الذكاء الاصطناعي لديه ثلاثة أسس رئيسية: قوة الحوسبة والبيانات والخوارزمية.

في هذه الثلاثة، يعتبر قوة الحوسبة الأكثر أهمية واضحة، ولذلك فإن قيمة ALEX قد تجاوزت في بعض الأحيان قيمة مايكروسوفت وأبل، لتصبح أكثر الشركات قيمة في العالم. ومع ذلك، كما أشار مؤسس Scale AI ، أليكس وانغ ، في بودكاست واحد ، فإن البيانات تحل محل قوة الحوسبة وتصبح أكبر قيود تحسين أداء نماذج الذكاء الاصطناعي.

طموح الذكاء الاصطناعي للحصول على المزيد من البيانات لا يعد ولا يحصى، ولكن مصادر بيانات الإنترنت المتاحة قد تماماً نفذت. لتحسين أداء النموذج بشكل أكبر، يجب الاعتماد على المزيد من البيانات عالية الجودة. على الرغم من أن الشركات لديها الكثير من البيانات القيمة داخلها، إلا أن هذه البيانات غير المهيكلة يمكن استخدامها فقط بعد التعليمات الدقيقة ليتم تدريب الذكاء الاصطناعي عليها. وتعد عملية تعليم البيانات مهمة تستهلك الكثير من الموارد ولفترة طويلة، وطويلة الأمد، ولطالما اعتبرت الجزء الأصعب والأدنى في صناعة الذكاء الاصطناعي.

ومع ذلك ، فقد كان من خلال استراتيجيتها لتكون أول من يدخل مساحة التعليقات التوضيحية للبيانات ، حيث بلغت قيمة Scale الذكاء الاصطناعي 13.8 مليار دولار في أحدث جولة تمويل لها في مايو من هذا العام ، متجاوزة العديد من الشركات النموذجية الكبيرة المعروفة. لا شك أن هذا الإنجاز يكسر التحيز القائل بأن تصنيف البيانات هو مجرد عمل شاق.

كما هو الحال مع العديد من مشاريع قوة الحوسبة غير المركزية التي تتحدى نفيديا، يحاول مشروع Sapien AI للذكاء الاصطناعي، الذي أكمل للتو جولة تمويل بذرة بقيمة 5 ملايين دولار أمريكي في أبريل، تحدي Scale AI أيضًا. إنه ليس فقط يعتزم الدخول إلى السوق الطويلة الذيل بطريقة غير مركزية، بل يخطط أيضًا لبناء أكبر شبكة لتسمية البيانات الاصطناعية في العالم.

في الآونة الأخيرة، أجرى BlockBeats مقابلة خاصة مع مؤسس Sapien AI و COO تريفور كوفيركو. باعتباره مؤسسًا مشاركًا لعدة مشاريع ناجحة مثل Polymath و Polymesh و Tokens.com ، فقد كان تريفور قد اكتسب خبرة ريادية غنية قبل تأسيس Sapien AI. في المقابلة ، شارك بشكل عميق تجربته الشخصية في تأسيس Sapien AI واستراتيجية المنافسة الخاطئة بين Sapien AI و Scale AI ، ورؤيته الفريدة لتصميم آلية العمل من خلال الاستفادة من ألعاب الكتلة .

عنوان موقع تجريبي لمشروع Sapien AI: game.sapien.io

الإبداع الزاهي في تورونتو، تجمع التشفير والذكاء الاصطناعي

BlockBeats: لقد رأيت من خلال لينكد إن الخاص بك أنك كنت تعمل في فريق نيويورك رينجرز في NHL. كلاعب هوكي على الجليد محترف سابق، كيف كنت تحولت إلى صناعة البلوكتشين؟

تريفور: في مسيرتي المهنية، حاولت العديد من الأدوار المختلفة. لعبة الهوكي كانت أول وظيفة لي. في كندا، يعد الهوكي جزءًا مهمًا جدًا من ثقافتنا، إذا لم تكن تلعب الهوكي في صغرك، فسوف ينظر إليك على أنك غريب. لذا، هذا هو جزء مهم في عملية نموي. لقد تعلمت الكثير من التعاون الجماعي والمنافسة على مستوى عالٍ من هذه التجارب التي لا تزال تؤثر علي اليوم.

