El sector de la inteligencia artificial está actualmente lidiando con un grave cuello de botella en los datos de entrenamiento, especialmente porque los monopolios tecnológicos centralizados están impidiendo el acceso a desarrolladores en etapas tempranas a flujos de información de alta calidad. La plataforma de infraestructura de datos descentralizada Perceptron está intentando abordar este cuello de botella estructural desplegando una capa de infraestructura descentralizada que obtiene información de la web mediante crowdsourcing a través de los dispositivos de los usuarios cotidianos.
Los medios de comunicación actuales se centran por completo en destacar cómo los nombres líderes en el espacio de la inteligencia artificial están constantemente desplegando sistemas de hardware de próxima generación para potenciar su poder de cómputo bruto. Pero una de las limitaciones operativas menos comentadas es la calidad de los datos de entrenamiento que constituyen la base fundamental de cualquier modelo de IA funcional.
El problema es que, con la gran mayoría del contenido de la web abierta ya exhaustivamente recolectado, el control corporativo agresivo sobre las interfaces de programación de aplicaciones públicas ha bloqueado las bases restantes de la recopilación de conjuntos de datos detrás de exorbitantes muros de pago multimillonarios. Esto se ha convertido esencialmente en un privilegio exclusivo y prohibitivamente caro para un puñado de grandes monopolios tecnológicos.
Para los gigantes tecnológicos que lideran actualmente la carrera de la IA, asegurar estos flujos de información de alto costo no representa un gran desafío financiero, pero ¿qué hay de los innovadores con menos fondos? Sin los presupuestos necesarios, las startups en etapa temprana se quedan luchando para construir productos competitivos.
“OpenAI paga aproximadamente entre $60 y $100 millones de dólares al año a compañías como Reddit y Twitter para poder acceder a datos a través de sus APIs”, dijo Peter Anthony, cofundador y CEO de Perceptron, a crypto.news durante una entrevista reciente.
“Muchos proyectos nuevos de IA no tienen presupuestos para poder gastar entre $60 y $100 millones de dólares para acceder a datos. Si construyes el mejor modelo del mundo, es bastante inútil si no tiene acceso a datos de buena calidad. Podrías ser el estudiante más inteligente de la escuela, pero si no puedes acceder a ningún libro, realmente no tienes mucha información que presentar.”
Anthony se dio cuenta de que esta asimetría del mercado deja espacio para una infraestructura alternativa que serviría al segmento de mercado independiente, lo que finalmente lo llevó a cofundar Perceptron, una plataforma que planea usar el ancho de banda inactivo de los consumidores para resolver “el problema del cuello de botella de datos” que la IA está sufriendo en este momento.
“La mayoría de los datos del mundo ya han sido accedidos y rastreados, pero hay muchos datos que están como escondidos detrás de diferentes lugares que aún no son accesibles, así que estamos recopilando datos y posicionándonos para poder proporcionar datos a las empresas de IA a un costo reducido”, explicó Anthony.
Pero, ¿qué es este ancho de banda inactivo que Perceptron planea aprovechar? Anthony explicó que es el activo económico no reconocido que los usuarios cotidianos producen constantemente a través de la navegación digital rutinaria, solo para ver cómo las grandes corporaciones lo extraen y se benefician de él.
“Ahora mismo, cada vez que tú y yo usamos internet en nuestros teléfonos, en nuestros ordenadores, estamos generando datos. Esos datos son recopilados, empaquetados en enormes conjuntos de datos por empresas como Google, y vendidos por millones, a veces miles de millones de dólares. Sin embargo, tú y yo nunca vemos un céntimo de ese valor.”
Lo que Perceptron ha hecho es darle la vuelta por completo a este modelo extractivo. Han construido una red que abarca más de 150 países, compuesta por aproximadamente 800.000 nodos, y estos nodos son impulsados por usuarios individuales que simplemente ejecutan una extensión de navegador en Chrome o una aplicación en sus dispositivos Android.
Si bien estas instalaciones de punto final no extraen archivos digitales privados ni proporcionan a la empresa telemetría personal sensible, en cambio, aseguran perspectivas geográficas localizadas, que Anthony describió como “diferentes puntos de vista” en la web abierta, que luego pueden extraerse en pequeñas piezas y combinarse en un conjunto de datos significativo.
“Es muy importante que nos centremos en el hecho de que no utiliza los datos de los individuos, no accede a tus datos e información personal, pero digamos que ahora mismo estás en Malaui. Cuando estás viendo un sitio web en particular, yo podría ir y ver el mismo sitio web, pero lo más probable es que, como estoy en Dubái, veamos un tipo diferente de resultados. Todo lo que obtenemos de esta situación es poder usar tu ordenador para ver algo como una página web normal, o lo que sea.”
