Kilka lat temu internet wydawał się niekończącą się biblioteką dla AI.
Potrzebujesz wiedzy? Zbierz więcej stron internetowych. Zgromadź więcej tekstu. Szkol większe modele.
Formuła działała, aż zaczęły się pojawiać pęknięcia.
Kiedy AI stało się mainstreamowe, sieć powoli się zmieniała. Niskiej jakości treści zaczęły się mnożyć. Informacje generowane przez AI zaczęły karmić inne systemy AI. Hałas wzrastał. Zaufanie stało się trudniejsze do zmierzenia.
Nagle, więcej danych już nie oznaczało lepszej inteligencji.
Tu zaczyna się rozmowa o zdecentralizowanych danych AI.
Nie dlatego, że decentralizacja brzmi ekscytująco, ale ponieważ inteligencja coraz bardziej zależy od zaufanej, wyspecjalizowanej wiedzy ludzkiej.
Stary model zakłada, że kilka scentralizowanych platform może zbierać i kontrolować większość użytecznych danych. Jednak wiedza nie mieszka w jednym miejscu. Istnieje w społecznościach, branżach, wśród badaczy, ekspertów niszowych i rzeczywistych współtwórców rozproszonych wszędzie.
Pytanie staje się trudne do zignorowania:
Jak organizujesz cenną ludzką inteligencję, nie polegając całkowicie na zamkniętych systemach?
Dlatego zdecentralizowane dane AI mają znaczenie.
Celem nie jest po prostu zbieranie większej ilości informacji. Chodzi o tworzenie systemów, w których lepsze dane stają się łatwiejsze do pozyskania, zorganizowania i utrzymania dzięki rozproszonej uczestnictwie.
Oczywiście, decentralizacja przynosi swoje własne problemy. Kontrola jakości staje się trudniejsza. Koordynacja robi się chaotyczna.
Jednak jeśli przyszła AI będzie zależeć od zaufanej ekspertyzy, a nie od szumu w internecie, systemy zarządzające danymi mogą cicho stać się równie ważne jak same modele.