عندما انتهت مسيرتي في الهوكي، بدأت في العمل التجاري، في الواقع، قضيت بعض الوقت في آسيا. عشت في الصين، تحديدا في مدينة داليان في شمال شرق الصين. مسيرتي الرياضية وتجربتي في الصين كانتا جزءين مهمين جدًا في تشكيل نموي.

أنا نشأت في نظام التشفير في تورونتو. شاركت في مجتمع BTC منذ زمن طويل، في ذلك الوقت لم يكن هناك بعد إيثيريوم. كنا نشارك في الفعاليات بانتظام ونتبادل الأفكار مع الأصدقاء، وتعرفنا على فيتاليك. في ذلك الوقت كان محررًا في مجلة بيتكوين فقط.

في وقت لاحق ، عندما أصدر فيتاليك ورقة بيضاء ، تطور مجتمع BTC تدريجيا إلى مجتمع ETH Fang. لقد كان وقت اشتعال العاطفة. أطلقت مشروع RWA الخاص بي ، Polymath ، في 2017-2018 ، عندما لم يكن هناك حتى تصنيف واضح للمجال ، والذي أطلقنا عليه “الأمن”. هذا هو أول مشروع رئيسي لي في مجال التشفير. لقد عملنا على كل شيء من جمع الأموال إلى إطلاق تطبيق على ETH Square.

في النهاية، قمنا أيضًا بإنشاء سلسلة كتل خاصة بها، وهذا يشكل تحديًا أكبر. لحسن الحظ، كان لدينا أشخاص ذكيون مثل تشارلز هوسكينسون يشغلون منصب بروتوكول مهندس. اليوم، تطورت هذه سلسلة كتل لتصبح علامة تجارية مستقلة تحمل اسم Polymesh. إنها واحدة من أقدم وأكبر شبكات RWA، وهي من المستوى الأول. اليوم، أصبحت فقط عضوًا في المجتمع، لأنها أصبحت تمامًا لامركزية، وأنا فقط أدعم هذه الشبكة من بعيد. من حيث معدل الاعتماد، فإنها تظهر أداءًا ممتازًا، وأصبحت RWA اليوم نظامًا بيئيًا مثيرًا للإثارة.

BlockBeats: ما هو الدافع الذي جعل اهتمامك ينتقل من RWA إلى AI وتقرر إنشاء Sapien AI؟

تريفور: أصبحت مهتما الذكاء الاصطناعي بعد العمليات اليومية ل Polymesh اللامركزية. تتمتع تورنتو بمجتمع تكنولوجيا الذكاء الاصطناعي قوي للغاية ، وقد تم إنشاء العديد من البنى المبكرة الذكاء الاصطناعي الحديثة من قبل باحثين في جامعة تورنتو ، مثل جيفري هينتون ، “أبو التعلم” وإيليا سوتسكيفر ، كبير العلماء السابق في OpenAI.

اليسار: إيليا سوتسكيفير؛ اليمين: جيفري هينتون

أنا مهتم جدًا باستخدام الذكاء الاصطناعي، وفي الوقت نفسه لدي مجموعة ذكية من طلاب جامعة ويلفريد لورييه مهتمين بتعلم الآلة. لقد زاد اهتمامي تدريجيًا بتكنولوجيا الذكاء الاصطناعي وكيفية عمله وعملية إنتاج بيانات التدريب وكيف يشارك البشر في إنتاج تلك البيانات. هذه عملية تعلم طبيعية للغاية.

في البداية ، لم تكن لدي رغبة في تأسيس شركة ، ولكن بعد حوالي 6 أشهر من التعمق في مجال الذكاء الاصطناعي والتعلم الآلي ، بدأنا ، تحت إشراف أحد المرشدين في برنامج دراسات الدكتوراه في جامعة واترلو ، في اكتشاف مجالات مثيرة للاهتمام يوجد بها مشكلات ورؤية فرص لحل هذه المشكلات. في النهاية ، قمنا بتأسيس شركة سابين.

