Sztuczna inteligencja opiera się na trzech filarach: mocy obliczeniowej, danych i algorytmach.
Spośród tej trójki znaczenie mocy obliczeniowej jest najbardziej intuicyjne. Dlatego też wartość rynkowa Nvidii, która sprzedaje łopaty, przewyższyła niegdyś Microsoft i Apple i stała się najcenniejszą firmą na świecie. Jak jednak podkreślił w podcaście założyciel Scale AI Alex Wang, dane zastępują moc obliczeniową i stają się największym wąskim gardłem w poprawie wydajności modeli AI.
Pragnienie danych sztucznej inteligencji jest nienasycone, ale dostępne zasoby danych w Internecie są prawie wyczerpane. Aby jeszcze bardziej poprawić wydajność modelu, musimy polegać na większej liczbie danych wysokiej jakości. Chociaż w przedsiębiorstwie znajduje się duża ilość cennych danych, te nieustrukturyzowane dane można naprawdę wykorzystać do szkolenia AI tylko wtedy, gdy zostaną starannie opisane. Adnotacja danych to zadanie wymagające dużych zasobów i od dawna uważane za najtrudniejszą i najbardziej skromną część łańcucha branżowego sztucznej inteligencji.
Jednak to właśnie dzięki swojej strategii bycia pierwszą firmą, która wkroczy na dziedzinę adnotacji danych, Scale AI uzyskało w ostatniej rundzie finansowania w maju tego roku wycenę na 13,8 miliarda dolarów, przewyższając tym samym wiele znanych dużych firm modelowych. To osiągnięcie niewątpliwie przełamuje przesąd, że „adnotacja danych to po prostu ciężka praca”.
Podobnie jak wiele zdecentralizowanych projektów mocy obliczeniowej rzucających wyzwanie firmie NVIDIA, Sapien AI, zaszyfrowany projekt sztucznej inteligencji, który w kwietniu tego roku właśnie zakończył rundę zalążkową o wartości 5 milionów dolarów, również próbuje rzucić wyzwanie Scale AI. Nie tylko wejdzie na rynek długiego ogona poprzez decentralizację, ale także planuje zbudować największą na świecie sieć ręcznej adnotacji danych.
Niedawno BlockBeats przeprowadził wywiad z Trevorem Koverko, współzałożycielem i dyrektorem operacyjnym Sapien AI. Jako współzałożyciel wielu udanych projektów, takich jak Polymath, Polymesh i Tokens.com, Trevor zgromadził bogate doświadczenie w zakresie przedsiębiorczości przed założeniem Sapien AI. W wywiadzie szczegółowo podzielił się swoją podróżą związaną z założeniem Sapien AI, swoimi wyjątkowymi spostrzeżeniami na temat tego, jak Sapien AI i Scale AI angażują się w źle dopasowane strategie konkurencji oraz jak czerpać inspirację z gier typu blockchain do projektowania mechanizmów biznesowych.
Strona internetowa poświęcona projektowi Sapien AI: game.sapien.io
Toronto, żyzny grunt dla innowacji, kreatywny pomysł społeczności kryptowalut i sztucznej inteligencji
BlockBeats: Widziałem na Twoim LinkedIn, że grałeś w drużynie New York Rangers w lidze NHL. Jako były zawodowy hokeista, jak przeszedłeś do branży kryptowalut?
Trevor: W swojej karierze próbowałem wielu różnych ról. Hokej był moją pierwszą pracą. W Kanadzie hokej na lodzie jest tak ważną częścią naszej kultury, że jeśli nie grałeś w hokej na lodzie jako dziecko, prawie postrzegano cię jako osobę odstającą. Więc to była duża część mojego dorastania. Nauczyłem się wiele o pracy zespołowej i rywalizacji na wysokim poziomie. Doświadczenia te nadal mają na mnie wpływ.
Kiedy moja kariera hokejowa dobiegła końca i zająłem się biznesem, spędziłem trochę czasu w Azji. Mieszkam w Chinach, a konkretnie w Dalian, mieście w północno-wschodnich Chinach. Moja kariera sportowa i doświadczenie zdobyte w Chinach to dwie bardzo ważne części, które ukształtowały mój rozwój.
Dorastałem w ekosystemie kryptograficznym Toronto. Byłem zaangażowany w społeczność Bitcoin bardzo wcześnie, zanim wypuszczono Ethereum. Często chodziliśmy na imprezy, spotykaliśmy się z przyjaciółmi i poznaliśmy Vitalika, który był wówczas redaktorem magazynu Bitcoin.
