У центрі уваги AI-індустрії - маркування даних, модель Web3 кидає виклик традиційним гігантам

З огляду на те, що Meta придбала майже половину акцій Scale AI за 14,8 мільярда доларів, у всьому технологічному світі обговорюється перепозиціонування вартості "міток даних" великими компаніями. Тим часом деякі проекти Web3 AI все ще стикаються з критикою щодо концептуальної спекуляції та відсутності суті. За цією великою контрастом ринок, здається, ігнорує деякі ключові фактори.

Маркування даних має більше значення та потенціалу, ніж децентралізована агрегація обчислювальної потужності. Хоча ідея використання незадіяних GPU для виклику великим хмарам вражає, обчислювальна потужність за своєю суттю є стандартизованим товаром, основна різниця полягає в ціні та доступності. І ці переваги можуть швидко зникнути з падінням цін або збільшенням пропозиції від великих компаній.

У порівнянні, маркування даних є сферою, яка потребує людської мудрості та професійного судження. Кожна якісна позначка містить унікальні професійні знання, культурний контекст і пізнавальний досвід, які не можуть бути просто скопійовані, як обчислювальна потужність GPU. Наприклад, точна маркування зображень раку потребує професійної інтуїції досвідченого онколога, тоді як глибокий аналіз емоцій фінансового ринку неможливий без практичного досвіду досвідчених трейдерів. Ця природна дефіцитність і незамінність створює глибокий захисний бар'єр для індустрії маркування даних.

Угода Meta про придбання Scale AI викликала широкий інтерес. Клієнтами Scale AI є кілька провідних AI-компаній, технологічних гігантів і державних установ, які мають понад 300 тисяч професійно підготовлених аналітиків. Ця угода виявила проігноровану істину: у часи, коли обчислювальні потужності більше не є дефіцитом, а архітектури моделей схильні до однорідності, справжнім фактором, що визначає верхню межу інтелекту AI, є ті дані, які були ретельно оброблені.

Однак традиційна модель маркування даних має проблему нерівного розподілу вартості. Наприклад, лікар може витратити кілька годин на маркування медичних зображень і отримати лише кілька десятків доларів за свою працю, тоді як AI-модель, навчена на цих даних, може коштувати десятки мільярдів доларів, але лікар не може поділитися цими доходами. Ця несправедливість серйозно підриває зацікавленість у постачанні високоякісних даних.

У цьому контексті деякі проекти Web3 AI намагаються переписати правила розподілу вартості даних за допомогою технології блокчейн. Завдяки механізму винагороди токенами вони сподіваються перетворити постачальників даних з дешевих "даних трудових мігрантів" на справжніх "акціонерів" AI-мережі. Ця модель має потенціал стимулювати постачання більш якісних даних.

Коли традиційні гіганти будують бар'єри даних за допомогою капіталу, Web3 намагається створити більш відкриту та демократичну екосистему даних за допомогою токеноміки. Незалежно від того, чи це проекти штучного інтелекту Web2 чи Web3, вони вже перейшли від "конкуренції обчислювальної потужності" до нової стадії "конкуренції якості даних". Ця ринкова точка повороту вказує на важливий напрямок майбутнього розвитку індустрії штучного інтелекту.