Veri, Varlık Demektir: DataFi yeni bir mavi okyanus açıyor

Bu ay AI dünyasındaki en büyük konu, Meta'nın büyük bir şekilde yetenek avına çıkması ve çoğunluğu Çinli araştırmacılardan oluşan lüks bir AI ekibi kurması oldu. Ekibin lideri, yalnızca 28 yaşında olan ve Scale AI'yi kuran Alexander Wang. Scale AI'nin mevcut değeri 29 milyar dolar olup, Amerika ordusu, OpenAI, Anthropic, Meta gibi birçok AI devine veri hizmetleri sunmaktadır; ana işi ise büyük miktarda doğru etiketlenmiş veri sağlamaktır.

Scale AI'nin birçok unicorn arasında öne çıkmasının nedeni, verinin AI endüstrisindeki kritik konumunu erken fark etmesidir. Hesaplama gücü, model ve veri, AI modellerinin üç temel sütunudur. Büyük bir modeli bir insana benzetirsek, model beden, hesaplama gücü yiyecek ve veri ise bilgi ve bilgidir.

Büyük dil modellerinin hızlı gelişimi sürecinde, endüstrinin odak noktası modelden hesaplama gücüne kaydı. Artık çoğu model temel çerçeve olarak transformer kullanıyor, ara sıra MoE veya MoRe gibi yenilikler de ortaya çıkıyor; büyük şirketler ya kendi süper bilgisayar kümelerini kuruyor ya da hesaplama gücü sorununu çözmek için bulut hizmet sağlayıcılarıyla uzun vadeli sözleşmeler imzalıyor. Bu temelde, verilerin önemi giderek artıyor.

Scale AI, AI modelleri için sağlam bir veri temeli oluşturmaya odaklanmaktadır. Şirketin faaliyetleri mevcut verilerin madenciliği ile sınırlı kalmayıp, aynı zamanda veri üretim işini de kapsamaktadır. Şirket, farklı alanlardan uzmanların oluşturduğu bir AI eğitim ekibi de kurarak, AI modellerine yüksek kaliteli eğitim verisi sağlamaktadır.

Model eğitimi, ön eğitim ve ince ayar olmak üzere iki aşamaya ayrılır. Ön eğitim, bir bebeğin konuşmayı öğrenme sürecine benzer; bu aşamada, internette taranan çok sayıda metin, kod ve diğer bilgilere ihtiyaç vardır. İnce ayar ise okul eğitimine benzer; belirli bir hedef ve yön vardır ve özel olarak tasarlanmış veri setleri ile modelin belirli yetenekleri geliştirilir.

Bu nedenle, AI veri alanı esasen iki tür veri setini içerir: Birincisi, çok fazla işleme gerektirmeyen büyük veri setleri olup genellikle Reddit, Twitter, Github gibi UGC platformlarından, kamuya açık literatür veritabanlarından veya şirketlere ait özel veritabanlarından gelir; İkincisi ise belirli yetenekleri geliştirmek için tasarım ve seçme gerektiren veri setleridir ve veri temizleme, seçme, etiketleme ve insan geri bildirimi gibi işlemler gerektirir.

Modelin yeteneklerinin daha da gelişmesiyle birlikte, daha ince ve profesyonel eğitim verileri modelin yeteneklerini belirleyen anahtar faktör haline gelecektir. Uzun vadede, AI verileri de bir kar topu etkisi olan uzun vadeli bir alan olup, ön çalışmaların birikimiyle veri varlıkları bileşik faiz yeteneğine sahip olacak ve değeri sürekli artacaktır.

Web3 DataFi: Talihli AI Veri Toprağı

Bir şirketin birçok ülkede oluşturduğu yüz binlerce kişilik uzaktan insan etiketleme ekibine kıyasla, Web3'ün AI veri alanında doğal bir avantajı vardır ve bu nedenle DataFi adı verilen yeni bir kavram doğmuştur. İdeal koşullarda, Web3 DataFi'nin avantajları şunları içerir:

1. Akıllı sözleşmeler, veri egemenliğini, güvenliğini ve gizliliğini garanti eder.
2. Doğal coğrafi arbitraj avantajı: Serbest dağıtık yapı, en uygun işgücünü çekiyor.
3. Blok zincirinin net teşvik ve uzlaşma avantajları
4. Daha verimli ve açık bir "birinci sınıf" veri pazarı oluşturulmasına yardımcı olur.

Normal kullanıcılar için DataFi, katılması en kolay merkeziyetsiz AI projesidir. Kullanıcılar, veri sağlama, modelleri değerlendirme, AI araçlarıyla basit yaratımlar yapma veya veri ticaretine katılma gibi basit işlemlerle projeye katılabilirler.

Web3 DataFi'nin Potansiyel Projeleri

Şu anda, birçok DataFi projesi önemli finansman sağlamıştır. İşte bazı temsilci projeler:

1. Sahara AI: Merkezi olmayan AI için süper altyapı ve ticaret pazarı oluşturmayı hedefliyor.

2. Yupp: AI modeli geri bildirim platformu, kullanıcıların model çıktısına yönelik geri bildirimlerini toplar.

3. Vana: Kullanıcı kişisel verilerini paraya çevrilebilen dijital varlıklara dönüştürme.

4. Chainbase: Zincir üzerindeki verilere odaklanır, 200'den fazla blok zincirini kapsar.

5. Sapien: İnsan bilgilerini büyük ölçekte yüksek kaliteli AI eğitim verilerine dönüştürmeyi amaçlar.

6. Prisma X: Robotların açık koordinasyon katmanı olmayı hedefliyor.

7. Masa: Bittensor ekosisteminin önde gelen alt ağ projelerinden biri.

8. Irys: Programlanabilir veri depolama ve hesaplamaya odaklanır.

9. ORO: Sıradan insanların AI katkısına katılmasını sağlamak.

10. Gata: Merkeziyetsiz veri katmanı olarak konumlandırılmıştır.

Bu projelerin şu anda genel olarak düşük engelleri var, ancak bir kez kullanıcılar ve ekosistem yapışkanlığı biriktirildiğinde, platform avantajları hızla birikmeye başlayacaktır. Bu nedenle, erken aşama projeleri teşvikler ve kullanıcı deneyimi üzerinde yoğunlaşmalıdır. Ayrıca, bu platformların katılımcıları nasıl yöneteceklerini, veri kalitesini nasıl güvence altına alacaklarını ve "kötü paranın iyi parayı kovması" durumunun önüne geçmeleri gerektiğini de düşünmeleri gerekmektedir.

Ayrıca, şeffaflığın artırılması da mevcut zincir üzerindeki projelerin karşılaştığı büyük bir zorluktur. Birçok proje, Web3 DataFi'nın uzun vadeli sağlıklı gelişimine zarar veren yeterli kamuya açık, izlenebilir verilere hala sahip değil.

DataFi'nin büyük ölçekli uygulama yolu iki bölüme ayrılabilir: birincisi, yeterince bireysel kullanıcının katılımını sağlamak, veri toplama/üretme gücünü oluşturmak ve AI ekonomisinin tüketicisi olmak; ikincisi, kısa vadede ana veri alım kaynakları oldukları için ana akım şirketlerin onayını almak.

DataFi, insan zekasının uzun süreli makine zekasını yetiştirmesini temsil ederken, akıllı sözleşmeler aracılığıyla insan emeğinin kazancını güvence altına alır ve nihayetinde makine zekasının insanlara geri dönüşünü sağlar. AI çağında belirsizlik hisseden veya hala blok zinciri ideallerine sahip olanlar için, DataFi'ye katılmak bir fırsat olabilir.