Fonte original: conta Grass X
Autor: Grama
Compilado por: Deep Wave TechFlow
Informações expressas
Ontem, anunciamos que os usuários agora podem vincular endereços de carteira Solana às suas contas Grass. Este é um grande momento não apenas para Grass, mas para a indústria de IA como um todo. Nosso plano sempre foi revolucionar o desenvolvimento da inteligência artificial, e a importância desta atualização é:
Os usuários que contribuem com recursos receberão recompensas correspondentes
A rede Grass é capaz de rastrear os dados que cada nó obtém da rede. Quando esses dados forem usados para inferência ou treinamento de IA, haverá um link claro ligando o comportamento de raspagem ao conjunto de dados. Quando cada nó está associado a um endereço de carteira, podemos distribuir o valor da IA de volta ao nó específico que forneceu os dados.
Este é um passo em direção a um método totalmente descentralizado de rastreamento do uso de recursos. Esses registros não podem ser manipulados ou ocultados por nenhuma empresa, o que significa que a IA será mais justa e justa, e os usuários individuais poderão realmente obter uma parte dos benefícios.
Considerando que você já fornece esses recursos gratuitamente para a empresa, a única diferença é que agora você será realmente recompensado.
Estabelecendo as bases para a transparência na fonte de dados de treinamento de IA
Com esse recurso, a rede não apenas rastreia qual nó copiou qual conjunto de dados, mas também a origem específica do conjunto de dados – ou seja, de onde vieram os dados na rede. No momento em que um conjunto de dados é rastreado, a rede compilará automaticamente os metadados de sua origem e do nó que o rastreou, e os registrará em lotes na cadeia para formar um registro permanente da fonte de dados. Este é um recurso não encontrado em outras soluções de provisionamento de dados e acreditamos que seja uma peça crítica do quebra-cabeça para resolver os maiores problemas da IA atualmente.
Tornar a IA mais transparente e justa e reduzir a sua centralização
Pense nos maiores problemas que afetam a IA neste momento. Para os desenvolvedores, não há como garantir que o conjunto de dados que você usa não esteja contaminado, a menos que você mesmo o rastreie novamente para confirmar. É impossível para o usuário saber se o agente com quem você está interagindo é tendencioso, a menos que você possa ver os dados com os quais os desenvolvedores escolheram treiná-lo. E, apesar de tudo, corremos o risco de um punhado de empresas dominar a IA e criar um monopólio sobre a tecnologia mais importante.
Grass pretende resolver todos esses problemas. Os desenvolvedores não precisam mais se preocupar com a contaminação de dados quando podem verificar sem dúvidas se um conjunto de dados vem diretamente da fonte pretendida. Quando essas informações estão disponíveis publicamente para um único modelo, os usuários podem saber sem dúvidas se estão sendo apresentados a informações reais ou notícias falsas. Mais importante ainda, quando é criado um sistema para distribuir o valor da IA a milhões de pessoas que trabalham em conjunto para operar uma rede, em vez de a um punhado de grandes empresas, podemos trabalhar em conjunto para torná-la mais equitativa e menos exploradora.
Outros desenvolvimentos
Além de seu impacto positivo na aquisição de dados de treinamento, o Grass também quebra barreiras técnicas ao introduzir a recuperação de contexto ao vivo. Isso se refere à captura de dados em tempo real no momento da inferência para fornecer contexto para o LLM. Este é um recurso atualmente em desenvolvimento e ainda não existe em nenhum outro lugar, divulgaremos mais informações em breve.
Acreditamos que um mundo melhor é possível e o futuro é agora. Ainda há tempo para salvar a IA e estamos comprometidos com isso. A missão está em andamento. Obrigado a todos os usuários pela visão e apoio ao Grass.
