Real World Data Annotation Hub ເສີມສ້າງ AI ດ້ວຍ Crypto

ເລື່ອງຂອງ WorkML.ai ໂຄງການເລີ່ມຕົ້ນດ້ວຍການປະຊຸມຂອງ Michael Bogachev ແລະ Denis Davydov ໃນປີ 2020 ໃນຂະນະທີ່ເຮັດວຽກຢູ່ທີ່ການເລີ່ມຕົ້ນຂອງອູແກຣນທີ່ປະສົບຜົນສໍາເລັດ, ເຊິ່ງໄດ້ມາໂດຍບໍລິສັດຂົນສົ່ງທີ່ໃຫຍ່ທີ່ສຸດໃນ UAE. ຕໍ່ມາໃນປີ 2023, ເປັນຜົນມາຈາກການເດີນທາງໃນທົ່ວເອີຣົບ, ພວກເຂົາເຈົ້າໄດ້ຂ້າມເສັ້ນທາງໃນ Budapest, ບ່ອນທີ່ແນວຄວາມຄິດຫຼັກຂອງໂຄງການໄດ້ຖືກຄົ້ນພົບ.

ໃນການຊອກຫາແນວຄວາມຄິດຂອງເຂົາເຈົ້າ, ພວກເຂົາເຈົ້າໄດ້ສຸມໃສ່ໂດຍສະເພາະກ່ຽວກັບແນວໂນ້ມທີ່ມີຢູ່ແລ້ວໃນຂົງເຂດຂອງ AI ແລະ cryptocurrencies. Denis ມີປະສົບການຢ່າງຫຼວງຫຼາຍໃນ cryptocurrencies, ໄດ້ເຮັດວຽກຢູ່ໃນບໍລິສັດ crypto ອາເມລິກາລະຫວ່າງ 2022-2023 ແລະເຂົ້າຮ່ວມໃນ AI ແລະ crypto startups ຈາກ 2016 ຫາ 2019. Michael ຍັງ​ໄດ້​ນໍາ​ໃຊ້ AI ໃນ​ການ​ພັດ​ທະ​ນາ​ລະ​ບົບ logistics ແຕ່​ປີ 2016 ຫາ 2022​.

ອີງຕາມປະສົບການຂອງເຂົາເຈົ້າ, ພວກເຂົາເຈົ້າໄດ້ກໍານົດບາງຂໍ້ບົກພ່ອງໃນການກະກຽມຮູບແບບ AI ຂະຫນາດໃຫຍ່.

ຄໍຂວດທໍາອິດແມ່ນການປຸງແຕ່ງຊຸດຂໍ້ມູນຂະຫນາດໃຫຍ່, ບັນຫາທີ່ຖືກແກ້ໄຂຢ່າງສໍາເລັດຜົນໂດຍ Nvidia, ຮຸ້ນທີ່ມີຫຼັກຊັບເພີ່ມຂຶ້ນຫຼາຍກວ່າສອງເທົ່າໃນປີ 2023 ຫຼັງຈາກປ່ອຍຕົວເລັ່ງຂອງພວກເຂົາ.

ຄໍຂວດທີສອງແມ່ນບໍ່ຊັດເຈນ, ເນື່ອງຈາກວ່າມັນພຽງແຕ່ສາມາດຖືກກໍານົດໂດຍຜູ້ທີ່ມີສ່ວນຮ່ວມໂດຍກົງໃນແບບການຝຶກອົບຮົມ. ກະຕຸກນີ້ແມ່ນການກະກຽມ metadata, ເຊິ່ງຖືກປ້ອນເຂົ້າໄປໃນຕົວແບບພ້ອມກັບຂໍ້ມູນ.

Metadata ແມ່ນຫຍັງ?

Metadata ແມ່ນອົງປະກອບທີ່ສໍາຄັນ ທີ່ອະນຸຍາດໃຫ້ເຄືອຂ່າຍ neural ສາມາດຕີຄວາມຫມາຍຂອງສິ່ງທີ່ເປັນພາບ, ສຽງ, ຫຼືລາຍລັກອັກສອນ, ແລະວິທີການມັນກ່ຽວຂ້ອງກັບວັດຖຸອື່ນໆ.

ທ່ານສາມາດຮຽນຮູ້ເພີ່ມເຕີມກ່ຽວກັບຂໍ້ມູນນີ້ໃນໂຄງການ WorkML.ai Whitepaper.

