Back to top
  • 공유 แชร์
  • 인쇄 พิมพ์
  • 글자크기 ขนาดตัวอักษร
ลิงก์ถูกคัดลอกแล้ว

เกเตอร์(Gata) ดันแพลตฟอร์ม AI กระจายศูนย์ พร้อมสร้างโครงสร้างพื้นฐานใหม่ท้าทายบิ๊กเทค

เกเตอร์(Gata) ดันแพลตฟอร์ม AI กระจายศูนย์ พร้อมสร้างโครงสร้างพื้นฐานใหม่ท้าทายบิ๊กเทค / Tokenpost

ความต้องการใน ‘โครงสร้างพื้นฐานปัญญาประดิษฐ์แบบกระจายศูนย์’ เพิ่มขึ้นอย่างรวดเร็ว ท่ามกลางการเติบโตของอุตสาหกรรม AI ที่ไม่หยุดนิ่ง โดย ‘เกเตอร์(Gata)’ ได้กลายเป็นหนึ่งในผู้เล่นที่กำลังขับเคลื่อนแพลตฟอร์มใหม่ ซึ่งครอบคลุมกระบวนการทั้งหมดของ AI ตั้งแต่การสร้างข้อมูล การตรวจสอบ การจัดเก็บ การซื้อขาย ไปจนถึงการประมวลผลอย่างครบวงจร โดยใช้ระบบกระจายศูนย์แทนที่การควบคุมแบบรวมศูนย์ เมื่อวันที่ 24 ตามรายงานของ 071 Research โครงการนี้ถูกระบุว่ากำลังพัฒนาโครงสร้างพื้นฐาน AI ใหม่ ที่พร้อมตอบโจทย์ปัญหาดั้งเดิมในอุตสาหกรรม

ในช่วงไม่กี่ปีที่ผ่านมา AI ได้พัฒนาเกินกว่าขอบเขตที่เป็นเพียงผู้ช่วยตัดสินใจของมนุษย์ มันเริ่มมีความสามารถในการตัดสินใจด้วยตัวเอง อย่างไรก็ตาม การเติบโตดังกล่าวพึ่งพาข้อมูลจำนวนมหาศาลและทรัพยากรคอมพิวเตอร์ระดับสูง ส่งผลให้เกิดข้อจำกัดสำคัญ 2 ประการ ได้แก่ ‘การขาดแคลนข้อมูล’ และ ‘การรวมศูนย์ของทรัพยากรประมวลผล’ ปัญหาไม่ได้อยู่ที่ปริมาณข้อมูลเพียงอย่างเดียว แต่คือการขาดแคลน ‘ข้อมูลสำคัญระดับฟรอนเทียร์’ ที่มีคุณภาพสูงและเหมาะสำหรับใช้ในการฝึก AI

กลุ่มบริษัทเทคโนโลยีขนาดใหญ่ยังคงดึงข้อมูลผ่านการเก็บกวาดเว็บ และใช้แรงงานภายนอกในการทำป้ายกำกับข้อมูล (labeling) อย่างไรก็ตาม ระบบนี้ไม่ได้ให้รางวัลที่เป็นธรรมแก่ผู้สร้างข้อมูล และกระบวนการควบคุมและผลประโยชน์จากข้อมูลก็ตกอยู่ในมือของบริษัท AI ไม่กี่แห่ง 071 Research วิเคราะห์ว่ากลไกแบบนี้จำกัดการเข้าถึง ‘ข้อมูลคุณภาพสูงที่สร้างสรรค์’ ซึ่งเป็นรากฐานสำคัญต่อการพัฒนา AI

เพื่อแก้ไขปัญหาดังกล่าว เกเตอร์ได้ออกแบบ ‘ระบบนิเวศข้อมูลแบบกระจายศูนย์’ อย่างมีกลยุทธ์ โดยเฉพาะแพลตฟอร์ม ‘GataGPT’ ซึ่งเปรียบเสมือนสนามทดสอบ AI ที่ใช้ความคิดเห็นจากผู้ใช้งานในการเปรียบเทียบคำตอบจากหลายโมเดล AI ส่งผลให้สามารถสร้างข้อมูลใหม่พร้อมรักษาคุณภาพไว้ได้ นอกจากนี้ ยังมี ‘Data Validation Agent(DVA)’ ซึ่งถูกพัฒนาให้สามารถประเมินข้อมูลภาพและข้อความจากอินเทอร์เน็ตโดยอัตโนมัติ แทนที่กระบวนการติดป้ายที่ใช้แรงงานคนในอดีต