Później, kiedy Vitalik opublikował białą księgę, społeczność Bitcoin stopniowo przekształciła się w społeczność Ethereum. To był czas płonącej pasji. W latach 2017-2018 uruchomiłem własny projekt RWA Polymath. Nie istniała wówczas jeszcze jasna klasyfikacja w tym zakresie. Nazywaliśmy to „tokenami bezpieczeństwa”. To mój pierwszy duży projekt związany z kryptowalutami. Pracowaliśmy nad każdym aspektem tego projektu, od pozyskania środków po uruchomienie aplikacji na Ethereum.
Ostatecznie zbudowaliśmy także własny blockchain warstwy 1, co było jeszcze większym wyzwaniem. Na szczęście mamy bardzo mądrych ludzi, takich jak Charles Hoskinson, którzy służą jako architekci protokołów. Dziś ten blockchain wyrósł na niezależną markę o nazwie Polymesh. Jest to jedna z najwcześniejszych i największych sieci RWA, należąca do warstwy 1. Teraz jestem tylko członkiem społeczności i wspieram sieć na odległość, ponieważ jest ona w pełni zdecentralizowana. Jeśli chodzi o adopcję, poszło bardzo dobrze i teraz RWA staje się ekscytującym ekosystemem.
BlockBeats: Co sprawiło, że zmieniłeś swoje zainteresowanie z RWA na AI i zdecydowałeś się założyć Sapien AI?
Trevor: Zainteresowałem się sztuczną inteligencją po tym, jak firma Polymesh zdecentralizowała swoje codzienne operacje. Toronto ma bardzo silną społeczność zajmującą się technologią sztucznej inteligencji, a wiele wczesnych architektur współczesnej sztucznej inteligencji zostało stworzonych przez badaczy z Uniwersytetu w Toronto, takich jak Geoffrey Hinton, „ojciec głębokiego uczenia się” i Ilya Sutskever, były główny naukowiec OpenAI .
Lewy: Ilya Sutskever; Prawy: Geoffrey Hinton
Sam jestem zainteresowany wykorzystaniem sztucznej inteligencji i mam też grupę mądrych przyjaciół na Uniwersytecie Waterloo, którzy pracują nad uczeniem maszynowym. Stopniowo zacząłem interesować się stosem technologii sztucznej inteligencji, jej działaniem, procesem wytwarzania danych szkoleniowych i zaangażowaniem ludzi w tworzenie tych danych szkoleniowych. Jest to bardzo naturalny proces uczenia się.
Nie miałem początkowo żadnych ambicji zakładania firmy, ale po około 6 miesiącach zagłębiania się w świat AI i uczenia maszynowego, pod okiem mentora w programie absolwentów Machine Learning na Uniwersytecie Waterloo, udało nam się zaczęli identyfikować interesujące obszary, w których występowały problemy i dostrzegli możliwości rozwiązania tych problemów. Ostatecznie założyliśmy firmę Sapien.
BlockBeats: Dla tych, którzy nie znają Sapien AI, czy możesz opisać podstawową misję tego projektu? Jakie znaczenie w obecnej branży sztucznej inteligencji mają usługi adnotacji danych?
Trevor: Adnotacja danych jest niezwykle ważna. Jest to jeden z głównych powodów sukcesu głównych modeli dużych języków, takich jak ChatGPT, ponieważ były one pierwszymi modelami, które wykorzystywały adnotatory danych na skalę przemysłową do wzbogacania zbiorów danych.
Obecnie znaczenie adnotacji danych stale rośnie, ponieważ konkurencja w zakresie wydajności między tymi modelami jest bardzo zacięta, a najlepszym sposobem na poprawę wydajności modelu jest dodanie do zbioru danych większej liczby profesjonalnych adnotacji dotyczących danych ludzkich.
Myślimy o przetwarzaniu danych jak o łańcuchu dostaw: najpierw surowe dane, następnie należy je ustrukturyzować i zorganizować. Po ustrukturyzowaniu dane można trenować. Po zakończeniu uczenia można na nim wnioskować. Krótko mówiąc, jest to proces stopniowego dodawania wartości do danych w kontekście sztucznej inteligencji.