ການກະກຽມ metadata ແມ່ນຖືວ່າເປັນວຽກທີ່ທ້າທາຍ

ມັນປະກົດວ່າເພື່ອສ້າງເຄືອຂ່າຍ neural ໃຫມ່, ມັນຈໍາເປັນຕ້ອງໄດ້ຮັບການຝຶກອົບຮົມທັງຫມົດຈາກຈຸດເລີ່ມຕົ້ນດ້ວຍຈໍານວນຂໍ້ມູນຈໍານວນຫຼວງຫຼາຍ (ເຄືອຂ່າຍທີ່ຖືກຝຶກອົບຮົມບໍ່ເຫມາະສົມສໍາລັບການນີ້; ມັນຈໍາເປັນຕ້ອງຝຶກອົບຮົມໃຫມ່ໃນແຕ່ລະຄັ້ງ). ສໍາລັບການນີ້, ນັກພັດທະນາຕ້ອງການທັງຂໍ້ມູນແລະ Metadata ອະທິບາຍຂໍ້ມູນນີ້. ຍິ່ງໄປກວ່ານັ້ນ, ເມື່ອ Metadata ຖືກຕ້ອງຫຼາຍແລະຂໍ້ມູນທີ່ຖືກນໍາໃຊ້ໃນການຝຶກອົບຮົມເຄືອຂ່າຍ neural, ການຄາດຄະເນຂອງມັນຈະສະຫລາດແລະຖືກຕ້ອງຫຼາຍຂຶ້ນ.

ໃນມື້ນີ້, ເພື່ອຝຶກອົບຮົມເຄືອຂ່າຍ neural ທີ່ມີປະສິດທິພາບສໍາລັບການຮັບຮູ້ຮູບພາບສັດຫຼືການສ້າງຮູບພາບ, ສິບລ້ານຮູບພາບ (ຂໍ້ມູນ) ຈໍາເປັນຕ້ອງໄດ້ຮັບການປ້ອນເຂົ້າໄປໃນເຄືອຂ່າຍ neural, ປະກອບໂດຍ Metadata (ໃນກໍລະນີນີ້, ຂໍ້ມູນເພີ່ມເຕີມທີ່ລະບຸບ່ອນທີ່ແນ່ນອນຂອງແຕ່ລະຮູບສັດໂດຍສະເພາະ, ເຊິ່ງສາມາດເປັນສີ່ຫລ່ຽມ, ຮູບສີ່ຫລ່ຽມ, ຕື່ມຂໍ້ມູນໃສ່, ຫຼືໂຄງກະດູກ).

ຄວາມ​ສັບ​ສົນ​ຂອງ​ຂະ​ບວນ​ການ annotation​

ຕົວຢ່າງ, ສໍາລັບ 10 ລ້ານຮູບພາບ, ປະມານ 30-40 ລ້ານຫນ່ວຍຂອງ Metadata ແມ່ນຈໍາເປັນ, ຍ້ອນວ່າຮູບພາບຫນຶ່ງສາມາດພັນລະນາຈາກ 1 ຫາ 10 ຫຼືຫຼາຍກວ່ານັ້ນ, ແຕ່ລະອັນຕ້ອງໄດ້ຮັບການຫມາຍ. ນອກຈາກນີ້ຍັງມີຄວາມແຕກຕ່າງໃນວິທີການເນັ້ນໃສ່ວັດຖຸ. ສໍາລັບຕົວຢ່າງ, ຖ້າວັດຖຸຖືກຫມາຍດ້ວຍຮູບສີ່ຫລ່ຽມ, ເຄືອຂ່າຍ neural ທີ່ໄດ້ຮັບການຝຶກອົບຮົມຈະບໍ່ຖືກຕ້ອງໃນການກວດສອບແລະການຜະລິດເປັນເຄືອຂ່າຍທີ່ໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບວັດຖຸທີ່ລະບຸໄວ້ດ້ວຍ polygons (ຮູບຮ່າງແມ່ນ traced ຫຼາຍຊັດເຈນກັບຈຸດແລະເສັ້ນ).

ແທ້ຈິງແລ້ວ, ມັນຈະກາຍເປັນທີ່ຊັດເຈນວ່າ ຄວາມຈໍາເປັນສໍາລັບ Metadata ເກີນຂອງຂໍ້ມູນ ຕົວເອງ. ໃນຂະນະທີ່ຂໍ້ມູນສາມາດໄດ້ຮັບໄດ້ຢ່າງງ່າຍດາຍໃນສະຖານະທີ່ບໍ່ມີການປົນເປື້ອນ, ການສ້າງ Metadata ທີ່ຈໍາເປັນຕ້ອງມີຂະບວນການທີ່ມີເຈດຕະນາແລະຄວາມຄິດ.

ມີຜົນຜະລິດສະເລ່ຍຂອງ ຫນຶ່ງຄໍາບັນຍາຍທຸກໆສອງນາທີໃນລະຫວ່າງ 4.5 ຊົ່ວໂມງຢ່າງຕໍ່ເນື່ອງ ກອງ​ປະ​ຊຸມ​ເຮັດ​ວຽກ​, ບຸກຄົນສາມາດສ້າງ Metadata ທີ່ມີຄຸນນະພາບສູງໄດ້ 135 ຫົວໜ່ວຍຕໍ່ມື້.

ໃນເດືອນຫນຶ່ງ, ບັນຊີສໍາລັບ 21 ມື້ເຮັດວຽກ, ນີ້ເພີ້ມ ສູງເຖິງ 2,835 ຫນ່ວຍຂອງ Metadata.