BlockBeats: هل يمكنك تقديم ملخص لهذا المشروع لأولئك الذين لا يعرفون Sapien AI؟ وما هي مدى أهمية خدمات تسمية البيانات في صناعة الذكاء الاصطناعي الحالية؟

تريفور: تعد تسمية البيانات مهمة للغاية. وهذا هو أحد أسباب نجاح نماذج اللغات الرئيسية مثل ChatGPT ، نظرًا لأنها كانت من بين أولئك الذين استخدموا عمالًا محددين بحجم صناعي لتحسين مجموعة البيانات الخاصة بهم.

إلى يومنا هذا، لا يزال أهمية تعليق البيانات في زيادة مستمرة، لأن المنافسة بين هذه النماذج شديدة، وأفضل طريقة لتحسين أداء النماذج هي إضافة مزيد من تعليقات البيانات المهنية في مجموعة البيانات.

نحن نعتبر معالجة البيانات على أنها سلسلة من الموردين: البيانات الأولية في المقام الأول ، والتي يتعين تنظيمها وترتيبها بعد ذلك. بعد الانتهاء من التنظيم ، يمكن تدريب هذه البيانات. بمجرد الانتهاء من التدريب ، يمكن القيام بالاستدلال عليها. بشكل عام ، يتم زيادة قيمة البيانات تدريجيًا في سياق الذكاء الاصطناعي.

مثل الصناعات الأخرى، بدأنا في رؤية تفرع صناعة الذكاء الاصطناعي، حيث تظهر مجالات عمودية مختلفة، وتظهر بعض الشركات أداءً ممتازًا في خطوات محددة من العملية. بالنسبة لي، الخطوة الثانية هي الأكثر إثارة للاهتمام، وهي تهيئة البيانات والتدريب، وهذا هو دائمًا الجزء الذي يثير اهتمامي.

اللامركزية Scale AI، مستهدفة السوق الطويلة

BlockBeats: ما الذي يجعل Sapien AI مختلفة عن الشركات التقليدية في Web2 مثل Scale AI؟

تريفور: هذا سؤال جيد. نحن نقدر Scale ، هم شركة رائعة ، ومؤسسوهم جميعًا متميزون للغاية. نحن نعرف واحدًا منهم. إنهم واحدة من أكبر شركات الذكاء الاصطناعي في العالم ، وهذا ينطبق سواء من حيث الإيرادات ، القيمة السوقية أو حجم الاستخدام.

تميزنا في أننا نفكر من المبادئ الأولى فيما يجب أن يكون عليه تقنية تعليق البيانات المعاصرة في عام 2024. لسنا بالضرورة نسعى لتغطية تلك الحالات التي يغطيها النطاق، هدفنا هو السوق الوسطى والسوق الطويلة.

نحن نعمل بجد لضمان توفير ردود فعل يدوية لأي شخص يحتاج إلى مجموعة بيانات، سواء كنت تستخدم نموذج مفتوح المصدر لسوق المتوسط، أو نموذجًا للشركات، أو كنت تبحث فقط في أبحاث العطلات الأسبوعية. إذا كنت ترغب في تحسين أداء النموذج الخاص بك وتحتاج إلى ردود فعل يدوية قابلة للتعديل، فتفضل بالاتصال بنا.

يمكنك اعتبارنا إصدارًا أكثر توزيعًا أو اللامركزية لـ Scale AI. وهذا يعني أن عمال العلامات التجارية لدينا أكثر انتشارًا ، ولا يقتصرون على موقع معين ، بل يمكنهم العمل عن بعد في أي مكان. إلى حد ما ، يمكن أن يتيح لنا هذا التشتت أداءً أفضل في جودة تسمية البيانات ، لأن التنوع ليس فقط من أجل تحقيق تنوع ، بل يمكن أن يعزز أيضًا جودة تدريب البيانات.

على سبيل المثال، إذا كنت تطلب من مجموعة من الأشخاص ذوي خلفيات مشابهة تسمية البيانات في مرفق ما، فمن المحتمل أن يتم إنتاج بيانات متحيزة أو تميل إلى الثقافة. لذلك، نحن نعمل على جعلها متنوعة وقوية قدر الإمكان من البداية. ونظرًا لأنها أكثر اللامركزية، يمكننا أيضًا الحصول على مسوِّد معلومات أعلى جودة إلى حد ما. إذا كان عليك العمل في موقع محدد في الفلبين، فسيكون النطاق الذي يمكن أن تجذبه من المواهب محدودًا، ولكن من خلال الأسلوب الأولوي للعمل عن بُعد، يمكننا العثور على مسوِّد معلومات من أي مكان.