Podobnie jak w innych branżach, zaczynamy dostrzegać segmentację w branży sztucznej inteligencji, pojawiają się różne branże, a niektóre firmy przodują na określonych etapach procesu. Dla mnie najciekawszy jest drugi krok, czyli ustrukturyzowanie danych i przygotowanie do treningu, co zawsze mnie najbardziej interesowało.
Zdecentralizowana sztuczna inteligencja, ukierunkowana na rynek długiego ogona
BlockBeats: Co sprawia, że Sapien AI różni się od tradycyjnych firm Web2, takich jak Scale AI?
Trevor: To dobre pytanie. Kochamy Scale, to niesamowita firma ze wspaniałymi współzałożycielami. Znamy jednego z nich. Są jedną z największych firm zajmujących się sztuczną inteligencją na świecie, zarówno pod względem przychodów, kapitalizacji rynkowej, jak i wykorzystania.
To, co nas wyróżnia, to to, że zaczynamy od pierwszych zasad i zastanawiamy się, jak powinien wyglądać nowoczesny stos technologii adnotacji danych w 2024 roku. Niekoniecznie zajmujemy się tymi przypadkami użycia, które obejmuje Scale, skupiamy się na rynkach średniego i długiego ogona.
Staramy się, aby opinie ludzi na temat zbiorów danych były łatwo dostępne dla każdego, niezależnie od tego, czy jesteś modelem open source średniej wielkości, modelem na poziomie przedsiębiorstwa, czy po prostu osobą przeprowadzającą badania w weekendy. Jeśli chcesz poprawić wydajność modelu i potrzebujesz opinii ludzi na żądanie, przyjdź do nas.
Można o nas myśleć jako o bardziej rozproszonej lub zdecentralizowanej wersji Scale AI. Oznacza to, że mamy szerszą gamę adnotatorów, którzy nie są przywiązani do konkretnej lokalizacji, ale mogą pracować zdalnie z dowolnego miejsca. W pewnym stopniu to rozproszenie może pozwolić nam na lepszą jakość adnotacji danych, ponieważ różnorodność służy nie tylko dywersyfikacji, ale także poprawie jakości uczenia danych.
Na przykład, jeśli poprosisz grupę osób o podobnym pochodzeniu o oznaczenie danych w placówce, prawdopodobnie otrzymasz dane stronnicze lub stronnicze kulturowo. Dlatego od początku dążymy do tego, aby był on jak najbardziej różnorodny i solidny. Ze względu na większą decentralizację mamy w pewnym stopniu dostęp do adnotatorów wyższej jakości. Jeśli musisz udać się do pracy w określone miejsce na Filipinach, masz ograniczone możliwości przyciągnięcia talentów, ale dzięki podejściu opartemu na zdalnym podejściu możemy znaleźć komentatorów z dowolnego miejsca.
Nie twierdzę, że Scale nie robi takich rzeczy, ale myślimy o tym, jak możemy obsłużyć inne części rynku modelowego. Ponieważ uważamy, że ten rynek będzie nadal rósł, będzie wiele prywatnych i licencjonowanych modeli, które wymagają opinii ludzi.
BlockBeats: W jaki sposób zaprojektowano i zoptymalizowano przepływ pracy z adnotacjami danych w Sapien AI? Jakie są kluczowe powiązania zapewniające jakość danych?
Trevor: Nasza platforma działa jak dwustronny rynek. Można o tym myśleć jak o Uberze adnotacji danych, wersji zdecentralizowanej. Z jednej strony jest strona popytowa, podobnie jak pasażerowie Ubera, którzy dla nas są klientami korporacyjnymi, którzy potrzebują informacji zwrotnej od ludzi w swoich modelach. Na przykład budują duży model językowy i chcą go udoskonalić, co wymaga ręcznego udziału.
Przychodzą do nas i przesyłają swoje surowe zbiory danych do sieci. Wyceny podajemy w oparciu o kilka różnych zmiennych zbioru danych (takich jak złożoność, modalność danych, format danych itp.). W przypadku klientów korporacyjnych proces ten jest bardzo samoobsługowy.
Po drugiej stronie jest strona podaży, czyli adnotatorzy, którzy są naszym odpowiednikiem kierowców Ubera. Obecnie jest to właściwie wąskie gardło branży i potrzebujemy jak największej liczby adnotatorów, aby dołączyć do sieci. Ponieważ popyt jest w zasadzie nieograniczony, podobnie jak w przypadku Ubera, zawsze znajdzie się ktoś, kto będzie chciał podjechać, a popyt ten nigdy się nie skończy. W dziedzinie sztucznej inteligencji istnieje również ciągła potrzeba, aby te modele sztucznej inteligencji zużywały więcej danych.
