بخش هوش مصنوعی در حال حاضر با یک تنگنای شدید در دادههای آموزشی مواجه است، به ویژه که انحصارهای متمرکز فناوری، توسعهدهندگان اولیه را از خطوط لوله اطلاعاتی با کیفیت بالا محروم میکنند. پلتفرم زیرساخت داده غیرمتمرکز پرسپترون (Perceptron) در تلاش است تا با استقرار یک لایه زیرساخت غیرمتمرکز که اطلاعات وب را از طریق دستگاههای کاربران عادی جمعآوری میکند، به این تنگنای ساختاری رسیدگی کند.
رسانههای امروزی تمام تمرکز خود را بر برجسته کردن این موضوع قرار دادهاند که چگونه نامهای پیشرو در حوزه هوش مصنوعی به طور مداوم سیستمهای سختافزاری نسل بعدی را برای افزایش قدرت محاسباتی خام خود به کار میگیرند. اما یکی از کمتر بحثشدهترین محدودیتهای عملیاتی، کیفیت دادههای آموزشی است که اساس اصلی هر مدل هوش مصنوعی کارآمد را تشکیل میدهد.
مشکل اینجاست که با توجه به اینکه اکثریت قریب به اتفاق محتوای وب آزاد قبلاً به طور کامل جمعآوری شده است، کنترل شدید شرکتها بر رابطهای برنامهنویسی کاربردی (API) عمومی، پایههای باقیمانده جمعآوری مجموعه دادهها را پشت دیوارهای پرداخت گرانقیمت چند میلیون دلاری قفل کرده است. این امر اساساً به یک امتیاز انحصاری و بسیار گران برای تعداد انگشتشماری از انحصارهای بزرگ فناوری تبدیل شده است.
برای غولهای فناوری که در حال حاضر پیشتاز رقابت هوش مصنوعی هستند، تأمین این خطوط لوله اطلاعاتی پرهزینه، چالش مالی بزرگی نیست، اما وضعیت مبتکران کمبودجه چگونه است؟ بدون بودجههای لازم، استارتاپهای اولیه برای ساخت محصولات رقابتی در تقلا هستند.
پیتر آنتونی، همبنیانگذار و مدیرعامل پرسپترون، در مصاحبه اخیر خود با crypto.news گفت: «اوپنایآی (OpenAI) سالانه تقریباً ۶۰ تا ۱۰۰ میلیون دلار به شرکتهایی مانند ردیت (Reddit) و توییتر (Twitter) برای دسترسی به دادهها از طریق APIها پرداخت میکند.»
«بسیاری از پروژههای جدید هوش مصنوعی بودجهای برای صرف ۶۰ تا ۱۰۰ میلیون دلار برای دسترسی به دادهها ندارند. اگر بهترین مدل دنیا را هم بسازید، اگر به دادههای باکیفیت دسترسی نداشته باشد، تقریباً بیفایده است. شما میتوانید باهوشترین دانشآموز مدرسه باشید، اما اگر نتوانید به هیچ کتابی دسترسی داشته باشید، اطلاعات زیادی برای ارائه نخواهید داشت.»
آنتونی متوجه شد که این عدم تقارن بازار، فضایی را برای زیرساختهای جایگزین فراهم میکند که به بخش مستقل بازار خدمت کند، که در نهایت او را به سمت همبنیانگذاری پرسپترون سوق داد؛ پلتفرمی که قصد دارد از پهنای باند بیکار مصرفکننده برای حل «مشکل تنگنای داده» که هوش مصنوعی در حال حاضر از آن رنج میبرد، استفاده کند.
آنتونی توضیح داد: «اکثر دادههای جهان قبلاً دسترسی و خراشیده شدهاند، اما دادههای زیادی وجود دارد که پشت مکانهای مختلفی پنهان شدهاند و هنوز قابل دسترسی نیستند، بنابراین ما در حال جمعآوری دادهها و موقعیتیابی خود هستیم تا بتوانیم دادهها را با هزینه کاهشیافته برای شرکتهای هوش مصنوعی فراهم کنیم.»
اما این پهنای باند بیکار که پرسپترون قصد دارد از آن استفاده کند چیست؟ آنتونی توضیح داد که این همان دارایی اقتصادی ناشناختهای است که کاربران روزمره به طور مداوم از طریق مرور دیجیتالی روتین تولید میکنند و تنها تماشا میکنند که شرکتهای بزرگ از آن بهرهبرداری و سود میکنند.
