Fonte: Cointelegraph
Texto original: "O OORT AI descentralizado está entre os principais no Google Kaggle"
O conjunto de dados de imagens de treino de inteligência artificial desenvolvido pela OORT, fornecedora de soluções de IA descentralizadas, teve um sucesso notável na plataforma Kaggle do Google.
A lista de conjuntos de dados "Diverse Tools Kaggle" da OORT foi lançada no início de abril; desde então, subiu à primeira página em várias categorias. Kaggle é uma plataforma online pertencente ao Google, utilizada para competições de ciência de dados e aprendizado de máquina, aprendizado e colaboração.
O principal contribuinte do projeto de IA em criptomoedas OpenLedger, Ramkumar Subramaniam, disse à Cointelegraph: "A classificação na página inicial do Kaggle é um sinal social poderoso, indicando que este conjunto de dados está atraindo a participação ativa de comunidades chave, como cientistas de dados, engenheiros de aprendizado de máquina e profissionais."
O fundador e CEO da OORT, Max Li, revelou à Cointelegraph que a empresa "observou indicadores de participação encorajadores, o que valida que os dados de treinamento coletados através de um modelo descentralizado" realmente têm uma demanda e relevância de mercado inicial." Ele acrescentou:
"O interesse espontâneo da comunidade, incluindo o uso ativo e a contribuição - demonstra claramente como pipelines de dados descentralizados e orientados pela comunidade, como o OORT, podem alcançar uma rápida distribuição e ampla participação sem depender de intermediários centralizados."
Li também afirmou que o OORT planeia lançar vários conjuntos de dados nos próximos meses. Isso inclui um conjunto de dados de comandos de voz dentro do carro, um conjunto de dados de comandos de voz para casas inteligentes e um conjunto de dados de vídeos deepfake destinado a melhorar a capacidade de validação da autenticidade de mídias impulsionadas por IA.
A Cointelegraph confirmou de forma independente que o conjunto de dados mencionado chegou ao topo das categorias de IA geral, varejo e compras, manufatura e engenharia no Kaggle no início deste mês. No momento da publicação, o conjunto de dados já não mantinha essas posições de ranking após uma atualização de conjunto de dados possivelmente irrelevante em 6 de maio e outra atualização em 14 de maio.
Embora reconhecendo essa conquista, Subramaniam disse ao Cointelegraph: "Este não é um indicador decisivo de aplicação prática ou qualidade em nível empresarial." Ele apontou que a singularidade do conjunto de dados OORT "não se reflete apenas na classificação, mas também nas fontes e mecanismos de incentivo por trás do conjunto de dados." Ele explicou ainda:
"Ao contrário dos fornecedores centralizados que podem depender de processos opacos, um sistema transparente e baseado em incentivos de token pode oferecer rastreabilidade, gestão comunitária e a possibilidade de otimização contínua, desde que uma estrutura de governança adequada seja estabelecida."
O parceiro da Generative Ventures, uma empresa de capital de risco em inteligência artificial, Lex Sokolin, afirmou que, embora considere esses resultados não difíceis de replicar, "isso realmente prova que os projetos de criptomoeda podem utilizar mecanismos de incentivos descentralizados para organizar atividades com valor econômico."
De acordo com dados divulgados pela instituição de pesquisa em inteligência artificial Epoch AI, espera-se que os dados de treinamento de texto gerados por humanos se esgotem até 2028. A pressão é tão grande que os investidores estão atualmente facilitando transações para que as empresas de IA obtenham direitos de uso de materiais protegidos por direitos autorais.
Relatórios de pesquisa sobre a crescente escassez de dados de treinamento de IA e como isso pode restringir o desenvolvimento do campo têm circulado há anos. Embora a geração de dados sintéticos ( AI esteja sendo cada vez mais amplamente aplicada e tenha obtido alguns resultados, os dados gerados por humanos continuam a ser amplamente considerados como a melhor escolha, pois esses dados de alta qualidade podem cultivar modelos de IA com melhor desempenho.
No domínio da formação de imagens de IA, a situação tornou-se cada vez mais complexa, com os artistas a deliberadamente prejudicarem o trabalho de formação. Para proteger as suas obras contra a utilização não autorizada em formações de IA, a ferramenta Nightshade permite aos criadores "envenenar" as suas imagens, afetando assim gravemente o desempenho dos modelos.
"Estamos entrando em uma era em que os dados de imagem de alta qualidade estão se tornando cada vez mais escassos", observou Subramaniam. Ele também enfatizou que o uso generalizado da tecnologia de envenenamento por imagem tornou esse desafio ainda mais agudo:
"Com o surgimento de técnicas de ocultação de imagens e métodos de envenenamento de treinamento de IA, como marcas d'água adversariais, os conjuntos de dados de código aberto estão enfrentando um duplo desafio em termos de quantidade e credibilidade."
Face a esta situação, Subramaniam afirmou que os conjuntos de dados de incentivo "verificáveis e contribuídos pela comunidade são "mais valiosos do que nunca". Ele acredita que esses projetos "não só podem servir como uma alternativa, mas também se tornarão pilares importantes para o alinhamento da IA e a rastreabilidade dos dados na economia de dados."
Relacionados: Kima junta-se ao sandbox da Mastercard para implementar recargas de cartões de stablecoin
O conteúdo serve apenas de referência e não constitui uma solicitação ou oferta. Não é prestado qualquer aconselhamento em matéria de investimento, fiscal ou jurídica. Consulte a Declaração de exoneração de responsabilidade para obter mais informações sobre os riscos.
