Sektor kecerdasan buatan saat ini menghadapi hambatan data pelatihan yang parah, terutama karena monopoli teknologi terpusat mengunci akses pengembang tahap awal dari saluran informasi berkualitas tinggi. Platform infrastruktur data terdesentralisasi Perceptron berupaya mengatasi hambatan struktural ini dengan menerapkan lapisan infrastruktur terdesentralisasi yang mengumpulkan informasi web melalui perangkat pengguna sehari-hari.
Media modern sepenuhnya berfokus pada penyorotan bagaimana nama-nama terkemuka di bidang kecerdasan buatan terus-menerus menyebarkan sistem perangkat keras generasi berikutnya untuk meningkatkan daya komputasi mentah mereka. Namun, salah satu kendala operasional yang paling jarang dibicarakan adalah kualitas data pelatihan yang menjadi fondasi inti dari setiap model AI yang berfungsi.
Masalahnya adalah sebagian besar konten web terbuka telah dipanen secara menyeluruh, dan kontrol perusahaan yang agresif atas antarmuka pemrograman aplikasi (API) publik telah mengunci sisa fondasi pengumpulan dataset di balik paywall jutaan dolar yang sangat mahal. Ini pada dasarnya telah menjadi hak istimewa yang sangat mahal dan eksklusif bagi segelintir monopoli teknologi raksasa.
Bagi raksasa teknologi yang saat ini memimpin perlombaan AI, mengamankan saluran informasi berbiaya tinggi ini bukanlah tantangan finansial yang besar, tetapi bagaimana dengan inovator yang kurang didanai? Tanpa anggaran yang diperlukan, startup tahap awal kesulitan untuk membangun produk yang kompetitif.
"OpenAI membayar sekitar $60 juta hingga $100 juta per tahun kepada perusahaan seperti Reddit dan Twitter agar dapat mengakses data melalui API," kata Peter Anthony, Co-Founder & CEO Perceptron, kepada crypto.news dalam sebuah wawancara baru-baru ini.
"Banyak proyek AI baru di luar sana tidak memiliki anggaran untuk menghabiskan $60 juta hingga $100 juta agar dapat mengakses data. Jika Anda membangun model terbaik di dunia, itu tidak akan berguna jika tidak memiliki akses ke data berkualitas baik. Anda mungkin anak terpintar di sekolah, tetapi jika Anda tidak dapat mengakses buku apa pun, Anda tidak akan memiliki banyak informasi untuk disajikan."
Anthony menyadari bahwa asimetri pasar ini menyisakan ruang untuk infrastruktur alternatif yang akan melayani segmen pasar independen, yang akhirnya membawanya untuk mendirikan Perceptron, sebuah platform yang berencana menggunakan bandwidth konsumen yang tidak terpakai untuk memecahkan "masalah hambatan data" yang sedang dihadapi AI saat ini.
"Sebagian besar data dunia telah diakses dan diambil, tetapi ada banyak data yang tersembunyi di berbagai tempat yang belum dapat diakses, jadi kami mengumpulkan data dan memposisikan diri untuk dapat menyediakan data bagi perusahaan AI dengan biaya yang lebih rendah," jelas Anthony.
Tetapi apa sebenarnya bandwidth yang tidak terpakai yang ingin dimanfaatkan Perceptron ini? Anthony menjelaskan bahwa ini adalah aset ekonomi yang tidak disadari yang terus-menerus dihasilkan oleh pengguna sehari-hari melalui penjelajahan digital rutin, hanya untuk menyaksikan perusahaan-perusahaan besar mengekstrak dan mengambil keuntungan darinya.
"Saat ini, setiap kali Anda dan saya menggunakan internet di ponsel, komputer kita, kita menghasilkan data. Data itu dikumpulkan, dikemas menjadi dataset besar oleh perusahaan seperti Google, dan dijual seharga jutaan, kadang miliaran dolar. Namun, Anda dan saya tidak pernah melihat sepeser pun dari nilai itu."
Yang dilakukan Perceptron adalah membalik model ekstraktif ini secara total. Mereka telah membangun jaringan yang mencakup lebih dari 150 negara dengan sekitar 800.000 node, dan node-node ini ditenagai oleh pengguna individu yang hanya menjalankan ekstensi browser di Chrome atau aplikasi di perangkat Android mereka.
Meskipun instalasi endpoint ini tidak mengambil file digital pribadi atau memberikan telemetri pribadi yang sensitif kepada perusahaan, ia justru mengamankan perspektif geografis lokal, yang Anthony gambarkan sebagai "sudut pandang yang berbeda" di web terbuka, yang kemudian dapat diekstraksi dalam potongan-potongan kecil dan digabungkan menjadi satu dataset yang bermakna.
"Sangat penting bagi kita untuk fokus pada fakta bahwa ini tidak menggunakan data individu, tidak menyadap data dan informasi pribadi Anda, tetapi katakanlah saat ini Anda berada di Malawi. Ketika Anda melihat situs web tertentu, saya bisa pergi dan melihat situs web yang sama, tetapi kemungkinan besar, karena saya berada di Dubai, kita akan melihat jenis hasil yang berbeda. Yang kita dapatkan dari situasi ini adalah kemampuan untuk menggunakan komputer Anda untuk melihat sesuatu seperti halaman web normal, atau apa pun itu."
