อุตสาหกรรม AI กำลังเผชิญปัญหาที่ไม่ค่อยมีการพูดถึง: ท่อส่งข้อมูลกำลังแห้งเหือด เนื้อหาส่วนใหญ่บนเว็บแบบเปิดถูกดึงไปใช้แล้ว และสิ่งที่เหลืออยู่ก็ถูกล็อกไว้มากขึ้นเรื่อยๆ ภายใต้ข้อตกลง API ที่มีค่าใช้จ่ายสูงซึ่งมีเพียงผู้เล่นรายใหญ่ที่สุดเท่านั้นที่จ่ายไหว โครงสร้างพื้นฐานด้านข้อมูลของ Perceptron AI กำลังพยายามต่อสายการจัดการนี้ใหม่ทั้งหมด — ไม่ใช่ด้วยการเจรจาข้อตกลงที่ดีกว่ากับผู้กุมประตูข้อมูล แต่ด้วยการเลี่ยงผ่านพวกเขาไปเลย
Summary
ประเด็นสำคัญ
- Perceptron เก็บเกี่ยวข้อมูลเว็บสาธารณะผ่านแบนด์วิดท์ส่วนเกินของผู้บริโภค โดยใช้เครือข่ายที่มีประมาณ 800,000 โหนดในมากกว่า 150 ประเทศ.
- ข้อมูลที่เก็บรวบรวมจะถูกตรวจสอบโดยโมเดล AI แบบรวมศูนย์เพื่อควบคุมคุณภาพก่อนส่งต่อให้ลูกค้าองค์กร
- ผู้มีส่วนร่วมจะได้รับคะแนนที่สามารถแปลงเป็นโทเค็นคริปโตเนทีฟ สร้างแรงจูงใจทางเศรษฐกิจร่วมกัน
- Perceptron เปิดตัว กองทุนข้อมูล AI มูลค่า 10 ล้านดอลลาร์ มอบการสนับสนุนโครงสร้างพื้นฐานสูงสุดห้าสัปดาห์และข้อมูลโลกจริง 5 TB ให้กับนักพัฒนาฟรี
- สตาร์ทอัพได้เข้าซื้อกิจการบริษัทตรวจสอบธุรกรรมและการชำระเงินเพื่อทำให้การตรวจสอบข้อมูลเป็นอัตโนมัติ และมีแผนสร้างแพลตฟอร์ม Data Questing เพื่อสร้างชุดข้อมูลที่ไม่ซ้ำใคร
Perceptron แก้ปัญหาการขาดแคลนข้อมูลฝึก AI ด้วยแบนด์วิดท์ส่วนเกินของผู้บริโภค
มีรายงานว่า OpenAI จ่ายเงินระหว่าง 60 ล้านดอลลาร์ถึง 100 ล้านดอลลาร์ต่อปี ให้กับแพลตฟอร์มอย่าง Reddit และ Twitter เพียงเพื่อเข้าถึงข้อมูลผ่าน API สำหรับห้องปฏิบัติการที่มีเงินทุนหนาอยู่บนยอดพีระมิด AI ต้นทุนนี้ยังพอรับได้ สำหรับคนอื่นๆ มันคือกำแพง
“โปรเจกต์ AI ใหม่ๆ จำนวนมากไม่มีงบประมาณที่จะใช้เงิน 60 ล้านถึง 100 ล้านดอลลาร์เพื่อเข้าถึงข้อมูล” Peter Anthony ผู้ร่วมก่อตั้งและซีอีโอของ Perceptron กล่าว “ต่อให้คุณสร้างโมเดลที่ดีที่สุดในโลก มันก็แทบไม่มีประโยชน์ถ้าไม่สามารถเข้าถึงข้อมูลคุณภาพดีได้ คุณอาจเป็นเด็กที่ฉลาดที่สุดในโรงเรียน แต่ถ้าคุณไม่สามารถเข้าถึงหนังสือใดๆ ได้เลย คุณก็แทบไม่มีข้อมูลอะไรมานำเสนอ”