Koncentrujemy się bardzo na stronie podaży i staramy się, aby każdy mógł łatwo dodawać adnotacje do danych. Wynaleźliśmy nowe technologie i wciąż je udoskonalamy, aby zapewnić wysoką jakość adnotacji na dużą skalę w trybie rozproszonym. Początkowe pytanie, które zadaliśmy, brzmiało: czy można zapewnić wysoką jakość adnotacji bez scentralizowanego zarządzania? To właśnie nazywamy „trylematem dotyczącym adnotacji danych”: czy możemy sprawić, że będzie to tańsze dla klientów, sprawić, że adnotatorzy będą bardziej zyskowni, a jednocześnie poprawić ogólną jakość?
Przeprowadziliśmy kilka eksperymentów w tej dziedzinie i uzyskaliśmy kilka bardzo interesujących wyników. Wypróbowaliśmy różne nowe mechanizmy, takie jak regresja średniej, wykrywanie anomalii itp., w połączeniu z pewnymi modelami probabilistycznymi, które w dużym stopniu mogą przewidzieć jakość pracy adnotatora. Pracujemy także nad nowszymi technologiami. Jednak jak dotąd jesteśmy bardzo podekscytowani tym, co czeka adnotację danych w ciągu najbliższych pięciu do dziesięciu lat. Wierzymy, że adnotacja danych stanie się bardziej zdecentralizowana, bardziej samoobsługowa i zautomatyzowana.
BlockBeats: Czy możesz nam powiedzieć więcej o swoich produktach i technologiach, szczególnie tych zapewniających jakość danych? Wiem, że masz mechanizm obstawiania, który zapobiega czynieniu przez adnotatorów zła. Czy są jakieś inne technologie?
Trevor: Tak, próbujemy wielu różnych rzeczy. Mamy system reputacji, a także mechanizm obstawiania i kar. Po zadeklarowaniu określonej kwoty środków tagerzy mogą zostać ukarani grzywną, jeśli nie spełnią standardów. Mechanizmy te znajdują się wciąż na wczesnym etapie eksperymentów, ale odkryliśmy, że sama taka zachęta może znacznie poprawić zgodność z wymogami jakości, być może nawet poprzez wielokrotne odchylenia standardowe. Jednakże tę serię kontroli jakości przeprowadza się na podstawie średniej ważonej różnych algorytmów, a my stale udoskonalamy te algorytmy. Jednocześnie sami wykorzystujemy uczenie maszynowe do optymalizacji tego procesu. Na przykład używamy narzędzi linterowych ML i testów „czerwonego królika”, które dostarczają autorom fałszywych danych w celu sprawdzenia, czy etykietują uczciwie.
Oto najważniejsze pytanie: skąd wiesz, że ludzie przeprowadzają ataki Sybil w sieci (tj. próbują oszukać i manipulować systemem)? Zawsze musimy być na to wyczuleni. Z tego też powodu podobają nam się niektóre mechanizmy motywacyjne Web3, ponieważ pierwotnie zostały one wymyślone w celu rozwiązania takich problemów, jak problem ataku Sybilli czy problem bizantyjskich generałów, aby w najlepszym interesie wszystkich leżało przestrzeganie zasad. Jeśli jesteś samolubny, przestrzegasz protokołów sieciowych.
Wciąż jesteśmy na wczesnym etapie. W przypadku niektórych naszych większych klientów wdrożyliśmy bardziej tradycyjne metody kontroli jakości, ale również szybko wkraczamy w nowy świat najnowocześniejszych danych.
BlockBeats: Jaka jest według Ciebie największa zaleta Sapien AI jako zdecentralizowanej platformy do adnotacji danych?
Trevor: Jak powiedziałem, nasza platforma jest bardziej samoobsługowa, co pozwala nam obsługiwać szerszą bazę klientów. Nasze wymagania wobec adnotatorów są również bardzo szerokie. Chcemy, aby każdy mógł zostać wytwórcą etykiet, ponieważ wierzymy, że następna era lub rozdział sztucznej inteligencji będzie polegać na wydobywaniu większej ilości istniejącej wiedzy od ludzi. Nie tylko podstawowe rzeczy, takie jak „to jest znak stopu”, „to jest samochód” i tym podobne, które mogą być łatwo rozpoznane przez ludzi i maszyny, ale bardziej o rozumowaniu.
