Джерело: Cointelegraph
Оригінал: «Децентралізовані дані OORT AI увійшли до числа лідерів на Google Kaggle»
Штучний інтелект навчальний набір зображень, розроблений дистрибуційним постачальником рішень на основі ШІ OORT, досяг значного успіху на платформі Kaggle від Google.
Список наборів даних "Diverse Tools Kaggle" від OORT був опублікований на початку квітня; після цього він піднявся на головну сторінку в кількох категоріях. Kaggle - це онлайн-платформа під керівництвом Google, призначена для змагань у галузі науки про дані та машинного навчання, навчання та співпраці.
Основний внесок у проект OpenLedger з крипто-АІ, Рамкумар Субраманія, повідомив Cointelegraph: "Рейтинг на головній сторінці Kaggle є потужним соціальним сигналом, що свідчить про те, що цей набір даних привертає активну участь ключових спільнот, таких як фахівці з даних, інженери машинного навчання та практики."
Засновник і CEO OORT Max Li розповів Cointelegraph, що компанія "спостерігала за обнадійливими показниками участі, що підтверджує", що "дані для навчання, зібрані через децентралізовану модель", дійсно мають ранній попит на ринку та релевантність". Він додав:
"Спонтанний інтерес з боку спільноти, включаючи активне використання та внесок, яскраво демонструє, як децентралізовані, керовані спільнотою інформаційні канали, такі як OORT, можуть забезпечити швидкий розподіл і широке залучення без залежності від централізованих посередницьких机构."
Лі також заявив, що OORT планує випустити кілька наборів даних протягом наступних кількох місяців. До них входять набори даних голосових команд у автомобілі, набори даних голосових команд для смарт-домів, а також набір даних глибоких підробок відео, призначений для підвищення здатності AI до перевірки достовірності медіа.
Cointelegraph незалежно підтвердив, що вказаний набір даних на початку цього місяця успішно потрапив на головну сторінку в категоріях загальний ШІ, роздрібна торгівля та покупки, виробництво та інженерія на Kaggle. На момент публікації цей набір даних більше не зберігає ці позиції після оновлення, яке, можливо, не має відношення, 6 травня, та ще одного оновлення 14 травня.
Хоча він визнає це досягнення, Субраманіам сказав Cointelegraph: "Це не є вирішальним показником для реальних застосувань або підприємницької якості." Він зазначив, що унікальність набору даних OORT "виявляється не лише в рейтингах, а й у джерелах даних та механізмах мотивації, що стоять за цим набором даних." Він далі пояснив:
"На відміну від централізованих постачальників, які можуть покладатися на непрозорі процеси, прозора система на основі токенів з винагородами може забезпечити можливість відстеження, спільного управління спільнотою та безперервної оптимізації, за умови встановлення відповідної структури управління."
Партнер інвестиційної компанії в галузі штучного інтелекту Generative Ventures Лекс Соколін заявив, що хоча він вважає ці результати не такими складними для відтворення, "це дійсно доводить, що криптопроекти можуть використовувати механізми децентралізованого стимулювання для організації діяльності з економічною цінністю."
Дані, опубліковані дослідницькою організацією штучного інтелекту Epoch AI, показують, що очікується, що дані для навчання тексту, створеного людиною, вичерпаються до 2028 року. Тиск став настільки великим, що інвестори наразі сприяють угодам для отримання прав на використання матеріалів, що охороняються авторським правом, для компаній з виробництва ШІ.
Дослідницький звіт про те, як зменшення даних для навчання ШІ може обмежувати розвиток цієї сфери, існує вже багато років. Хоча синтетичні ( дані, згенеровані ШІ ), все більше застосовуються і демонструють певні результати, дані, створені людьми, все ще вважаються загалом кращим вибором, оскільки вони можуть виховувати моделі ШІ з кращими показниками.
У сфері навчання зображень за допомогою ШІ ситуація стає все більш складною, оскільки художники свідомо руйнують процес навчання. Щоб захистити свої твори від несанкціонованого використання для навчання ШІ, інструмент Nightshade дозволяє творцям "отруювати" свої зображення, що серйозно впливає на продуктивність моделей.
Субраманіам зазначив: "Ми вступаємо в епоху, коли якісні зображення стають дедалі рідкіснішими." Він також підкреслив, що широке застосування технологій отруєння зображень робить це виклик ще більш серйозним:
"З ростом технологій прихованого зображення та методів отруєння навчання AI, таких як агресивні водяні знаки, відкриті набори даних стикаються з подвійними викликами: кількістю та достовірністю."
У зв'язку з цією ситуацією, Субраманіам заявив, що «перевірені та внесені спільнотою заохочувальні набори даних є «більш цінними, ніж будь-коли раніше». Він вважає, що такі проекти «можуть не лише слугувати альтернативою, але й стануть важливими стовпами в економіці даних для узгодження ШІ та відстеження даних.»
Схожі матеріали: Kima приєдналася до пісочниці Mastercard для реалізації поповнення картки стейблкоінів
Контент має виключно довідковий характер і не є запрошенням до участі або пропозицією. Інвестиційні, податкові чи юридичні консультації не надаються. Перегляньте Відмову від відповідальності , щоб дізнатися більше про ризики.