أنا لا أقول أن Scale لم تقم بهذه الأمور، لكننا نفكر في كيفية خدمة أجزاء أخرى من سوق النماذج. لأننا نعتقد أن هذا السوق سيرتفع بشكل متواصل، وسيظهر العديد من النماذج الخاصة والمرخصة التي تحتاج إلى ردود فعل يدوية.

BlockBeats: كيف تم تصميم وتحسين سير عمل توثيق البيانات الخاص بـ Sapien AI؟ وما هي الخطوات الرئيسية التي تضمن جودة البيانات؟

تريفور: طريقة عمل منصتنا تشبه سوق ثنائي الجانب. يمكنك تصورها على أنها نسخة مركزية من أوبر في مجال تسمية البيانات. من جهة، هناك الطرف الطالب، مثل راكبي أوبر، وبالنسبة لنا هم عملاء الشركات الذين يحتاجون إلى ملاحظات بشرية في نموذجهم. على سبيل المثال، إذا كانوا يقومون ببناء نموذج لغوي كبير ويرغبون في تعديله قليلاً، فسيحتاجون إلى مشاركة البشر.

جاءوا ليزورونا ويقومون بتحميل مجموعة البيانات الأصلية على الشبكة. نقدم عروضنا استنادًا إلى عدة متغيرات مختلفة في مجموعة البيانات (مثل التعقيد وأنماط البيانات وتنسيق البيانات وما إلى ذلك). بالنسبة لعملائنا من الشركات، هذه العملية ذاتية للغاية.

من ناحية أخرى هي جانب العرض أو ما يعرف بالمسوّقين وهم بمثابة سائقي أوبر لدينا. حاليًا ، هذا هو بالفعل ضعف هذه الصناعة ، ونحن بحاجة إلى جعل أكبر عدد ممكن من المسوّقين ينضمون إلى الشبكة. لأن الطلب عمومًا غير محدود ، تمامًا مثل أوبر ، وهناك دائمًا أشخاص يرغبون في القيادة ، وهذا الطلب لن ينتهي أبدًا. في مجال الذكاء الاصطناعي ، فإن احتياج هذه النماذج المعتمدة على الذكاء الاصطناعي لمزيد من البيانات هو أمر مستمر.

نحن إلى حد كبير على جانب العرض ونلتزم بجعل التعليقات التوضيحية للبيانات سهلة لأي شخص. لقد اخترعنا بعض التقنيات الجديدة وما زلنا نعمل على تحسينها لضمان التعليقات التوضيحية عالية الجودة على نطاق واسع في الوضع الموزع. كان السؤال الأولي الذي طرحناه هو ، هل من الممكن ضمان تعليق توضيحي عالي الجودة بدون إدارة مركزية؟ إنه حقا ما نسميه “المعضلة الثلاثية لوضع العلامات على البيانات”: هل يمكننا خفض التكاليف لعملائنا وأعلى للمعلقين ، مع تحسين الجودة الشاملة؟

لقد قمنا بعدة تجارب في هذا المجال وحققنا بعض النتائج المثيرة للاهتمام. قمنا بتجربة آليات جديدة مثل التوجيه المتوسط والكشف عن الأخطاء وغيرها، وقمنا بدمج بعض النماذج الاحتمالية التي يمكنها بشكل كبير توقع جودة عمل المعلقين. نحن أيضًا نعمل على تطوير تقنيات جديدة. ومع ذلك، حتى الآن نحن متحمسون جدًا لتطور تسمية البيانات في الخمسة إلى عشر سنوات المقبلة. نعتقد أن تسمية البيانات ستصبح أكثر اللامركزية وأكثر الذاتية وأكثر التلقائية.