ความเหลื่อมล้ำเชิงโครงสร้างนั้นคือช่องว่างที่ Perceptron กำลังเข้าไปเติมเต็ม แทนที่จะแข่งขันในเงื่อนไขเดียวกับ Google หรือ OpenAI แพลตฟอร์มนี้ใช้แนวทางที่แตกต่างโดยสิ้นเชิง — แนวทางที่มองว่าผู้ใช้อินเทอร์เน็ตทั่วไปคือโครงสร้างพื้นฐานเอง
คอขวดด้านข้อมูลฝึกในอุตสาหกรรม AI
การขาดแคลนข้อมูลไม่ใช่ ปัญหาในอนาคต แต่มันกำลังกำหนดแล้วว่าโปรเจกต์ AI ใดจะถูกสร้าง และโปรเจกต์ใดจะหยุดชะงัก เมื่อเนื้อหาส่วนใหญ่บนเว็บแบบเปิดที่สามารถถูกครอว์ลได้ถูกเก็บเกี่ยวไปแล้ว ข้อมูลคุณภาพสูงที่เหลืออยู่กำลังถูกทำเงินอย่างจริงจังโดยแพลตฟอร์มที่ควบคุมมัน นั่นทำให้การเข้าถึงข้อมูลกลายเป็นคูน้ำการแข่งขัน ไม่ใช่แค่ทรัพยากร
มุมมองของ Anthony นั้นตรงไปตรงมา: ความไม่สมดุลของข้อมูล ไม่ได้เกิดขึ้นเพราะข้อมูลคุณภาพดีหายไป แต่เพราะกลไกในการเก็บข้อมูลถูกควบคุมโดยบริษัทเพียงไม่กี่ราย ชุดข้อมูล AI แบบกระจายศูนย์ ที่เก็บผ่านโหนดผู้ใช้แบบกระจาย แทนที่จะใช้ครอว์เลอร์แบบรวมศูนย์ จึงเป็นทางออกเชิงโครงสร้าง
Perceptron นำอุปกรณ์ในชีวิตประจำวันมาใช้ใหม่เพื่อเก็บข้อมูลอย่างไร
ทุกครั้งที่ใครสักคนท่องเว็บ อุปกรณ์ของพวกเขาจะสร้าง สัญญาณเชิงภูมิศาสตร์แบบเฉพาะพื้นที่ — ผลการค้นหาที่ต่างกัน การจัดเรียงเนื้อหาที่ต่างกัน การตอบสนองของแพลตฟอร์มที่ต่างกัน — ซึ่งเปลี่ยนไปตามตำแหน่งที่พวกเขานั่งอยู่บนโลก Perceptron จะจับความแตกต่างเหล่านั้น
ผู้ใช้จะรันส่วนขยายเบราว์เซอร์บน Chrome หรือแอปพลิเคชันบนอุปกรณ์ Android การติดตั้งปลายทางเหล่านี้จะไม่เข้าถึงไฟล์ส่วนตัวหรือเทเลเมทรีส่วนบุคคล แต่จะให้สิ่งที่ Anthony เรียกว่า “มุมมองจากจุดต่างๆ” บนเว็บแบบเปิด — มุมมองเฉพาะพื้นที่ที่สามารถถูกรวมเป็นชุดข้อมูลที่สอดคล้องกันและหลากหลายทางภูมิศาสตร์ได้ ตัวอย่างเช่น ลูกค้าที่ต้องการโพสต์โซเชียลมีเดียเกี่ยวกับระบบสาธารณสุขของสหรัฐฯ สามารถรับข้อมูลได้ผ่านคำขอที่ประสานกันทั่วเมชโหนดระดับโลกของ Perceptron ทั้งหมดนี้ผ่านการเข้าถึงเว็บสาธารณะแบบมาตรฐาน
ผลลัพธ์คือเครือข่ายที่ครอบคลุม มากกว่า 150 ประเทศและมีโหนดที่มีส่วนร่วมราว 800,000 โหนด — สร้างขึ้นไม่ใช่จากเซิร์ฟเวอร์องค์กร แต่จากแบนด์วิดท์ส่วนเกินของผู้ใช้อินเทอร์เน็ตทั่วไป
กรอบกฎหมายและเทคนิคเพื่อรับประกันคุณภาพและการปฏิบัติตามข้อกำหนด
