Недавно, когда я整理овал список наблюдений по AI-сектору, я снова посмотрел материалы по @OpenLedger .
Я заметил, что многие AI-проекты обсуждают модели и вычислительные мощности, но на самом деле, качество моделей зависит от данных. Без постоянного, высококачественного ввода данных даже самые мощные модели столкнутся с ограничениями.
OpenLedger привлекло мое внимание тем, что оно сосредоточено на вкладе данных, атрибуции данных и механизмах стимулирования. Это направление, возможно, не так легко привлечь внимание в краткосрочной перспективе, как популярные приложения, но если в будущем AI-индустрия продолжит развиваться, вероятность переоценки ценности данных довольно высока.
В настоящее время я продолжаю отслеживать прогресс экосистемы и реальные случаи применения, но, по крайней мере, с точки зрения логики сектора, это направление стоит держать на радаре.
$OPEN
#OpenLedger
Я заметил, что многие AI-проекты обсуждают модели и вычислительные мощности, но на самом деле, качество моделей зависит от данных. Без постоянного, высококачественного ввода данных даже самые мощные модели столкнутся с ограничениями.
OpenLedger привлекло мое внимание тем, что оно сосредоточено на вкладе данных, атрибуции данных и механизмах стимулирования. Это направление, возможно, не так легко привлечь внимание в краткосрочной перспективе, как популярные приложения, но если в будущем AI-индустрия продолжит развиваться, вероятность переоценки ценности данных довольно высока.
В настоящее время я продолжаю отслеживать прогресс экосистемы и реальные случаи применения, но, по крайней мере, с точки зрения логики сектора, это направление стоит держать на радаре.
$OPEN
#OpenLedger