โครงสร้างข้อมูลของเกเตอร์ถูกจัดการผ่านระบบจัดเก็บข้อมูลแบบกระจาย ‘BNB Greenfield’ โดยมีการบันทึกข้อมูลเมตา เช่น เวลาในการสร้าง, ข้อมูลผู้มีส่วนร่วม ไว้บนเชน (on-chain) ทั้งหมด ซึ่งช่วยคืนความเป็นเจ้าของข้อมูลให้แก่ผู้ใช้งาน พร้อมกับสร้างแรงจูงใจในการเข้าร่วมผ่านระบบให้รางวัล นอกจากนี้ กระบวนการทั้งหมดตั้งแต่การสร้าง-ตรวจสอบ-จัดเก็บ-จำหน่ายข้อมูล ถูกทำให้เป็นอัตโนมัติผ่านสมาร์ตคอนแทรกต์ ซึ่งให้ทั้งความโปร่งใสและความยุติธรรม

นอกจากด้านข้อมูลแล้ว เกเตอร์ยังอยู่ระหว่างเร่งพัฒนาโครงสร้างการประมวลผลรูปแบบใหม่ หรือ ‘เลเยอร์คอมพิวท์’ โดยไม่พึ่งพาฮาร์ดแวร์ประสิทธิภาพสูงจากศูนย์กลาง โครงสร้างนี้จะช่วยดึงพลังการประมวลผลที่เหลือใช้งานจากอุปกรณ์ผู้ใช้งานเพื่อใช้ในการฝึกโมเดลและการประมวลผล ทำให้ระบบ AI หลุดจากการพึ่งพาบริษัทยักษ์ใหญ่ 071 Research มองว่า โครงสร้างกระจายลักษณะนี้จะเปิดโอกาสให้เกิดการทดสอบแนวคิดใหม่ และหลีกเลี่ยงการชะลอตัวของนวัตกรรมจากระบบรวมศูนย์

สิ่งที่น่าสนใจคือ วิสัยทัศน์ของเกเตอร์ไม่ใช่แค่การสร้างนวัตกรรม AI เท่านั้น แต่ยังรวมถึง ‘ความสอดคล้อง (Alignment)’ – การทำให้ AI ดำเนินการตามค่านิยมของมนุษย์และจริยธรรม ซึ่งเป็นหนึ่งในเสาหลักสำคัญของยุคปัญญาประดิษฐ์ขั้นสูง โดยระบบของเกเตอร์ได้รับการออกแบบให้สามารถเก็บสะสมข้อมูลแนว ‘Alignment’ ได้อย่างต่อเนื่องผ่านการสะท้อนความคิดเห็นของผู้ใช้งาน

ท่ามกลางการเปลี่ยนผ่านสู่วงจรใหม่ที่ AI จะกลายเป็นเทคโนโลยีหลักของสังคม ความน่าเชื่อถือของข้อมูลและการเข้าถึงโครงสร้างพื้นฐานกลายเป็นประเด็นสำคัญ เกเตอร์จึงถูกจับตามองในฐานะโมเดลทางเลือกที่สามารถ ‘ปลดล็อก’ อุตสาหกรรมจากการผูกขาดของกลุ่มบิ๊กเทค ด้วยการเสนอระบบกระจายศูนย์ ครอบคลุมตั้งแต่การสร้างข้อมูล การให้รางวัลบนเชน ไปจนถึงการใช้ทรัพยากรประมวลผลแบบรวมกลุ่ม และระบบ feedback จากผู้ใช้รูปแบบใหม่ เกเตอร์กำลังถูกคาดหวังว่าจะกลายเป็นศูนย์กลางของการเปลี่ยนแปลงในโลกปัญญาประดิษฐ์อย่างแท้จริง ความคิดเห็น: นี่อาจไม่ใช่แค่เรื่องของเทคโนโลยี แต่เป็นการออกแบบ ‘โครงสร้างสังคมในอนาคต’ ใหม่ทั้งระบบ.

<ลิขสิทธิ์ ⓒ TokenPost ห้ามเผยแพร่หรือแจกจ่ายซ้ำโดยไม่ได้รับอนุญาต>

บทความที่มีคนดูมากที่สุด

ความคิดเห็น 0

ข้อแนะนำสำหรับความคิดเห็น

ขอบคุณสำหรับบทความดี ๆ ต้องการบทความติดตามเพิ่มเติม เป็นการวิเคราะห์ที่ยอดเยี่ยม

0/1000

ข้อแนะนำสำหรับความคิดเห็น

ขอบคุณสำหรับบทความดี ๆ ต้องการบทความติดตามเพิ่มเติม เป็นการวิเคราะห์ที่ยอดเยี่ยม
1