เนื่องจากข้อมูลทั้งหมดที่ Perceptron เก็บรวบรวมสามารถเข้าถึงได้สาธารณะผ่านเว็บเบราว์เซอร์มาตรฐาน การเปลี่ยนเส้นทางการเก็บข้อมูลผ่านโหนดผู้ใช้รายบุคคลจึงเลี่ยงผ่านเพย์วอลล์ API เชิงพาณิชย์ได้อย่างถูกกฎหมาย แพลตฟอร์มไม่ได้ดึงข้อมูลลิขสิทธิ์ออกมา — แต่มันกำลังรวบรวมข้อมูลที่ใครๆ ก็สามารถดึงได้ด้วยตัวเองในทางเทคนิค เพียงแต่ทำในระดับขนาดใหญ่และมีการกระจายตัวทางภูมิศาสตร์
เลี่ยงเพย์วอลล์ API ที่มีค่าใช้จ่ายสูงด้วยการเก็บข้อมูลแบบกระจายศูนย์
ข้อได้เปรียบในการแข่งขันคือเรื่องต้นทุน ด้วยการกระจายการเก็บข้อมูลไปยังอุปกรณ์ผู้บริโภคนับแสน แทนที่จะจ่ายเงินให้ผู้ให้บริการแพลตฟอร์มเพื่อเข้าถึง API Perceptron จึงสามารถตัดราคากลไกการตั้งราคาที่ปัจจุบันเอื้อให้เฉพาะบริษัท AI รายใหญ่ที่สุดเท่านั้น “ด้วยการทำแบบนี้ เราสามารถลดต้นทุนลงได้อย่างมากจากที่บริษัท ขนาดใหญ่แบบรวมศูนย์ อย่าง Google เรียกเก็บอยู่ตอนนี้” Anthony อธิบาย
ประเด็นนี้สำคัญเกินกว่าจะมองแค่เรื่องราคา สถาปัตยกรรมเองก็เปลี่ยนดุลอำนาจ เมื่อการเก็บข้อมูลไม่ต้องพึ่งพาข้อตกลงกับผู้กุมประตูแพลตฟอร์มเพียงไม่กี่ราย โครงสร้างต้นทุนทั้งหมดของการฝึก AI ก็จะมีการแข่งขันมากขึ้น — และเข้าถึงได้มากขึ้นสำหรับนักพัฒนาอิสระที่ปัจจุบันไม่มีเงินพอจะเข้ามาเล่น
โมเดล AI แบบรวมศูนย์และเทคโนโลยีที่ซื้อกิจการมาเพื่อการตรวจสอบข้อมูล
ข้อมูลดิบที่ดึงผ่านโหนดผู้ใช้จะถูกส่งกลับไปยังเซิร์ฟเวอร์แบบรวมศูนย์ ซึ่ง โมเดล AI เฉพาะทางจะทำการล้างและตรวจสอบ ข้อมูลก่อนจะส่งให้ลูกค้า ไม่ใช่ทุกโหนดจะได้รับรางวัลโดยอัตโนมัติ — กระบวนการควบคุมคุณภาพจะกรองอินพุตที่ไม่ผ่านเกณฑ์เป้าหมายออกก่อนที่จะมีการจ่ายค่าตอบแทนใดๆ
เพื่อทำให้การตรวจสอบนี้เป็นอัตโนมัติมากขึ้น Perceptron ได้เข้าซื้อกิจการบริษัทที่เชี่ยวชาญด้านซอฟต์แวร์ตรวจสอบธุรกรรมและการชำระเงิน การซื้อกิจการนี้มีเป้าหมายเพื่อเพิ่มความเข้มแข็งเชิงโครงสร้างให้กับท่อการยืนยันข้อมูล ลดการพึ่งพาการตรวจสอบด้วยมือ และเพิ่มความน่าเชื่อถือของข้อมูลที่ส่งมอบให้ลูกค้าองค์กร
โมเดลแรงจูงใจและเงินทุนเพื่อสนับสนุนการเติบโตของระบบนิเวศ
