour les utilisateurs ordinaires, DataFi est le meilleur point d'entrée pour participer à des projets d'IA décentralisés. Les utilisateurs n'ont pas besoin d'investissements matériels coûteux ou de compétences professionnelles, il leur suffit d'accomplir des tâches simples pour participer, comme fournir des données, évaluer des modèles, etc.

Actuellement, plusieurs projets DataFi ont obtenu un financement considérable :

• Sahara AI : financement de 49 millions de dollars pour créer une infrastructure d'IA décentralisée et un marché de transactions.
• Yupp : financement de 33 millions de dollars, axé sur la collecte de retours de modèles d'IA
• Vana : financement de 23 millions de dollars, transformation des données personnelles en actifs numériques monétisables.
• Chainbase : financement de 16,5 millions de dollars, axé sur le traitement des données on-chain.
• Sapien : financement de 15,5 millions de dollars, transformation des connaissances humaines en données d'entraînement pour l'IA
• Prisma X : financement de 11 millions de dollars, développement d'une couche de coordination ouverte pour les robots
• Masa: financement de 8,9 millions de dollars, projet de sous-réseau de données de l'écosystème Bittensor
• Irys : financement de 8,7 millions de dollars, fournissant un stockage de données et un calcul programmables.
• ORO : financement de 6 millions de dollars, dédié à la participation des gens ordinaires dans la contribution à l'IA.
• Gata : financement de 4 millions de dollars, création d'une couche de données décentralisée

Ces projets ont actuellement des barrières d'entrée relativement faibles, mais il est essentiel d'accumuler des utilisateurs et de créer une forte cohésion écologique dès le départ. En même temps, ils sont confrontés à des défis tels que la garantie de la qualité des données et l'amélioration de la transparence. L'application à grande échelle de DataFi nécessite d'attirer un nombre suffisant d'utilisateurs individuels, tout en obtenant la reconnaissance des entreprises mainstream.

À long terme, DataFi représente un nouveau paradigme où l'intelligence humaine, fondée sur des contrats intelligents, cultive à long terme l'intelligence des machines et en tire finalement profit. Pour ceux qui sont incertains à l'égard de l'ère de l'IA, mais qui conservent néanmoins l'idéal de la blockchain, participer à DataFi est un choix opportun.