BlockBeats: هل يمكنكم تقديم مزيد من التفاصيل حول منتجاتكم وتقنياتكم، خاصة تلك التي يمكنها ضمان جودة البيانات؟ أعلم أن لديكم آلية الالتكديس لمنع سوء سلوك المعلمين، هل لديكم تقنيات أخرى؟

تريفور: نعم ، نحن نحاول الكثير من الأشياء المختلفة. لدينا نظام سمعة ، وكذلك التكديس وآليات العقاب. قد يتم تغريم المعلق إذا فشل في تلبية المعايير بعد مبلغ معين من الأموال في التكديس. لا تزال هذه الآليات في المراحل التجريبية المبكرة ، لكننا وجدنا أن هذا الحافز وحده يمكن أن يحسن بشكل كبير الالتزام بالجودة ، وربما حتى من خلال الانحرافات المعيارية المتعددة. ومع ذلك ، يتم تحقيق هذه السلسلة من مراقبة الجودة من خلال متوسط مرجح من الخوارزمية المختلفة ، والتي نقوم بضبطها باستمرار. في الوقت نفسه ، نحن أنفسنا نستخدم التعلم الآلي لتحسين هذه العملية. على سبيل المثال ، نستخدم أدوات ML linter واختبار “Red Rabbit” ، وهو تقديم بيانات خاطئة للمعلقين لاختبار ما إذا كانوا صادقين مع ملصقاتهم.

هذه مشكلة كبيرة: كيف نعرف ما إذا كان الناس يقومون بـ هجوم سيبيل على الشبكة (أي محاولة الغش والتلاعب في النظام)؟ يجب أن نبقى يقظين في هذا الأمر. هذا هو أيضًا سبب إعجابنا ببعض آليات تحفيز الويب3، لأن هذه الآليات ابتكرت في الأصل لحل مشكلات مماثلة مثل مشكلة الجنرالات البيزنطيين، والغاية منها جعل الامتثال للقواعد يتوافق مع مصلحة الجميع. إذا كنت أنانيًا، فسوف تتبع بروتوكول الشبكة.

نحن ما زلنا في مرحلة مبكرة. بالنسبة لبعض العملاء الكبار، نقوم بتنفيذ أساليب مراقبة الجودة التقليدية أكثر، في حين نتقدم أيضًا بسرعة نحو هذا العالم الجديد المتقدم من البيانات.

BlockBeats: ما هو أكبر ميزة لـ Sapien AI كمنصة تعليق بيانات اللامركزية؟

تريفور: كما قلت ، فإن منصتنا هي خدمة ذاتية أكثر ، مما يسمح لنا بخدمة قاعدة عملاء أوسع. بالنسبة للمعلقين ، فإن متطلباتنا واسعة جدا أيضا. نريد أن يصبح أي شخص معلقا لأننا نعتقد أن العصر أو الفصل التالي من الذكاء الاصطناعي سيكون استخراج المزيد من المعرفة الموجودة من البشر. إنها ليست مجرد أشياء أساسية مثل “هذه علامة توقف” أو “هذه سيارة” يمكن التعرف عليها بسهولة من قبل البشر والآلات ، ولكنها تتعلق أكثر بالتفكير.

تحدث أليكس وانغ من شركة Scale عن هذه المسألة: البيانات على الإنترنت هي نتيجة استنتاجية، ولكنها لا تصف حقاً عملية الاستدلال. لذا، كيف يمكننا فهم تفكير الناس بشكل أعمق؟ هذا يتطلب المزيد من العمل، ويتطلب تسمية أكثر احترافية. هذا يمكن أن يساعد في تسريع تطوير الذكاء الاصطناعي العام (AGI).

لذلك، مهمتنا الأكبر هي: هل يمكننا فتح المزيد من المعرفة في مجموعات البيانات الخاصة داخل الشركات، في عقول المحترفين؟ هؤلاء المحترفون لديهم معرفة احترافية غير متاحة للنماذج في بعض المجالات الرأسية (مثل الطب أو القانون).

نحن لا نزال نعمل بجد لجعل منصتنا متوفرة قدر الإمكان ، وللحفاظ على التوازن بين العرض والطلب. نحن نأمل في تحقيق التسعير الديناميكي ، تمامًا مثل Uber. هذه التوجيهات تجعلنا نبدو أكثر شبهًا بسوق ثنائي حقيقي ، حيث يتم تلبية احتياجات البيانات من جهة ومساعدة المعلقين في الانضمام من جهة أخرى. هذه هي بعض الطرق الفريدة التي نبني بها منصتنا. فيما يتعلق بضمان الجودة ، نستخدم تلك التقنيات في الوقت الحقيقي التي ذكرتها سابقًا. نأمل أن يتلقى المعلقون لدينا أكبر قدر ممكن من التعليقات في الوقت الحقيقي ، حيث يمكن أن يخلق هذا تجربة أفضل للجميع.