Para ilustrar, Anthony señaló que si un cliente corporativo requiere un conjunto de datos de publicaciones en redes sociales relacionadas con la atención médica de EE. UU., Perceptron puede coordinar su red global de nodos para extraer publicaciones públicas individuales sin interactuar con las API empresariales restrictivas.
Dado que estos datos ya son de libre acceso para el público a través de cualquier navegador web estándar, enrutar la recopilación a través de nodos terminales individuales elude legalmente los muros de pago comerciales. Una vez que se recuperan estos pequeños paquetes de datos, la red transfiere los datos sin refinar a un servidor centralizado donde modelos de inteligencia artificial especializados limpian y auditan la información para el control de calidad.
“Al hacer esto, podemos reducir significativamente el costo que actualmente cobran muchas de las grandes empresas centralizadas como Google.”
La siguiente pregunta es por qué alguien ofrecería su hardware voluntariamente a una red como esta, y la respuesta es sencilla: un ciclo de valor compartido que asegura que estos nodos ganen puntos por su conectividad pasiva, puntos que están programados para convertirse en tokens cripto nativos en el futuro.
Según Anthony, este modelo distribuido “les permitirá ganar puntos” que actúan como una métrica directa de su contribución a la red, y por lo tanto, “cada vez que la empresa genere ingresos, los tokens se retroalimentarán al ecosistema” para mantener un ciclo económico cíclico.
“También habrá tokens reservados que se utilizarán para recomprar tokens”, añadió.
Sin embargo, no todos los que operan un nodo califican esencialmente para recompensas consistentes, ya que existe el desafío constante del control de calidad, que puede comprometer la integridad del conjunto de datos si no se supervisa.
Perceptron aborda esto enrutando los paquetes recopilados de vuelta a un servidor centralizado, donde algoritmos automatizados evalúan sistemáticamente las entradas contra los puntos de referencia objetivo antes de liberar cualquier compensación.
Además, Anthony dijo que la startup adquirió recientemente una empresa especializada en software de verificación de transacciones y pagos para automatizar estructuralmente este proceso de validación.
Para involucrar aún más a los participantes de la red y al mismo tiempo impulsar la creación de conjuntos de datos, Perceptron también planea lanzar una plataforma estructurada de Búsqueda de Datos (Data Questing), que permitirá a los contribuidores convertir el esfuerzo humano activo en entradas de entrenamiento únicas.
“Nuestro objetivo es poder construir y crear conjuntos de datos que actualmente no están disponibles a través de procesos centralizados”, añadió Anthony.
A largo plazo, Anthony dijo que le gustaría ver la red hacer la transición a un modelo centrado en la inteligencia de negocios que sea capaz de proporcionar análisis de capa profunda para clientes empresariales.
“La diferencia es que los conjuntos de datos tradicionales son estáticos, se recopilan una vez y rápidamente se vuelven obsoletos. Pero hay una enorme cantidad de datos generados cada vez que interactúas con algo en línea, y ahora mismo, la mayoría de ellos simplemente se desperdicia”, dijo Anthony.
“Un solo servidor tratando de monitorear a todos estos usuarios diferentes no puede realmente recopilar inteligencia significativa a esa escala. Lo que necesitamos es un cambio hacia la inteligencia de negocios distribuida, para que podamos mejorar los servicios en cosas como el comercio electrónico, el trading y mucho más.”
Perceptron también ha lanzado un Fondo de Datos de IA de $10 millones, a través del cual la plataforma espera financiar a desarrolladores independientes y apoyar el despliegue de “proyectos reales que están proporcionando servicios reales”. Según los términos del programa, los equipos de ingeniería seleccionados reciben cinco semanas de asistencia dedicada en infraestructura de datos y hasta 5 TB de datos del mundo real de forma gratuita para acelerar la optimización de los modelos de IA en etapa temprana.
“El objetivo es apoyar proyectos a medida que crecen y sus requisitos de datos aumentan. Podemos convertirnos en uno de sus proveedores de referencia, es tanto una inversión en el ecosistema más amplio como una forma para nosotros de construir ingresos consistentes y a largo plazo”, señaló Anthony.
Al momento de la publicación, Anthony dijo que Perceptron ya está suministrando activamente diversos productos de datos a una variedad de empresas comerciales. La red proporciona amplios conjuntos de datos de imágenes a plataformas generativas de texto a video, incluyendo una empresa llamada Everlyn AI, para entrenar modelos que sinteticen contenido visual con precisión.
Más allá de eso, el proyecto también está superando la compilación estándar de imágenes, ya que la plataforma ha entrado en el sector del análisis de sentimientos al rastrear el discurso público en Twitter, YouTube y los mercados de activos digitales. Analizar este sentimiento público ayuda a las empresas y exchanges de cripto a construir herramientas de seguimiento que dan señales tempranas para anticipar fluctuaciones repentinas de precios.