Sebagai ilustrasi, Anthony mencatat bahwa jika klien korporat membutuhkan dataset postingan media sosial terkait kesehatan dari AS, Perceptron dapat berkoordinasi di seluruh jaring node globalnya untuk mengekstrak postingan publik individu tanpa berinteraksi dengan API perusahaan yang membatasi.
Karena data ini sudah dapat diakses secara bebas oleh publik melalui peramban web standar apa pun, mengarahkan pengumpulan melalui node terminal individual secara hukum menghindari paywall komersial. Setelah paket data kecil ini diambil, jaringan mentransfer data yang belum diolah kembali ke server terpusat tempat model kecerdasan buatan khusus membersihkan dan mengaudit informasi untuk kontrol kualitas.
"Dengan melakukan ini, kami dapat memangkas biaya secara signifikan yang saat ini dibebankan oleh banyak perusahaan terpusat besar seperti Google."
Pertanyaan selanjutnya adalah mengapa ada orang yang secara sukarela menyediakan perangkat keras mereka ke jaringan seperti ini, dan jawabannya lugas: lingkaran nilai bersama memastikan bahwa node-node ini mendapatkan poin untuk konektivitas pasif mereka yang dijadwalkan untuk dikonversi menjadi token kripto asli di kemudian hari.
Menurut Anthony, model terdistribusi ini "akan memungkinkan mereka untuk mendapatkan poin" yang berfungsi sebagai metrik langsung dari kontribusi jaringan mereka, dan oleh karena itu "setiap kali ada pendapatan yang dihasilkan oleh perusahaan, token akan dimasukkan kembali ke dalam ekosistem" untuk mempertahankan lingkaran ekonomi siklus.
"Akan ada juga token yang disisihkan yang digunakan untuk membeli kembali token," tambahnya.
Namun, tidak setiap orang yang menjalankan node secara esensial memenuhi syarat untuk mendapatkan imbalan yang konsisten, karena selalu ada tantangan kontrol kualitas, yang dapat mengganggu integritas dataset jika tidak diperiksa.
Perceptron mengatasi hal ini dengan mengarahkan paket yang terkumpul kembali ke server terpusat, di mana algoritma otomatis secara sistematis mengevaluasi input terhadap tolok ukur target sebelum melepaskan kompensasi apa pun.
Lebih lanjut, Anthony mengatakan bahwa startup tersebut baru-baru ini mengakuisisi sebuah perusahaan yang berspesialisasi dalam perangkat lunak verifikasi transaksi dan pembayaran untuk secara struktural mengotomatiskan proses validasi ini.
Untuk lebih melibatkan peserta jaringan sekaligus mendorong pembuatan dataset, Perceptron juga berencana meluncurkan platform Data Questing terstruktur, yang akan memungkinkan kontributor untuk mengubah upaya manusia aktif menjadi input pelatihan yang unik.
"Kami bertujuan untuk secara efektif dapat membangun dataset dan membuat dataset yang saat ini tidak tersedia melalui proses terpusat," tambah Anthony.
Dalam jangka panjang, Anthony mengatakan dia ingin melihat jaringan tersebut bertransisi ke model yang berfokus pada intelijen bisnis yang mampu menyediakan analitik lapisan mendalam untuk klien perusahaan.
"Perbedaannya adalah dataset tradisional bersifat statis, dikumpulkan sekali dan cepat usang. Tetapi ada sejumlah besar data yang dihasilkan setiap kali Anda berinteraksi dengan apa pun secara online, dan saat ini, sebagian besar data itu terbuang sia-sia," kata Anthony.
"Satu server tunggal yang mencoba memantau semua pengguna yang berbeda ini tidak dapat benar-benar mengumpulkan intelijen yang berarti pada skala tersebut. Yang kita butuhkan adalah pergeseran menuju intelijen bisnis terdistribusi, sehingga kita benar-benar dapat meningkatkan layanan di berbagai bidang seperti e-commerce, perdagangan, dan banyak lagi."
Perceptron juga telah meluncurkan Dana Data AI senilai $10 juta, di mana platform ini berharap dapat mendanai pengembang independen dan mendukung implementasi "proyek-proyek nyata yang menyediakan layanan nyata." Berdasarkan ketentuan program, tim teknik terpilih menerima bantuan infrastruktur data khusus selama lima minggu dan hingga 5 TB data dunia nyata secara gratis untuk mempercepat optimasi model AI tahap awal.
"Tujuannya adalah untuk mendukung proyek seiring pertumbuhannya dan meningkatnya kebutuhan data mereka. Kami dapat menjadi salah satu penyedia utama mereka, ini adalah investasi dalam ekosistem yang lebih luas dan cara bagi kami untuk membangun pendapatan yang konsisten dan jangka panjang," catat Anthony.
Hingga waktu publikasi, Anthony mengatakan Perceptron sudah secara aktif memasok beragam produk data ke berbagai perusahaan komersial. Jaringan ini menyediakan dataset gambar ekstensif ke platform generatif teks-ke-video, termasuk perusahaan bernama Everlyn AI, untuk melatih model agar secara akurat mensintesis konten visual.
Selain itu, proyek ini juga bergerak melampaui kompilasi gambar standar, karena platform ini telah memasuki sektor analisis sentimen dengan melacak wacana publik di Twitter, YouTube, dan pasar aset digital. Menganalisis sentimen publik ini membantu perusahaan kripto dan bursa membangun alat pelacak yang memberikan sinyal awal untuk mencegah fluktuasi harga yang tiba-tiba.
