披露:此处表达的观点和意见仅属于作者,不代表 crypto.news 编辑的观点和意见。
在当今的数字经济中,少数科技集团对现代最宝贵的资源——用户生成的数据——拥有前所未有的控制权。谷歌、Meta 和亚马逊等公司通过收集、存储和货币化数十亿用户的个人信息,建立了庞大的数据帝国。这种数据集中化扼杀了竞争,限制了创新,并创建了只有少数人可以访问的数据孤岛。
虽然去中心化物理基础设施网络(简称 DePIN)的概念已成功动员用户参与去中心化基础设施,但数据仍然是服务最不充分的领域之一。这正是 DePIN 的一个新垂直领域——数据管理网络 (DCN) 发挥作用的地方。DCN 是指直接从用户那里捕获和整理数据的去中心化网络,它可以提供一种突破性的解决方案来摆脱这些数据孤岛。
DCN 为快速发展的 AI 市场带来了绝佳机会。AI 需要高质量、独特的数据集才能发挥最佳功能,而大型数据集对于训练模型、改进系统和支持下一代应用程序至关重要。DCN 还可以通过创建多样化且开放的人工生成的数据集来解决监管部门对 AI 偏见的担忧。
DePIN 的市值已超过 500 亿美元,预计到 2028 年将达到 3.5 万亿美元的潜在市值。这展示了去中心化网络将数据所有权转移回用户并允许他们从贡献中获利的潜力。DePIN 通过将数据收集从企业巨头转移到个人手中,提供了一种变革性的解决方案。
随着人工智能技术的发展,对多样化和高质量数据的需求只会增加。集中式企业无法捕获许多人工智能用例所需的全部数据。与企业控制的数据集不同,这些数据集通常受到平台用户群的影响或受到公司覆盖范围的限制,而 DePIN 网络可以从各种来源获取数据。这会带来更全面、更多样化的数据集,这对于构建更好、更具包容性的人工智能模型以及产生新的用例可能性至关重要。
以自动驾驶汽车的发展为例。自动驾驶系统需要大量有关交通模式、道路状况和驾驶员行为的实时数据才能安全高效地运行。传统上,这些数据是由拥有联网汽车和道路传感器的大型企业收集的。集中式实体的建设成本高昂,需要基础设施投资和大量工时。加密网络可以激励人们将边缘设备变成数据收集器,在正常的一天中被动收集有价值的数据,而不是构建这种基础设施并组建专门的劳动力来完成这项任务。这使得能够以更高效的方式整理地理位置分散的数据,并产生可用于 AI 训练的有机数据集。
自动驾驶汽车是分散式网络可以收集关键数据以提高安全性和性能的众多例子之一。来自分散来源的实时数据与人工智能的分析能力相结合,可以彻底改变从交通运输到医疗保健等行业。
为满足人类需求而开发的人工智能模型必须依赖人类生成的数据作为模型训练的真相来源。随着越来越多的物联网和可穿戴设备配备了计算能力和人工智能加速芯片,以及数十亿台联网的智能手机等商品设备,边缘驱动的 DCN 具有大规模扩展的潜力,可以成倍地增加其覆盖范围和容量,通过简化数据收集来增强数据管理,并提高可用数据集的质量。
基于商品的 DCN 不需要用户投资新硬件,而是利用智能手机和笔记本电脑等人们日常生活中已经存在的设备。这大大减少了硬件制造和分销过程中经常出现的障碍,大大简化了入门流程,并允许用户无缝参与,而几乎没有初始成本。在 DCN 的新兴领域,有意义的数据集通常是通过协调创新加密激励措施支持的现有物理基础设施来策划的。例如,web3 领域的一些项目通过个人电脑的 Chrome 扩展程序提供网络抓取服务,而其他项目则利用智能手机摄像头进行地图绘制,这表明,通过利用现有基础设施,基于商品的 DCN 降低了采用门槛。
在这个新模式下,用户才是真正的受益者。他们可以控制自己的数据,享受为去中心化网络做出贡献的经济回报,并从这些网络所推动的人工智能驱动的创新中获益。这不仅创造了一个更加公平的数字生态系统,而且还鼓励了人们更广泛地参与数据经济,确保人工智能的发展是由普通人的需求和贡献驱动的,而不是少数大公司的盈利动机。
本文由阿里雷萨·古德斯和汤米·伊士曼。