Szczegóły
1. Cel i wartość projektu
Laboratoria AI w dużej mierze wykorzystały już łatwo dostępne publiczne dane z internetu do treningu modeli. Kolejnym krokiem są fizyczne systemy AI, takie jak roboty, pojazdy autonomiczne czy inteligentne urządzenia, które wymagają różnorodnych, wysokiej jakości danych z rzeczywistego świata, np. nagrań głosu, wzorców ruchu czy danych z czujników. Takie dane są często trudno dostępne, kosztowne do zebrania i ich wykorzystanie bez jasnych praw jest ryzykowne prawnie. Data Network ma na celu rozwiązanie tego problemu, tworząc zaufaną infrastrukturę, w której dane są pozyskiwane z potwierdzonym pochodzeniem i licencjonowaniem od samego początku (Decrypt).
2. Technologia i ekosystem
Sieć opiera się na Trace – rejestrze i platformie audytowej działającej w łańcuchu bloków. Gdy dostawca danych przesyła je przez zintegrowaną aplikację, taką jak Numo lub Kled, Trace generuje kryptograficzne potwierdzenie. Potwierdzenie to zawiera skrót danych, warunki zgody, umowę licencyjną oraz status płatności, nie przechowując jednak samych surowych danych, co zapewnia prywatność i możliwość audytu.
Ekosystem składa się z trzech głównych warstw: aplikacji dla dostawców danych, warstw przetwarzania takich jak Poseidon (projekt AI inkubowany przez Story), które oczyszczają i oceniają zbiory danych, oraz laboratoriów AI, które kupują licencjonowane i zweryfikowane dane do treningu modeli (The Defiant).
Podsumowanie
Data Network to przede wszystkim próba stworzenia brakującej warstwy zaufania i koordynacji w gospodarce danych AI, przekształcając rozproszone informacje z rzeczywistego świata w licencjonowany, weryfikowalny zasób. Czy ta infrastruktura stanie się standardem potwierdzania pochodzenia danych do treningu AI?