Label to Earn، مستقبل الاقتصاد الحر

BlockBeats: لقد لاحظت أن Sapien AI تعاونت مع نقابة الألعاب Yield Guild Games (YGG)، هل يمكن فهم آلية العلامات الخاصة بـ Sapien AI على أنها نوع من لعبة “label to earn”؟

تريفور: صحيح تمامًا. نحن حقًا نأمل في دخول عالم أولئك الذين يسعون لكسب قوتهم عبر الهاتف المحمول، نحن نعتقد أن هذا هو مستقبل الاقتصاد الحر. لا تحتاج إلى سيارة لتقديم خدمات Uber، ولا يلزمك التواجد في موقع فعلي لتوصيل الطلبات، كل ما تحتاجه هو تسجيل الدخول إلى الهاتف المحمول والقيام بتسمية البيانات لكسب الدخل.

YGG هو شريك رائع، وهم واحد من المستثمر الملاك الخاصين بنا. لدينا علاقة جيدة مع مؤسسهم Gabby، لديهم مجتمع رائع في جنوب شرق آسيا. لدينا خطط كبيرة معهم لمساعدة مستخدميهم في ايجاد طرق جديدة للربح، وفي نفس الوقت يساعدوننا في جذب مستخدمين جدد. قمنا مؤخرًا بالإعلان عن بعض مشاريع التعاون، وهناك المزيد من الخطط قيد التحضير للمستقبل. خلال معظم الربع الرابع من هذا العام، سنلتقي مع هؤلاء الشركاء في آسيا ونواصل التعاون.

BlockBeats: ما رأيك في ألعاب البلوكتشين مثل “Axie Infinity” التي تعتمد على “اللعب لكسب”؟

تريفور: هذا مبتكر للغاية، يمكن القول أنه يشكل ينبوع إلهام. على الرغم من أنها مجرد تجربة، إلا أنني أعتقد أنها ستعود بشكل جديد. هذا هو ما يجعل ريادة الأعمال وريادة الأعمال اللامركزية رائعة، إنها نوع من التدمير الإبداعي.

ما نقوم به بالفعل له بعض عناصر ‘اللعب للكسب’ ، ونميل أيضًا إلى استخدام عبارات مثل ‘التسمية للكسب’ أو ‘التدريب للكسب’. ولكن هناك اختلاف ، لأننا نعمل في مجال الأعمال الحقيقية. هناك بيانات حقيقية تتم تسميتها ، وهناك عملاء حقيقيون يدفعون بالمال الحقيقي ، وينتج منتج حقيقي في النهاية. لذلك ، هذا ليس مجرد لعبة فيديو لا نهاية لها.

على الرغم من أن استخدام Sapien AI لتسمية البيانات ممتع للغاية، إلا أنه قد لا يكون مثل اللعب في Grand Theft Auto V. نحن نأمل في تحقيق توازن جيد بين المتعة والفائدة، حتى يمكنك فعل ذلك في 5 دقائق عندما تنتظر حافلة أو في القيام به لمدة 5 ساعات أمام جهاز الكمبيوتر الخاص بك في المنزل. هدفنا هو جعلها سهلة الاشتراك فيها بقدر الإمكان.

BlockBeats: هل لديكم وسيلة لجعل تسمية البيانات أكثر متعة، ليس فقط كعمل، بل كلعبة؟

تريفور: نعم، لدينا الكثير من التجارب الآن. يمكنك زيارة game.sapien.io وتجربة اللعبة بنفسك ووضع علامات على بيانات الذكاء الاصطناعي الحقيقية. يمكنك أن تصبح عاملاً للذكاء الاصطناعي، وتضع علامات على بيانات الذكاء الاصطناعي الحقيقية أثناء لعب اللعبة، ويمكنك أيضًا كسب النقاط. هذه اللعبة بسيطة للغاية، والواجهة بديهية.

واجهة لعبة.sapien.io

البيانات نفسها مثيرة للاهتمام. قد تحتاج إلى وضع تعليقات على بعض الصور المثيرة للاهتمام جدًا ، مثل تعليقات على بيانات الموضة الخاصة بنا. نحن نخطط لدعم مختلف أنواع الوضع والمجموعات البيانات. نحن نخطط لإضافة المزيد من الميزات بشكل مستمر مع مرور الوقت.