Alex Wang z firmy Scale Company tak mówił o tym problemie: Dane w Internecie są wynikiem rozumowania, ale tak naprawdę nie opisują procesu rozumowania. Jak zatem możemy uzyskać głębsze zrozumienie ludzkich umysłów? Wymaga to więcej pracy i wymaga bardziej profesjonalnych adnotacji. Może to pomóc nam przyspieszyć rozwój sztucznej inteligencji ogólnej (AGI).
Zatem nasza szersza misja brzmi: czy możemy odblokować więcej wiedzy w prywatnych zbiorach danych w przedsiębiorstwie, w umysłach profesjonalistów? Specjaliści ci mają wiedzę specjalistyczną w określonych branżach, np. medyczną lub prawniczą, której modelki jeszcze nie wykorzystują.
Nadal ciężko pracujemy, aby nasza platforma była jak najbardziej płynna i staramy się zachować równowagę pomiędzy podażą i popytem. Chcemy umożliwić dynamiczne ustalanie cen, tak jak robi to Uber. Mechanizmy te sprawiają, że bardziej przypominamy prawdziwy rynek dwustronny, spełniający potrzeby dotyczące danych, jednocześnie pomagając komentatorom w dołączeniu. Oto niektóre z unikalnych sposobów, w jakie budujemy naszą platformę. Jeśli chodzi o zapewnienie jakości, wykorzystujemy w czasie rzeczywistym techniki, o których wspomniałem wcześniej. Chcemy, aby nasi adnotatorzy otrzymywali jak najwięcej komentarzy w czasie rzeczywistym, ponieważ zapewnia to wszystkim lepsze wrażenia.
Label to Earn, przyszłość ekonomii koncertów
BlockBeats: Zauważyłem, że Sapien AI nawiązał współpracę z Yield Guild Games (YGG), więc czy zdecentralizowany mechanizm etykietowania Sapien AI można rozumieć jako grę typu „etykieta do zarabiania”?
Trevor: Dokładnie. Naprawdę chcemy móc wejść do świata ludzi, którzy chcą zarabiać na swoich telefonach, co naszym zdaniem jest przyszłością ekonomii gig. Nie potrzebujesz samochodu, aby jeździć Uberem lub dostarczać jedzenie w fizycznej lokalizacji. Aby zarabiać, wystarczy zalogować się na telefonie i wpisać dane.
YGG to niesamowity partner, jeden z naszych aniołów biznesu. Mamy świetne relacje z Gabby, założycielką, a oni mają niesamowitą społeczność w Azji Południowo-Wschodniej. Mamy z nimi wielkie plany, aby pomóc ich użytkownikom znaleźć nowe sposoby zarabiania pieniędzy, a oni pomogą nam pozyskać nowych użytkowników. Niedawno ogłosiliśmy szereg współpracy, a kolejne są w przygotowaniu. Przez większą część czwartego kwartału będziemy także przebywać w Azji, spotykając się z tymi partnerami i kontynuując promowanie współpracy.
BlockBeats: Co sądzisz o grach typu „graj, aby zarobić” typu blockchain, takich jak „Axie Infinity”?
Trevor: To bardzo innowacyjne i źródło inspiracji. Choć to tylko eksperyment, wierzę, że powróci w nowej formie. Na tym polega piękno startupów i zdecentralizowanej przedsiębiorczości, to twórcza destrukcja.
To, co robimy, zawiera pewne elementy „gry, aby zarobić”, i często używamy terminów takich jak „etykieta, aby zarabiać” lub „trenuj, aby zarabiać”. Ale jest różnica, ponieważ jesteśmy prawdziwym biznesem. Oznaczane są prawdziwe dane, prawdziwi klienci płacą prawdziwe pieniądze i wreszcie powstaje prawdziwy produkt. Więc to nie jest tylko gra wideo z nieskończoną pętlą.
Chociaż etykietowanie danych za pomocą Sapien AI jest fajne, może nie być tak zabawne, jak gra w Grand Theft Auto V. Chcieliśmy zachować równowagę pomiędzy zabawą a praktycznością, tworząc coś, co można zrobić, czekając 5 minut na przystanku autobusowym lub spędzając 5 godzin w domu przed komputerem. Naszym celem jest maksymalne ułatwienie uczestnictwa.