เครือข่ายจะทำงานได้ก็ต่อเมื่อมีคนเข้าร่วม คำตอบของ Perceptron คือวงจรแรงจูงใจแบบโทเค็น — ผู้มีส่วนร่วมจะได้รับคะแนนสำหรับ การเชื่อมต่อแบบพาสซีฟ ของพวกเขา ซึ่งมีกำหนดจะแปลงเป็น โทเค็นคริปโตเนทีฟ เมื่อแพลตฟอร์มสร้างรายได้ Anthony อธิบายกลไกนี้ว่าเป็นวงจรคุณค่าร่วม: “เมื่อใดก็ตามที่บริษัทสร้างรายได้ โทเค็นจะถูกป้อนกลับเข้าสู่ระบบนิเวศ”
รางวัลสำหรับผู้มีส่วนร่วมด้วยคะแนนที่แปลงเป็นโทเค็นคริปโตเนทีฟได้
โมเดลนี้กลับด้านพลวัตแบบเอาเปรียบที่ Anthony วิจารณ์ แทนที่บริษัทจะดูดซับมูลค่าจากข้อมูลที่ผู้ใช้สร้างโดยไม่ตอบแทน ผู้เข้าร่วมในเครือข่ายของ Perceptron จะได้รับส่วนได้ส่วนเสียโดยตรงในผลลัพธ์ทางเศรษฐกิจที่แบนด์วิดท์ของพวกเขาทำให้เกิดขึ้น กลไกการซื้อคืนโทเค็นก็อยู่ในแผนเช่นกัน เพิ่มชั้นความยั่งยืนให้กับระบบนิเวศอีกระดับ
การเปิดตัวกองทุนข้อมูล AI มูลค่า 10 ล้านดอลลาร์สำหรับนักพัฒนา
นอกเหนือจากฝั่งผู้มีส่วนร่วม Perceptron ยังใช้เงินทุนเพื่อสร้างฝั่งอุปสงค์ กองทุน AI Data Fund มูลค่า 10 ล้านดอลลาร์ มุ่งเป้าไปที่นักพัฒนา AI อิสระและโปรเจกต์ระยะเริ่มต้นที่ไม่มีทรัพยากรพอจะแข่งขันกับห้องปฏิบัติการที่มีเงินทุนหนา ทีมวิศวกรรมที่ได้รับคัดเลือกจะได้รับ การสนับสนุนโครงสร้างพื้นฐานข้อมูลแบบทุ่มเทเป็นเวลา 5 สัปดาห์ และข้อมูลโลกจริงสูงสุด 5 TB โดยไม่คิดค่าใช้จ่าย
ตรรกะเชิงกลยุทธ์นั้นตรงไปตรงมา ด้วยการสนับสนุนทีมระยะเริ่มต้น Perceptron วางตำแหน่งตัวเองให้เป็นผู้ให้บริการข้อมูลเริ่มต้นสำหรับโปรเจกต์เมื่อพวกเขาขยายตัว “เป้าหมายคือการสนับสนุนโปรเจกต์ในขณะที่พวกเขาเติบโตและความต้องการข้อมูลเพิ่มขึ้น เราสามารถกลายเป็นหนึ่งในผู้ให้บริการหลักของพวกเขา — มันเป็นทั้งการลงทุนในระบบนิเวศโดยรวมและวิธีที่เราสร้างรายได้ระยะยาวที่สม่ำเสมอ” Anthony กล่าว
ในตอนนี้ แพลตฟอร์มกำลังจัดหาลูกค้าเชิงพาณิชย์อย่างแข็งขัน Perceptron จัดหาชุดข้อมูลภาพให้แพลตฟอร์มสร้างวิดีโอจากข้อความ รวมถึง Everlyn AI และได้ขยายไปสู่การวิเคราะห์ความรู้สึก — ติดตามบทสนทนาสาธารณะบน Twitter, YouTube และตลาดสินทรัพย์ดิจิทัล เพื่อช่วยให้บริษัทคริปโตและตลาดซื้อขายสร้างเครื่องมือเตือนล่วงหน้าสำหรับการเคลื่อนไหวของราคา
มุมมองอนาคต: ขยายบริการข้อมูลและข่าวกรองทางธุรกิจ