خريطة المستقبل: بناء أكبر شبكة عالمية لتسميات البيانات الاصطناعية

BlockBeats: بالإضافة إلى YGG، هل لديكم خطط للتعاون مع مشاريع التشفير الأخرى في المستقبل؟

لذلك ، نحن نعمل مع الآخرين في مجال البيانات المركزية لإنشاء هذا المعيار في مرحلة مبكرة ونعتزم إصداره كمنتج عام. قمنا أيضًا بأمور مماثلة عندما كنا في Polymath ، حيث قمنا بإصدار ERC-1400 الذي أصبح الآن أحد المعايير الافتراضية لـ ايثريوم.

لذا لدينا بعض الأفكار حول إنشاء معايير، ونعتزم دفع هذه العملية بالتعاون مع الفرق التي ساعدتنا في الماضي وبعض الشركاء في الصناعة. سيجعل هذا الأمر الذكاء الصناعي أكثر واقعية، وسيزيد من تفاعله، مما يعني أن البيانات يمكن أن تتدفق بسهولة أكبر بين الخطوات المختلفة، لأنه لا يمكن لأي شخص أن ينجز كل شيء.

BlockBeats: ما هو تاريخ إطلاق Sapien AI الشبكة الرئيسية وتطبيق الجوال؟

تريفور: ليس لدينا خطط محددة للإصدار في الوقت الحالي. نحن نركز الآن على مطابقة سوق منتجات Web2 الأساسية. لقد كان نمونا جيدا جدا ، ولدينا الآن شارحون من 71 دولة. هذا العام ، تضاعفت إيراداتنا على جانب الطلب كل شهر تقريبا.

نحن نرغب فقط في الاستمرار في النمو وفهم عملائنا باستمرار وتقديم الخدمة لهم. مع مرور الوقت، سوف نحافظ على وجود موقف مفتوح تجاه مجموعة متنوعة من الاستراتيجيات والتقنيات.

BlockBeats: رأيت أن Rowan Stone، مؤسس شريك في Base، انضم بالفعل إلى Sapien AI كرئيس لتطوير الأعمال. في أي سلسلة كتلية ستقوم Sapien AI بالبناء؟ هل هناك خطط لإصدار العملة الأصلية؟

تريفور: هذه كلها أسئلة ذات العمق الكبير، أنا أقدر ذلك كثيرًا. روان رائع للغاية، قام بتأسيس Base مع جيسي بولاك، جيسي بالتأكيد شخصية أسطورية. روان لديه خبرة غنية جدًا ولا يوجد منافس له في بناء منتجات Web3 على مستوى صناعي. في رأيي، إنه يعتبر في مصاف القادة. شارك في قيادة فعالية “Onchain Summer”، وهي واحدة من أكثر الفعاليات نجاحًا في ذاكرتي.

هو يساعدنا في وضع استراتيجيات السوق في بعض المجالات. ولكن، كما قلت للتو، نحن مركزون حاليًا بشكل كبير على خدمة العملاء الحاليين، وهذا هو تركيزنا الرئيسي. فيما يتعلق باختيار أي طبقة أولية أو غيرها، لم نقدم أي التزامات أو قرارات حتى الآن. ولكن في المستقبل، سنستمر في التفكير في مختلف الاحتمالات.

BlockBeats: ما هي خطط Sapien AI المستقبلية أو الأهداف؟ ما هي الأهداف التي تأمل في تحقيقها في السنوات القليلة المقبلة؟

تريفور: مهمتنا هي زيادة عدد معلمي البيانات البشرية حول العالم بمقدار 100 مرة وجعلها متاحة لأي شخص بسهولة عبر هذا الشبكة. نحن نرغب في بناء أكبر شبكة لمعلمي البيانات البشرية في العالم. نعتقد أن هذا سيكون أصولًا ذات قيمة كبيرة، لذلك نود بناؤها والسيطرة عليها، ولكن في النهاية ستكون مفتوحة. نريد أن يكون الجميع قادرًا على الانضمام إليها ودخولها دون الحاجة إلى ترخيص.