BlockBeats: Czy istnieją sposoby, dzięki którym adnotacje do danych będą przyjemniejsze, a nie tylko będą działać, ale bardziej będą przypominać grę?
Trevor: Tak, teraz dużo próbujemy. Możesz zagrać w tę grę samodzielnie i opisywać prawdziwe dane AI, odwiedzając game.sapien.io. Możesz zostać pracownikiem AI, dodawać notatki do prawdziwych danych AI podczas grania w gry i zdobywać punkty. Gra jest bardzo minimalistyczna i posiada intuicyjny interfejs.
Interfejs gry game.sapien.io
Same dane też są ciekawe. Może zaistnieć potrzeba dodania adnotacji do bardzo interesujących obrazów, na przykład dodania adnotacji do naszych danych dotyczących mody. Planujemy obsługę wielu różnych typów modalności i zbiorów danych. Z czasem planujemy dodać więcej funkcji.
Plan na przyszłość: Zbuduj największą na świecie sieć adnotacji sztucznych danych
BlockBeats: Oprócz YGG, z jakimi innymi projektami kryptograficznymi planujesz współpracować w przyszłości?
Trevor: Mamy kilka interesujących pomysłów, takich jak stworzenie standardu danych do adnotacji danych. Obecnie ten obszar jest dość zagmatwany, potrzeby każdego klienta są inne i musimy przeprowadzać niestandardowe integracje z każdym klientem, ponieważ jego formaty danych i sposoby przesyłania danych są różne.
Dlatego współpracujemy z innymi w zdecentralizowanej przestrzeni danych i jesteśmy na wczesnym etapie ustanawiania tego standardu i planujemy udostępnić go jako dobro publiczne. Zrobiliśmy coś podobnego w Polymath, gdzie wypuściliśmy ERC-1400, który jest obecnie jednym z domyślnych standardów tokenizacji w Ethereum.
Mamy więc pewne pomysły dotyczące tworzenia standardów i planujemy je realizować wraz z zespołami, które pomogły nam w przeszłości, a także niektórymi partnerami branżowymi. Dzięki temu zdecentralizowana sztuczna inteligencja stanie się bardziej realna, a także stanie się bardziej interoperacyjna, co oznacza, że dane będą mogły łatwiej przepływać między różnymi etapami, ponieważ nikt nie może zrobić wszystkiego.
BlockBeats: Jaka jest konkretna data uruchomienia aplikacji głównej i mobilnej Sapien AI?
Trevor: Nie mamy w tej chwili konkretnych planów wydawniczych. Obecnie koncentrujemy się na dopasowaniu do rynku naszego podstawowego produktu Web2. Rozwijamy się bardzo dobrze i obecnie mamy komentatorów z 71 krajów. Nasze przychody po stronie popytowej w tym roku podwajają się niemal co miesiąc.
Chcemy po prostu się rozwijać, poznawać naszych klientów i nadal im służyć. Z biegiem czasu pozostaniemy otwarci na różne strategie i techniki.
BlockBeats: Widziałem, że współzałożyciel Base, Rowan Stone, dołączył do Sapien AI jako dyrektor ds. rozwoju biznesu. Na jakim publicznym blockchainie zostanie zbudowana Sapien AI? Czy są plany wydawania tokenów natywnych?
Trevor: To głębokie pytania, które doceniam. Rowan jest świetny i założył Base z Jessem Pollakiem, Jesse to absolutna legenda. Rowan ma bogate doświadczenie w tworzeniu niezrównanych produktów Web3 o wytrzymałości przemysłowej. Moim zdaniem nie ma sobie równych. Współprowadził „Onchain Summer”, jedno z najbardziej udanych wydarzeń w mojej pamięci.
Pomaga nam opracowywać strategie rynkowe w niektórych obszarach. Jednak, jak już powiedziałem, jesteśmy obecnie bardzo skupieni na obsłudze naszych obecnych klientów i to jest nasz główny cel. Nie podjęliśmy żadnych zobowiązań ani decyzji dotyczących wyboru jakiejkolwiek Warstwy 1 lub innej. Jednak w przyszłości będziemy nadal rozważać różne możliwości.
BlockBeats: Jakie plany i cele ma Sapien AI na przyszłość? Jakie kamienie milowe masz nadzieję osiągnąć w ciągu najbliższych kilku lat?