ผลิตภัณฑ์ข้อมูลในปัจจุบันเป็นเพียงส่วนหนึ่งของความทะเยอทะยานระยะยาว Anthony ได้วางแผนการเปลี่ยนผ่านจากการจัดหาชุดข้อมูลแบบสแตติกไปสู่สิ่งที่เขาอธิบายว่าเป็นข่าวกรองทางธุรกิจแบบกระจาย — การวิเคราะห์เชิงลึกที่อัปเดตอย่างต่อเนื่องสำหรับลูกค้าองค์กรในภาคส่วนต่างๆ เช่น อีคอมเมิร์ซและการเทรด
แผนการสร้างแพลตฟอร์ม Data Questing เพื่อสร้างชุดข้อมูลที่ไม่ซ้ำใคร
แพลตฟอร์ม Data Questing แบบมีโครงสร้างกำลังอยู่ระหว่างการพัฒนา ออกแบบมาเพื่อแปลงความพยายามเชิงรุกของผู้มีส่วนร่วมมนุษย์ให้เป็นอินพุตฝึกที่ไม่ซ้ำใคร — ชุดข้อมูลที่ไม่สามารถทำซ้ำได้ผ่านการครอว์ลแบบรวมศูนย์ “เราตั้งเป้าที่จะสามารถสร้างและจัดทำชุดข้อมูลที่ปัจจุบันไม่สามารถหาได้ผ่านกระบวนการแบบรวมศูนย์” Anthony กล่าว
การเปลี่ยนผ่านสู่การวิเคราะห์ข่าวกรองทางธุรกิจแบบกระจาย
การขยับไปสู่ข่าวกรองทางธุรกิจสะท้อนให้เห็นถึงการวิจารณ์ที่กว้างขึ้นเกี่ยวกับวิธีการใช้ข้อมูลในปัจจุบัน “ชุดข้อมูลแบบดั้งเดิมเป็นแบบสแตติก ถูกเก็บครั้งเดียวและล้าสมัยอย่างรวดเร็ว” Anthony อธิบาย “เซิร์ฟเวอร์เพียงเครื่องเดียวที่พยายามติดตามผู้ใช้จำนวนมากเหล่านี้ไม่สามารถรวบรวมข่าวกรองที่มีความหมายในสเกลนั้นได้ สิ่งที่เราต้องการคือการเปลี่ยนไปสู่ข่าวกรองทางธุรกิจแบบกระจาย”
การเปลี่ยนจากการขายชุดข้อมูลไปสู่การส่งมอบข่าวกรองอย่างต่อเนื่องจะเป็นการขยายตลาดที่ Perceptron สามารถเข้าถึงได้อย่างมีนัยสำคัญ มันยังเพิ่มเดิมพันว่าระบบแรงจูงใจแบบโทเค็นและเครือข่ายโหนดจะสามารถรองรับปริมาณข้อมูลที่ต่อเนื่องและมีคุณภาพสูงตามที่ลูกค้าวิเคราะห์เชิงองค์กรต้องการได้หรือไม่ โครงสร้างพื้นฐานที่กำลังสร้างในวันนี้คือรากฐาน คำถามคือมันจะรองรับน้ำหนักของวิสัยทัศน์ระยะยาวนั้นได้หรือไม่ ซึ่งเป็นสิ่งที่ระยะการเติบโตถัดไปต้องพิสูจน์
คำถามที่พบบ่อย
Perceptron เก็บข้อมูลฝึก AI อย่างไร?
Perceptron ใช้แบนด์วิดท์ส่วนเกินจากอุปกรณ์ผู้บริโภคในชีวิตประจำวันซึ่งรันส่วนขยายเบราว์เซอร์หรือแอป เพื่อเก็บข้อมูลเว็บที่เข้าถึงได้สาธารณะ โดยจับมุมมองเชิงภูมิศาสตร์เฉพาะพื้นที่จากโหนดในมากกว่า 150 ประเทศ
Perceptron รับประกันคุณภาพของข้อมูลที่เก็บอย่างไร?
