AI Veri Yarışmasının Potansiyeli ve Web3 DataFi'nın Yükselişi

Son zamanlarda, AI dünyasındaki en dikkat çekici olay, Meta'nın sergilediği güçlü yetenekler oldu. Zuckerberg, etrafta yetenekleri işe almak için dolaşarak, çoğunluğunu Çinli araştırmacılardan oluşturan lüks bir AI ekibi kurdu. Bu ekibin lideri ise yalnızca 28 yaşındaki Alexander Wang oldu. Wang, 290 milyar dolarlık bir değere sahip olan Scale AI'yi kurmuş olup, ABD ordusu, OpenAI, Anthropic ve Meta dahil olmak üzere birçok AI devine veri hizmetleri sunmaktadır. Scale AI'nın ana işi, büyük miktarda doğru etiketlenmiş veri sağlamaktır.

Scale AI'nin birçok unicorn arasında öne çıkmasının temel nedeni, verinin AI endüstrisindeki önemini erkenden kavramış olmasıdır. Hesaplama gücü, model ve veri, AI modellerinin üç temel direğidir. Eğer büyük modeli bir insana benzetirsek, model beden, hesaplama gücü yiyecek ve veri ise bilgi ve bilgidir.

Büyük dil modellerinin hızlı gelişimi sürecinde, sektörün odak noktası modelden hesaplama gücüne kaydı. Artık çoğu model, çerçeve olarak transformer kullanıyor, ara sıra MoE veya MoRe gibi yenilikler de görülüyor. Büyük oyuncular ya kendi süper hesaplama kümelerini kuruyor ya da AWS gibi bulut hizmeti sağlayıcılarıyla uzun vadeli anlaşmalar imzalıyor. Hesaplama gücü gibi temel bir sorun çözüldüğünde, verinin önemi giderek daha belirgin hale geliyor.

Geleneksel To B büyük veri şirketlerinden farklı olarak, Scale AI, AI modelleri için sağlam bir veri temeli oluşturmaya odaklanmaktadır. İşleri sadece mevcut verilerin çıkarılmasıyla sınırlı kalmayıp, daha uzun vadeli veri oluşturma işlerini de kapsamaktadır. Şirket ayrıca farklı alanlardan gelen insan uzmanlardan oluşan bir AI eğitim ekibi kurmuştur ve bu ekip AI modellerine daha yüksek kaliteli eğitim verileri sağlamaktadır.

Model eğitimi, ön eğitim ve ince ayar olmak üzere iki aşamaya ayrılır. Ön eğitim aşaması, bir bebeğin konuşmayı öğrenme sürecine benzer; bu aşamada AI modeline internette toplanan çok sayıda metin, kod ve benzeri bilgiler girilmelidir. İnce ayar aşaması ise okul eğitimine benzer; genellikle belirgin doğru-yanlış, cevaplar ve yönler vardır. Belirli veri setleri aracılığıyla, modelin gerekli yetenekleri kazanmasını sağlayabiliriz.

Bu nedenle, gerekli veriler iki kategoriye ayrılır: Birincisi, fazla işleme gerektirmeyen büyük veriler, genellikle Reddit, Twitter, Github gibi UGC platformlarından elde edilen tarayıcı verileri, açık literatür veritabanları ve şirketlere ait özel veritabanlarıdır; İkincisi ise, modelin belirli niteliklerini geliştirmek için titiz bir tasarım ve seçim gerektiren veriler olup, veri temizleme, filtreleme, etiketleme ve insan geri bildirimi gibi işlemleri gerektirir.

Modelin yeteneklerinin daha da artmasıyla birlikte, daha ince ve profesyonel eğitim verileri modelin yetenekleri üzerinde kritik bir etki faktörü haline gelecektir. Uzun vadede, AI verileri de bir yığın etkisi olan uzun vadeli bir yol olacaktır; ön çalışmaların birikmesiyle birlikte, veri varlıkları bileşik faiz etkisi göstererek, daha yaşlandıkça daha değerli hale gelecektir.

Web3 alanında, DataFi kavramı ortaya çıktı. Web3 DataFi'nin birçok avantajı vardır:

1. Akıllı sözleşmeler veri egemenliğini, güvenliğini ve gizliliğini sağlar.
2. Doğal coğrafi arbitraj avantajı, en uygun küresel dağıtılmış iş gücünü çekiyor.
3. Blok zincirinin belirgin teşvik ve hesaplaşma avantajları
4. Daha verimli ve açık bir "tek durak" veri pazarı inşa etmeye yardımcı olur

Sıradan kullanıcılar için DataFi, katılım için en avantajlı merkeziyetsiz AI projesidir. Kullanıcıların veri fabrikası sözleşmesi imzalamasına gerek yoktur, sadece cüzdanlarına giriş yaparak veri sağlama, modelleri değerlendirme, AI araçlarıyla basit yaratımlar yapma veya veri ticaretine katılma gibi çeşitli basit görevleri tamamlayarak katılabilirler.

Şu anda, Web3 DataFi alanında Sahara AI, Yupp, Vana, Chainbase, Sapien, Prisma X, Masa, Irys, ORO ve Gata gibi bir dizi potansiyel proje ortaya çıkmıştır. Bu projeler sırasıyla veri toplama, model değerlendirme, kişisel veri para birimi, zincir üstü veri indeksleme gibi farklı veri hizmeti alanlarına odaklanmaktadır.

Mevcut bu projelerin engelleri genelde düşük olsa da, bir kez kullanıcı ve ekosistem bağlılığı biriktirildiğinde, platform avantajları hızla birikir. Bu nedenle, erken dönem projeleri teşvikler ve kullanıcı deneyimi üzerinde yoğunlaşmalıdır. Aynı zamanda, bu veri platformlarının iş gücünü nasıl yöneteceklerini, veri çıktısının kalitesini nasıl güvence altına alacaklarını düşünmeleri gerekmektedir; kötü paranın iyi parayı sürmesi durumunun önüne geçmelidir.

Ayrıca, şeffaflığın artırılması, günümüzdeki blok zinciri projelerinin karşılaştığı önemli bir zorluktur. Artan sayıda proje, Web3 DataFi'nın sağlıklı gelişimini desteklemek için açık ve şeffaf bir uzun vadeli kararlılık sergilemek zorundadır.

DataFi'nin büyük ölçekli uygulama yolu iki yönü kapsamaktadır: birincisi, yeterince çok sayıda sıradan kullanıcının veri toplama ve üretimine katılmasını sağlamak, AI ekonomisinin tüketici grubunu oluşturmak; ikincisi ise, ana akım büyük şirketlerin onayını almaktır, çünkü kısa vadede hala veri büyük siparişlerinin ana kaynağıdır.

Genel olarak, DataFi, insan zekasının uzun vadede makine zekasını geliştirme sürecini temsil ederken, akıllı sözleşmeler aracılığıyla insan emeğinin gelirini güvence altına alır ve nihayetinde makine zekasının insanlığa geri dönüşünü sağlar. AI çağında belirsizlik yaşayanlar için, DataFi'ye katılmak, trende uyum sağlamak adına akıllıca bir seçimdir.