داده های غیر متمرکز Oort AI در Google Kaggle به رده های برتر برخورد می کند

مجموعه داده های تصویر آموزش هوش مصنوعی که توسط ارائه دهنده راه حل غیرمتمرکز AI Oort تهیه شده است ، موفقیت قابل توجهی در پلت فرم Google Kaggle شاهد بوده است.

مجموعه داده های متنوع Oort لیست در اوایل آوریل آزاد شد. از آن زمان ، در چندین دسته به صفحه اول صعود کرده است. Kaggle یک بستر آنلاین متعلق به Google برای مسابقات علوم داده و یادگیری ماشین ، یادگیری و همکاری است.

Ramkumar Subramaniam ، مشارکت کننده اصلی در پروژه Crypto AI Openledger ، به Cointelegraph گفت که “یک رتبه بندی Kaggle در صفحه اول یک سیگنال اجتماعی قوی است ، نشان می دهد که مجموعه داده ها درگیر جوامع مناسب دانشمندان داده ، مهندسان یادگیری ماشین و پزشکان است.”

مکس لی ، بنیانگذار و مدیرعامل OORT ، به Cointelegraph گفت که این شرکت “معیارهای نویدبخش نامزدی را مشاهده می کند که تقاضای اولیه و ارتباط را تأیید می کند” از داده های آموزشی خود که از طریق یک مدل غیر متمرکز جمع آوری شده است. وی افزود:

“علاقه ارگانیک جامعه ، از جمله استفاده فعال و مشارکت ها-نشان می دهد که چگونه خطوط لوله داده غیرمتمرکز و محور جامعه مانند Oort می تواند بدون تکیه بر واسطه های متمرکز ، به توزیع و تعامل سریع برسد.”

لی همچنین گفت که OORT قصد دارد چندین مجموعه داده را در ماه های آینده منتشر کند. از جمله این مجموعه مجموعه داده های دستورات صوتی در اتومبیل است ، یکی برای دستورات صوتی خانگی هوشمند و دیگری برای فیلم های DeepFake به منظور بهبود تأیید رسانه های AI.

مرتبط: عوامل هوش مصنوعی برای DEFI می آیند – کیف پول ضعیف ترین پیوند است

صفحه اول در چند دسته

داده های مورد نظر توسط Cointelegraph به طور مستقل تأیید شد تا در اوایل این ماه به صفحه اول در جنرال AI ، خرده فروشی و خرید ، ساخت و مهندسی Kaggle رسیده باشد. در زمان انتشار ، پس از بروزرسانی مجموعه داده احتمالاً نامربوط در تاریخ 6 مه و دیگری در تاریخ 14 مه ، آن موقعیت ها را از دست داد.

Subramaniam ضمن شناخت دستاورد ، به Cointelegraph گفت: “این یک شاخص قطعی از پذیرش دنیای واقعی یا کیفیت درجه سازمانی نیست.” وی گفت: آنچه مجموعه داده های Oort را از هم جدا می کند “فقط رتبه بندی نیست ، بلکه اثبات و لایه تشویقی در پشت مجموعه داده ها است.” او توضیح داد:

“بر خلاف فروشندگان متمرکز که ممکن است به خطوط لوله مات تکیه کنند ، یک سیستم شفاف و مؤثر با نشانه ، قابلیت ردیابی ، درمان جامعه را ارائه می دهد و پتانسیل بهبود مستمر با فرض مدیریت صحیح وجود دارد.”

لکس سوکولین ، شریک زندگی شرکت سرمایه گذاری AI Venture Generative Ventures ، گفت که اگرچه او فکر نمی کند که این نتایج به سختی می توان تکرار کرد ، “این نشان می دهد که پروژه های رمزنگاری می توانند از مشوق های غیرمتمرکز برای سازماندهی فعالیت های ارزشمند اقتصادی استفاده کنند.”

مرتبط: کیف پول عرق می افزاید AI دستیار ، به Defi Multichain گسترش می یابد

داده های آموزش هوش مصنوعی با کیفیت بالا: یک کالای کمیاب

داده منتشر شده توسط شرکت تحقیقاتی AI Epoch AI تخمین می زند که داده های آموزش AI متن انسانی در سال 2028 خسته می شوند. فشار به اندازه کافی بالا است که سرمایه گذاران اکنون هستند واسطه معاملات اعطای حقوق به مواد دارای حق چاپ به شرکتهای هوش مصنوعی.

گزارش های مربوط به داده های آموزش AI به طور فزاینده ای و چگونگی محدود کردن رشد در فضا بوده است در گردش برای سالها در حالی که داده های مصنوعی (تولید شده توسط AI) به طور فزاینده ای با حداقل برخی از موفقیت ها مورد استفاده قرار می گیرد ، داده های انسانی هنوز به عنوان داده های جایگزین بهتر و با کیفیت بالاتر که منجر به مدل های بهتر AI می شود ، تا حد زیادی مشاهده می شود.

وقتی صحبت از تصاویر برای آموزش هوش مصنوعی به طور خاص می شود ، با هنرمندان به طور فزاینده ای که به طور هدفمند اقدام به کار می کنند ، به طور فزاینده ای پیچیده می شود. به معنای محافظت از تصاویر آنها از استفاده برای آموزش AI بدون اجازه است ، کابوس به کاربران امکان می دهد تصاویر خود را “مسموم” کرده و عملکرد مدل را به شدت تخریب کنند.

Subramaniam گفت ، “ما وارد دوره ای می شویم که داده های تصویر با کیفیت بالا به طور فزاینده ای کمیاب می شوند.” وی همچنین تشخیص داد که با افزایش محبوبیت مسمومیت با تصویر ، این کمبود وخیم تر می شود:

“با ظهور تکنیک هایی مانند رواق تصویر و علامت گذاری به رنگ متناقض برای مسموم کردن آموزش AI ، مجموعه داده های منبع باز با یک چالش دوگانه روبرو هستند: کمیت و اعتماد.”

در این شرایط ، Subramaniam گفت که مجموعه داده های با انگیزه قابل اثبات و تحت تأثیر جامعه “با ارزش تر از همیشه” هستند. به گفته وی ، چنین پروژه هایی “نه تنها گزینه های جایگزین ، بلکه ستون های تراز هوش مصنوعی و پیشرفت در اقتصاد داده ها”.

مجله: AI EYE: AI که در مورد محتوای AI آموزش دیده است دیوانه می شود ، آیا موضوعات یک رهبر ضرر برای داده های هوش مصنوعی است؟