إذا تمكنا من بناء أكبر شبكة توثيق بيانات بشكل يدوي في العالم، سيتم فتح العديد من إمكانيات الذكاء الاصطناعي المحتملة، حيث يزداد قوة الذكاء الاصطناعي كلما زادت البيانات عالية الجودة التي نملكها، ويمكن استخدامها من قبل الجميع.

نريدها أن تعمل من أجل الجميع ، وليس فقط شركات نماذج اللغة الكبيرة التي يمكنها تحمل شبكة من ملايين المعلقين البشريين. الآن ، يمكن لأي شخص استخدام هذه الشبكة. يمكنك التفكير في الأمر على أنه منصة “وضع العلامات كخدمة”.

وراء اللامركزية: مهمة رواد الأعمال هي حل المشكلات

BlockBeats: وأخيراً، أريد أن أسألك عن مراقبتك وآرائك حول الصناعة بأكملها. ما هي الإمكانيات التي لم يتم استكشافها بعد في مجال الذكاء الاصطناعي؟

تريفور: أنا متحمس جدًا لهذا المجال، وهذا هو السبب في إنشاء Sapien AI. هناك جانب جيد، وهناك جانب يتطلب الحذر.

إيجابياتها هي أن الذكاء الاصطناعي اللامركزي قد يصبح أكثر استقلالية وديمقراطية وسهولة في الوصول، كما أنه قد يصبح أقوى. وهذا يعني أن وكلاء الذكاء الاصطناعي يمكن أن يقوموا بتداول عملاتهم الأصلية، كما يعني أنه يمكنك الحصول على مزيد من الخصوصية، ويمكنك أيضًا معرفة بدقة ما يحتويه النموذج من خلال تقنية ZK.

فيما يتعلق بالوقاية، نواجه عالمًا مخيفًا للغاية، حيث يصبح الذكاء الاصطناعي مركزًا بشكل متزايد في هذا العالم، حيث يمكن للحكومة وعدد قليل من الشركات التكنولوجية الكبيرة التي تصل إلى نماذج قوية. هذا هو سيناريو مرعب جدًا. وبالتالي، فإن الذكاء الاصطناعي مفتوح المصدر وغير المركزي هو وسيلة للدفاع.

بالنسبة لنا ، نحن أكثر تركيزًا على البيانات ، بيانات اللامركزية. هذا لا يعني أنه لا يمكنك الاهتمام بأجزاء أخرى من تراكم الذكاء الاصطناعي اللامركزي ، مثل الحساب والخوارزمية نفسها. تمامًا مثل النقلة النوعية في الخوارزمية التي شهدناها في Transformer ، رأينا المزيد من الابتكارات ولكن هناك دائمًا مجال للتحسين.

اللامركزية لا تعني أن يجب عليك فعل ذلك فقط لأنك قادر على القيام بذلك. اللامركزية يجب أن تكون هناك قيمة حقيقية في النهاية. ومثل أي جزء آخر من المجال المالي و Web3 ، فإن الذكاء الاصطناعي بالتأكيد يمكن أن يستفيد من اللامركزية.

BlockBeats: ما هي النصيحة التي ترغب في تقديمها لرواد الأعمال الذين يرغبون في الدخول في مجال الذكاء الاصطناعي؟

تريفور: أوصي بتعلم الكثير قدر الإمكان، وفهم فعلي لتقنية البرمجة والهيكلية. لست بحاجة إلى أن تكون دكتوراه في تعلم الآلة، ولكن الفهم الأساسي والبحث فيه مهم جدًا. ابدأ من هنا، ومع مرور الوقت، ستفهم المشاكل بشكل أكثر عضوية تدريجيًا. هذا هو الأمر الرئيسي.

إذا لم تفهم كيف يعمل ، فلن تفهم أين يكمن المشكلة. وإذا كنت لا تعرف أين يكمن المشكلة ، فلا ينبغي أن تكون رائد أعمال ، لأن عمل رائد الأعمال هو حل المشكلات.

لذلك فإن هذا لا يختلف عن أي شركة ناشئة أخرى، يجب أن تفهم هذا المجال. لا يجب أن تكون خبيرًا عالميًا في هذا المجال، ولكن يجب أن تكون لديك معرفة كافية به من أجل فهم المشكلات ومحاولة حلها.