แพ็กเก็ตข้อมูลที่เก็บจะถูกส่งไปยังเซิร์ฟเวอร์แบบรวมศูนย์ซึ่งโมเดล AI จะทำการล้างและตรวจสอบคุณภาพก่อนส่งให้ลูกค้า บริษัทได้เข้าซื้อกิจการบริษัทซอฟต์แวร์ตรวจสอบธุรกรรมและการชำระเงินเพื่อทำให้กระบวนการตรวจสอบนี้เป็นอัตโนมัติมากยิ่งขึ้น
ทำไมผู้มีส่วนร่วมจึงเข้าร่วมเครือข่ายของ Perceptron?
ผู้มีส่วนร่วมจะได้รับคะแนนตามระดับการมีส่วนร่วมและคุณภาพของการมีส่วนร่วมด้านเครือข่าย คะแนนเหล่านี้มีกำหนดจะแปลงเป็นโทเค็นคริปโตเนทีฟ สร้างแรงจูงใจทางเศรษฐกิจร่วมที่ผูกกับการสร้างรายได้ของแพลตฟอร์ม
AI Data Fund ที่ Perceptron เปิดตัวคืออะไร?
เป็นกองทุนมูลค่า 10 ล้านดอลลาร์ที่สนับสนุนนักพัฒนา AI อิสระด้วยการช่วยเหลือโครงสร้างพื้นฐานข้อมูลแบบทุ่มเทสูงสุดห้าสัปดาห์ และข้อมูลโลกจริงสูงสุด 5 TB โดยไม่คิดค่าใช้จ่าย ออกแบบมาเพื่อเร่งการพัฒนาโมเดล AI ระยะเริ่มต้น
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Perceptron เก็บข้อมูลฝึก AI อย่างไร?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Perceptron ใช้แบนด์วิดท์ส่วนเกินจากอุปกรณ์ผู้บริโภคในชีวิตประจำวันซึ่งรันส่วนขยายเบราว์เซอร์หรือแอป เพื่อเก็บข้อมูลเว็บที่เข้าถึงได้สาธารณะ โดยจับมุมมองเชิงภูมิศาสตร์เฉพาะพื้นที่จากโหนดในมากกว่า 150 ประเทศ.”}},{“@type”:”Question”,”name”:”Perceptron รับประกันคุณภาพของข้อมูลที่เก็บอย่างไร?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”แพ็กเก็ตข้อมูลที่เก็บจะถูกส่งไปยังเซิร์ฟเวอร์แบบรวมศูนย์ซึ่งโมเดล AI จะทำการล้างและตรวจสอบคุณภาพก่อนส่งให้ลูกค้า บริษัทได้เข้าซื้อกิจการบริษัทซอฟต์แวร์ตรวจสอบธุรกรรมและการชำระเงินเพื่อทำให้กระบวนการตรวจสอบนี้เป็นอัตโนมัติมากยิ่งขึ้น.”}},{“@type”:”Question”,”name”:”ทำไมผู้มีส่วนร่วมจึงเข้าร่วมเครือข่ายของ Perceptron?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”ผู้มีส่วนร่วมจะได้รับคะแนนตามระดับการมีส่วนร่วมและคุณภาพของการมีส่วนร่วมด้านเครือข่าย คะแนนเหล่านี้มีกำหนดจะแปลงเป็นโทเค็นคริปโตเนทีฟ สร้างแรงจูงใจทางเศรษฐกิจร่วมที่ผูกกับการสร้างรายได้ของแพลตฟอร์ม.”}},{“@type”:”Question”,”name”:”AI Data Fund ที่ Perceptron เปิดตัวคืออะไร?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”เป็นกองทุนมูลค่า 10 ล้านดอลลาร์ที่สนับสนุนนักพัฒนา AI อิสระด้วยการช่วยเหลือโครงสร้างพื้นฐานข้อมูลแบบทุ่มเทสูงสุดห้าสัปดาห์ และข้อมูลโลกจริงสูงสุด 5 TB โดยไม่คิดค่าใช้จ่าย ออกแบบมาเพื่อเร่งการพัฒนาโมเดล AI ระยะเริ่มต้น.”}}]}
บทความนี้จัดทำขึ้นด้วยความช่วยเหลือของปัญญาประดิษฐ์และผ่านการทบทวนโดยทีมบรรณาธิการแล้ว