Децентралізація OORT AI дані займають провідні позиції на Google Kaggle
Джерело: Cointelegraph Оригінал: «Децентралізовані дані OORT AI увійшли до числа лідерів на Google Kaggle»
Штучний інтелект навчальний набір зображень, розроблений дистрибуційним постачальником рішень на основі ШІ OORT, досяг значного успіху на платформі Kaggle від Google.
Список наборів даних "Diverse Tools Kaggle" від OORT був опублікований на початку квітня; після цього він піднявся на головну сторінку в кількох категоріях. Kaggle - це онлайн-платформа під керівництвом Google, призначена для змагань у галузі науки про дані та машинного навчання, навчання та співпраці.
Основний внесок у проект OpenLedger з крипто-АІ, Рамкумар Субраманія, повідомив Cointelegraph: "Рейтинг на головній сторінці Kaggle є потужним соціальним сигналом, що свідчить про те, що цей набір даних привертає активну участь ключових спільнот, таких як фахівці з даних, інженери машинного навчання та практики."
Засновник і CEO OORT Max Li розповів Cointelegraph, що компанія "спостерігала за обнадійливими показниками участі, що підтверджує", що "дані для навчання, зібрані через децентралізовану модель", дійсно мають ранній попит на ринку та релевантність". Він додав:
"Спонтанний інтерес з боку спільноти, включаючи активне використання та внесок, яскраво демонструє, як децентралізовані, керовані спільнотою інформаційні канали, такі як OORT, можуть забезпечити швидкий розподіл і широке залучення без залежності від централізованих посередницьких机构."
Лі також заявив, що OORT планує випустити кілька наборів даних протягом наступних кількох місяців. До них входять набори даних голосових команд у автомобілі, набори даних голосових команд для смарт-домів, а також набір даних глибоких підробок відео, призначений для підвищення здатності AI до перевірки достовірності медіа.
Cointelegraph незалежно підтвердив, що вказаний набір даних на початку цього місяця успішно потрапив на головну сторінку в категоріях загальний ШІ, роздрібна торгівля та покупки, виробництво та інженерія на Kaggle. На момент публікації цей набір даних більше не зберігає ці позиції після оновлення, яке, можливо, не має відношення, 6 травня, та ще одного оновлення 14 травня.
Хоча він визнає це досягнення, Субраманіам сказав Cointelegraph: "Це не є вирішальним показником для реальних застосувань або підприємницької якості." Він зазначив, що унікальність набору даних OORT "виявляється не лише в рейтингах, а й у джерелах даних та механізмах мотивації, що стоять за цим набором даних." Він далі пояснив:
"На відміну від централізованих постачальників, які можуть покладатися на непрозорі процеси, прозора система на основі токенів з винагородами може забезпечити можливість відстеження, спільного управління спільнотою та безперервної оптимізації, за умови встановлення відповідної структури управління."
Партнер інвестиційної компанії в галузі штучного інтелекту Generative Ventures Лекс Соколін заявив, що хоча він вважає ці результати не такими складними для відтворення, "це дійсно доводить, що криптопроекти можуть використовувати механізми децентралізованого стимулювання для організації діяльності з економічною цінністю."
Дані, опубліковані дослідницькою організацією штучного інтелекту Epoch AI, показують, що очікується, що дані для навчання тексту, створеного людиною, вичерпаються до 2028 року. Тиск став настільки великим, що інвестори наразі сприяють угодам для отримання прав на використання матеріалів, що охороняються авторським правом, для компаній з виробництва ШІ.
Дослідницький звіт про те, як зменшення даних для навчання ШІ може обмежувати розвиток цієї сфери, існує вже багато років. Хоча синтетичні ( дані, згенеровані ШІ ), все більше застосовуються і демонструють певні результати, дані, створені людьми, все ще вважаються загалом кращим вибором, оскільки вони можуть виховувати моделі ШІ з кращими показниками.
У сфері навчання зображень за допомогою ШІ ситуація стає все більш складною, оскільки художники свідомо руйнують процес навчання. Щоб захистити свої твори від несанкціонованого використання для навчання ШІ, інструмент Nightshade дозволяє творцям "отруювати" свої зображення, що серйозно впливає на продуктивність моделей.
Субраманіам зазначив: "Ми вступаємо в епоху, коли якісні зображення стають дедалі рідкіснішими." Він також підкреслив, що широке застосування технологій отруєння зображень робить це виклик ще більш серйозним:
"З ростом технологій прихованого зображення та методів отруєння навчання AI, таких як агресивні водяні знаки, відкриті набори даних стикаються з подвійними викликами: кількістю та достовірністю."
У зв'язку з цією ситуацією, Субраманіам заявив, що «перевірені та внесені спільнотою заохочувальні набори даних є «більш цінними, ніж будь-коли раніше». Він вважає, що такі проекти «можуть не лише слугувати альтернативою, але й стануть важливими стовпами в економіці даних для узгодження ШІ та відстеження даних.»
Схожі матеріали: Kima приєдналася до пісочниці Mastercard для реалізації поповнення картки стейблкоінів