Trevor: Naszą misją jest 100-krotne zwiększenie liczby osób zajmujących się adnotacją danych na całym świecie i zapewnienie każdemu łatwego dostępu do tej sieci. Chcemy zbudować największą na świecie sieć adnotatorów danych ludzkich. Uważamy, że będzie to bardzo cenny zasób, dlatego chcemy go zbudować i kontrolować, ale ostatecznie go otworzyć. Chcemy, aby każdy mógł się podłączyć i zrobić to całkowicie bez pozwolenia.
Jeśli uda nam się zbudować największą na świecie sieć adnotacji danych ludzkich, odblokuje to ogromną ilość potencjalnych możliwości sztucznej inteligencji, ponieważ im więcej będziemy mieli danych wysokiej jakości, tym potężniejsza i dostępna będzie dla wszystkich sztuczna inteligencja.
Chcemy, aby działało to dla wszystkich, a nie tylko dla dużych firm zajmujących się modelowaniem języka, które mogą sobie pozwolić na sieci milionów ludzkich adnotatorów. Teraz każdy może korzystać z tej sieci. Można o niej myśleć jak o platformie „adnotacji jako usługi”.
Za decentralizacją: Zadaniem przedsiębiorców jest rozwiązywanie problemów
BlockBeats: Na koniec chciałbym zapytać Cię o Twoje obserwacje i opinie na temat całej branży. Jak myślisz, jaki niewykorzystany potencjał istnieje w dziedzinie krypto-AI?
Trevor: Jestem bardzo podekscytowany tą przestrzenią i dlatego założyliśmy Sapien AI. Jest tu dobra strona, ale jest też strona, przed którą należy się strzec.
Z drugiej strony zdecentralizowana sztuczna inteligencja będzie prawdopodobnie bardziej autonomiczna, bardziej zdemokratyzowana, bardziej dostępna i potężniejsza. Oznacza to, że agenci AI mogą mieć własną natywną walutę dla transakcji, co oznacza również, że możesz mieć większą prywatność i dokładnie wiedzieć, co zawiera się w modelu dzięki technologii ZK.
Jeśli chodzi o zapobieganie, stoimy w obliczu bardzo przerażającego świata, w którym sztuczna inteligencja staje się coraz bardziej scentralizowana, a dostęp do potężnych modeli mają jedynie rządy i kilka dużych firm technologicznych. To dość przerażająca scena. Dlatego open source i zdecentralizowana sztuczna inteligencja jest obroną.
Dla nas skupiamy się bardziej na aspekcie danych, danych zdecentralizowanych. Nie oznacza to, że nie można zdecentralizować innych części stosu sztucznej inteligencji, takich jak obliczenia i same algorytmy. Tak jak Transformer był pierwszą innowacją w algorytmach, tak widzieliśmy wiele innych innowacji, ale zawsze jest miejsce na ulepszenia.
Decentralizacja nie oznacza, że powinieneś to zrobić, a to, że możesz coś zdecentralizować, nie oznacza, że powinieneś. W końcu musi być prawdziwa wartość. Jednak podobnie jak finanse i inne części przestrzeni Web3, sztuczna inteligencja z pewnością może skorzystać na decentralizacji.
BlockBeats: Jakiej rady najbardziej chciałbyś udzielić przedsiębiorcom, którzy chcą zająć się kryptowalutą AI?
Trevor: Zalecam nauczenie się jak najwięcej, aby naprawdę zrozumieć stos technologii i architekturę. Nie musisz mieć doktoratu z uczenia maszynowego, ale ważne jest, aby zrozumieć, jak to działa i go przestudiować. Od tego momentu z biegiem czasu będziesz stopniowo rozumieć problem w bardziej organiczny sposób. To jest klucz.
Jeśli nie rozumiesz, jak to działa, nie możesz zrozumieć problemu. A jeśli nie wiesz, na czym polega problem, nie powinieneś zostać przedsiębiorcą, ponieważ zadaniem przedsiębiorcy jest rozwiązywanie problemów.
Nie różni się więc niczym od innych startupów i należy rozumieć tę przestrzeń. Nie musisz być największym na świecie ekspertem w danej dziedzinie, ale wystarczy wiedzieć o niej wystarczająco dużo, aby móc zrozumieć problemy, a następnie spróbować je rozwiązać.