«در حال حاضر، هر بار که من و شما از اینترنت در تلفنها، رایانههایمان استفاده میکنیم، داده تولید میکنیم. این دادهها جمعآوری میشوند، توسط شرکتهایی مانند گوگل به مجموعههای داده عظیم بستهبندی میشوند و با قیمت میلیونها، گاهی میلیاردها دلار فروخته میشوند. با این حال، من و شما هرگز یک سنت از آن ارزش را نمیبینیم.»
کاری که پرسپترون انجام داده این است که این مدل استخراجی را کاملاً برعکس کرده است. آنها شبکهای را در بیش از ۱۵۰ کشور شامل تقریباً ۸۰۰,۰۰۰ نود ساختهاند و این نودها توسط کاربران منفردی قدرت میگیرند که به سادگی یک افزونه مرورگر را در کروم (Chrome) یا یک برنامه را در دستگاههای اندروید (Android) خود اجرا میکنند.
در حالی که این نصبهای نقطهای فایلهای دیجیتالی خصوصی را خراش نمیدهند یا اطلاعات تلهمتری شخصی حساس را به شرکت ارائه نمیدهند، بلکه دیدگاههای جغرافیایی محلیشده را تأمین میکنند، که آنتونی آنها را «نقاط دید متفاوت» در وب باز توصیف کرد، که سپس میتوانند به قطعات کوچک استخراج شده و در یک مجموعه داده معنیدار ترکیب شوند.
«بسیار مهم است که بر این واقعیت تمرکز کنیم که از دادههای افراد استفاده نمیکند، به دادهها و اطلاعات شخصی شما دسترسی پیدا نمیکند، اما فرض کنید در حال حاضر شما در مالاوی هستید. وقتی به یک وبسایت خاص نگاه میکنید، من هم میتوانم به همان وبسایت نگاه کنم، اما به احتمال زیاد، چون من در دبی هستم، مجموعه نتایج متفاوتی را خواهیم دید. تمام آنچه ما از این وضعیت به دست میآوریم این است که میتوانیم از رایانه شما برای مشاهده چیزی مانند یک صفحه وب عادی، یا هر چیز دیگری استفاده کنیم.»
برای مثال، آنتونی اشاره کرد که اگر یک مشتری شرکتی به مجموعهای از پستهای رسانههای اجتماعی مرتبط با مراقبتهای بهداشتی از ایالات متحده نیاز داشته باشد، پرسپترون میتواند در سراسر شبکه نود جهانی خود هماهنگی کند تا پستهای عمومی فردی را بدون واسطه با APIهای شرکتی محدودکننده استخراج کند.
از آنجایی که این دادهها از طریق هر مرورگر وب استانداردی به طور رایگان در دسترس عموم هستند، مسیریابی جمعآوری از طریق نودهای ترمینال فردی به طور قانونی از دیوارهای پرداخت تجاری عبور میکند. هنگامی که این بستههای داده کوچک بازیابی میشوند، شبکه دادههای خام را به یک سرور متمرکز منتقل میکند که در آن مدلهای هوش مصنوعی تخصصی اطلاعات را برای کنترل کیفیت پاکسازی و حسابرسی میکنند.
«با انجام این کار، میتوانیم هزینهای را که در حال حاضر توسط بسیاری از شرکتهای بزرگ متمرکز مانند گوگل دریافت میشود، به میزان قابل توجهی کاهش دهیم.»
سوال بعدی این است که چرا کسی باید سختافزار خود را داوطلبانه در اختیار شبکهای مانند این قرار دهد، و پاسخ ساده است: یک حلقه ارزش مشترک که تضمین میکند این نودها برای اتصال غیرفعال خود امتیاز کسب میکنند که قرار است در آینده به توکنهای رمزارزی بومی تبدیل شوند.
به گفته آنتونی، این مدل توزیع شده «آنها را قادر میسازد تا امتیاز کسب کنند» که به عنوان معیاری مستقیم از مشارکت آنها در شبکه عمل میکند، و بنابراین «هر زمان که درآمدی توسط شرکت تولید شود، توکنها به اکوسیستم بازگردانده خواهند شد» تا یک حلقه اقتصادی چرخهای را حفظ کنند.
او اضافه کرد: «همچنین توکنهایی کنار گذاشته خواهند شد که برای بازخرید توکنها استفاده میشوند.»
با این حال، همه کسانی که یک نود را اجرا میکنند، لزوماً واجد شرایط دریافت پاداشهای ثابت نیستند، زیرا چالش همیشگی کنترل کیفیت وجود دارد که در صورت عدم نظارت، میتواند یکپارچگی مجموعه داده را به خطر بیندازد.