A OORT AI descentralizada está entre as melhores no Google Kaggle
Fonte: Cointelegraph Texto original: "O OORT AI descentralizado está entre os principais no Google Kaggle"
O conjunto de dados de imagens de treino de inteligência artificial desenvolvido pela OORT, fornecedora de soluções de IA descentralizadas, teve um sucesso notável na plataforma Kaggle do Google.
A lista de conjuntos de dados "Diverse Tools Kaggle" da OORT foi lançada no início de abril; desde então, subiu à primeira página em várias categorias. Kaggle é uma plataforma online pertencente ao Google, utilizada para competições de ciência de dados e aprendizado de máquina, aprendizado e colaboração.
O principal contribuinte do projeto de IA em criptomoedas OpenLedger, Ramkumar Subramaniam, disse à Cointelegraph: "A classificação na página inicial do Kaggle é um sinal social poderoso, indicando que este conjunto de dados está atraindo a participação ativa de comunidades chave, como cientistas de dados, engenheiros de aprendizado de máquina e profissionais."
O fundador e CEO da OORT, Max Li, revelou à Cointelegraph que a empresa "observou indicadores de participação encorajadores, o que valida que os dados de treinamento coletados através de um modelo descentralizado" realmente têm uma demanda e relevância de mercado inicial." Ele acrescentou:
"O interesse espontâneo da comunidade, incluindo o uso ativo e a contribuição - demonstra claramente como pipelines de dados descentralizados e orientados pela comunidade, como o OORT, podem alcançar uma rápida distribuição e ampla participação sem depender de intermediários centralizados."
Li também afirmou que o OORT planeia lançar vários conjuntos de dados nos próximos meses. Isso inclui um conjunto de dados de comandos de voz dentro do carro, um conjunto de dados de comandos de voz para casas inteligentes e um conjunto de dados de vídeos deepfake destinado a melhorar a capacidade de validação da autenticidade de mídias impulsionadas por IA.
A Cointelegraph confirmou de forma independente que o conjunto de dados mencionado chegou ao topo das categorias de IA geral, varejo e compras, manufatura e engenharia no Kaggle no início deste mês. No momento da publicação, o conjunto de dados já não mantinha essas posições de ranking após uma atualização de conjunto de dados possivelmente irrelevante em 6 de maio e outra atualização em 14 de maio.
Embora reconhecendo essa conquista, Subramaniam disse ao Cointelegraph: "Este não é um indicador decisivo de aplicação prática ou qualidade em nível empresarial." Ele apontou que a singularidade do conjunto de dados OORT "não se reflete apenas na classificação, mas também nas fontes e mecanismos de incentivo por trás do conjunto de dados." Ele explicou ainda:
"Ao contrário dos fornecedores centralizados que podem depender de processos opacos, um sistema transparente e baseado em incentivos de token pode oferecer rastreabilidade, gestão comunitária e a possibilidade de otimização contínua, desde que uma estrutura de governança adequada seja estabelecida."
O parceiro da Generative Ventures, uma empresa de capital de risco em inteligência artificial, Lex Sokolin, afirmou que, embora considere esses resultados não difíceis de replicar, "isso realmente prova que os projetos de criptomoeda podem utilizar mecanismos de incentivos descentralizados para organizar atividades com valor econômico."
De acordo com dados divulgados pela instituição de pesquisa em inteligência artificial Epoch AI, espera-se que os dados de treinamento de texto gerados por humanos se esgotem até 2028. A pressão é tão grande que os investidores estão atualmente facilitando transações para que as empresas de IA obtenham direitos de uso de materiais protegidos por direitos autorais.
Relatórios de pesquisa sobre a crescente escassez de dados de treinamento de IA e como isso pode restringir o desenvolvimento do campo têm circulado há anos. Embora a geração de dados sintéticos ( AI esteja sendo cada vez mais amplamente aplicada e tenha obtido alguns resultados, os dados gerados por humanos continuam a ser amplamente considerados como a melhor escolha, pois esses dados de alta qualidade podem cultivar modelos de IA com melhor desempenho.
No domínio da formação de imagens de IA, a situação tornou-se cada vez mais complexa, com os artistas a deliberadamente prejudicarem o trabalho de formação. Para proteger as suas obras contra a utilização não autorizada em formações de IA, a ferramenta Nightshade permite aos criadores "envenenar" as suas imagens, afetando assim gravemente o desempenho dos modelos.
"Estamos entrando em uma era em que os dados de imagem de alta qualidade estão se tornando cada vez mais escassos", observou Subramaniam. Ele também enfatizou que o uso generalizado da tecnologia de envenenamento por imagem tornou esse desafio ainda mais agudo:
"Com o surgimento de técnicas de ocultação de imagens e métodos de envenenamento de treinamento de IA, como marcas d'água adversariais, os conjuntos de dados de código aberto estão enfrentando um duplo desafio em termos de quantidade e credibilidade."
Face a esta situação, Subramaniam afirmou que os conjuntos de dados de incentivo "verificáveis e contribuídos pela comunidade são "mais valiosos do que nunca". Ele acredita que esses projetos "não só podem servir como uma alternativa, mas também se tornarão pilares importantes para o alinhamento da IA e a rastreabilidade dos dados na economia de dados."
Relacionados: Kima junta-se ao sandbox da Mastercard para implementar recargas de cartões de stablecoin