پرسپترون با مسیریابی بستههای جمعآوریشده به یک سرور متمرکز به این موضوع رسیدگی میکند، جایی که الگوریتمهای خودکار به طور سیستماتیک ورودیها را در برابر معیارهای هدف ارزیابی میکنند، قبل از اینکه هر گونه غرامتی آزاد شود.
علاوه بر این، آنتونی گفت که این استارتاپ اخیراً شرکتی را که در نرمافزار تأیید تراکنش و پرداخت تخصص دارد، خریداری کرده است تا این فرآیند اعتبار سنجی را به طور ساختاری خودکار کند.
برای مشارکت بیشتر اعضای شبکه و همچنین هدایت ایجاد مجموعههای داده، پرسپترون همچنین قصد دارد یک پلتفرم "Data Questing" (کشف داده) ساختاریافته را راهاندازی کند، که به مشارکتکنندگان امکان میدهد تلاش انسانی فعال را به ورودیهای آموزشی منحصربهفرد تبدیل کنند.
آنتونی اضافه کرد: «هدف ما این است که بتوانیم به طور مؤثر مجموعههای دادهای را بسازیم و ایجاد کنیم که در حال حاضر از طریق فرآیندهای متمرکز در دسترس نیستند.»
آنتونی گفت در بلندمدت، او میخواهد شاهد انتقال شبکه به یک مدل متمرکز بر هوش تجاری باشد که قادر به ارائه تحلیلهای عمیق برای مشتریان سازمانی باشد.
آنتونی گفت: «تفاوت این است که مجموعههای داده سنتی ایستا هستند، یک بار جمعآوری میشوند و به سرعت قدیمی میشوند. اما حجم عظیمی از دادهها هر بار که با چیزی آنلاین تعامل میکنید تولید میشوند، و در حال حاضر، بیشتر آن به سادگی هدر میرود.»
«یک سرور واحد که تلاش میکند همه این کاربران مختلف را رصد کند، واقعاً نمیتواند هوش معنیداری در آن مقیاس جمعآوری کند. آنچه ما نیاز داریم، تغییر به سمت هوش تجاری توزیع شده است، تا بتوانیم خدمات را در زمینههایی مانند تجارت الکترونیک، معاملهگری و موارد دیگر بهبود ببخشیم.»
پرسپترون همچنین یک صندوق داده هوش مصنوعی ۱۰ میلیون دلاری راهاندازی کرده است که از طریق آن انتظار دارد توسعهدهندگان مستقل را تأمین مالی کند و از استقرار «پروژههای واقعی که خدمات واقعی ارائه میدهند» حمایت کند. بر اساس شرایط این برنامه، تیمهای مهندسی منتخب پنج هفته کمک زیرساخت داده اختصاصی و تا ۵ ترابایت داده واقعی را به صورت رایگان دریافت میکنند تا بهینهسازی مدلهای هوش مصنوعی اولیه را تسریع بخشند.
آنتونی خاطرنشان کرد: «هدف این است که از پروژهها با رشد آنها و افزایش نیازهای دادهایشان حمایت کنیم. ما میتوانیم یکی از ارائهدهندگان اصلی آنها شویم، این هم سرمایهگذاری در اکوسیستم گستردهتر است و هم راهی برای ما برای ایجاد درآمد ثابت و بلندمدت.»
در زمان انتشار، آنتونی گفت که پرسپترون در حال حاضر به طور فعال محصولات داده متنوعی را به انواع شرکتهای تجاری عرضه میکند. این شبکه مجموعههای داده تصویری گستردهای را به پلتفرمهای مولد متن به ویدئو، از جمله شرکتی به نام اورلین اِیآی (Everlyn AI)، ارائه میدهد تا مدلها را برای ترکیب دقیق محتوای بصری آموزش دهد.
فراتر از آن، این پروژه همچنین از گردآوری تصاویر استاندارد فراتر رفته است، زیرا این پلتفرم با ردیابی گفتمان عمومی در توییتر، یوتیوب و بازارهای داراییهای دیجیتال، وارد بخش تحلیل احساسات (sentiment analysis) شده است. تحلیل این احساسات عمومی به شرکتها و صرافیهای رمزارز کمک میکند تا ابزارهای ردیابی بسازند که سیگنالهای اولیه را برای پیشبینی نوسانات ناگهانی قیمت ارائه میدهند.