ເພື່ອກະກຽມ 35 ລ້ານຫນ່ວຍຂອງ Metadata, ມັນຈະໃຊ້ເວລາ ຄົນຫນຶ່ງ 12,345 ເດືອນ, ຫຼື 1,028 ປີ!

A ທີມງານຂອງ 100 ຈະຕ້ອງໃຊ້ເວລາ 10 ປີ 3 ເດືອນ ເພື່ອເຮັດສໍາເລັດວຽກງານ, ໃນຂະນະທີ່ ກ 1,000 ກຸ່ມສາມາດເຮັດສໍາເລັດມັນພາຍໃນພຽງແຕ່ 1 ປີ.

ທ່ານ​ສາ​ມາດ​ຊອກ​ຫາ​ການ​ປະ​ມານ​ຂອງ​ການ​ຕັ້ງ​ຄ່າ​ຫ້ອງ​ການ​ສໍາ​ລັບ​ຄໍາ​ບັນ​ຍາຍ​ໃນ a ກໍລະນີທີ່ໃຊ້ສໍາລັບລູກຄ້າ, ບ່ອນທີ່ຄ່າໃຊ້ຈ່າຍສະເລ່ຍປະມານປະມານ $1,800 ຕໍ່ເດືອນຕໍ່ຜູ້ບັນຍາຍ.

ໃນກໍລະນີຂອງ 100 ຕົວອະທິບາຍ, ຄ່າໃຊ້ຈ່າຍເພີ່ມຂຶ້ນເປັນປະມານ $180,000 ຕໍ່ເດືອນໃນໄລຍະ 10 ປີ.!

ຫຼື, $1,800,000 ຕໍ່​ເດືອນ​ສໍາ​ລັບ 1 ປີ​ທີ່​ມີ 1,000 ຄໍາ​ອະ​ທິ​ບາຍ.

ຈຳ ນວນເງິນນີ້ ປະມານ 21,600,000 ໂດລາ ສຳລັບການບັນຍາຍ 10 ລ້ານຮູບທີ່ມີ 35 ລ້ານ Metadata.

ດັ່ງທີ່ທ່ານສາມາດເຫັນໄດ້, ຂະບວນການສ້າງ Metadata ແມ່ນໃຊ້ຊັບພະຍາກອນຫຼາຍ, ທັງໃນແງ່ຂອງເວລາແລະການລົງທຶນທາງດ້ານການເງິນ.

ຜູ້ປະດິດສ້າງ WorkML ໄດ້ພັດທະນາວິທີແກ້ໄຂບັນຫານີ້ແລ້ວ!

ການແກ້ໄຂກ່ຽວຂ້ອງກັບການສ້າງຕັ້ງສູນການຈ້າງງານໃນເວທີ WorkML, ບ່ອນທີ່ບຸກຄົນຈາກທົ່ວໂລກສາມາດເຂົ້າຮຽນຫຼັກສູດ, ກາຍເປັນສ່ວນຫນຶ່ງຂອງພະນັກງານຜູ້ອະທິບາຍແລະຜູ້ກວດສອບຂໍ້ມູນ. ວິທີການນີ້ສາມາດລະດົມຫຼາຍສິບແລະຫຼາຍຮ້ອຍພັນຂອງຄໍາບັນຍາຍສໍາລັບວຽກງານຄໍາບັນຍາຍ (ກໍລະນີການນຳໃຊ້ຕົວປະກອບ). ນອກຈາກນັ້ນ, ບໍລິສັດສາມາດສ້າງຕັ້ງພະແນກການປະກອບຄໍາຄິດເຫັນຂອງຕົນເອງໂດຍຜ່ານເວທີ WorkML, ການລວມເອົາຜູ້ບັນຍາຍທີ່ມາຈາກພາຍນອກເຂົ້າໄປໃນທີມງານຂອງພວກເຂົາ. ຍຸດທະສາດນີ້ຖືກກໍານົດເພື່ອເພີ່ມຄຸນນະພາບແລະຄວາມໄວຂອງຄໍາບັນຍາຍໂດຍຄໍາສັ່ງຂອງຂະຫນາດ, ໃນຂະນະທີ່ຍັງຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍໃນຄໍາບັນຍາຍປະມານສິບເທົ່າ.

ນະວັດຕະກໍາດັ່ງກ່າວມີຄວາມສໍາຄັນຫຼາຍສໍາລັບອຸດສາຫະກໍາ AI ທີ່ເປັນຕົວເລັ່ງຄວາມໄວຂອງ Nvidia.

ຂັ້ນຕອນການເຮັດວຽກຂອງ annotation ແມ່ນໄດ້ອະທິບາຍຢູ່ໃນແຜນວາດຂ້າງເທິງ, ເບິ່ງທີ່ Whitepaper ສໍາລັບລາຍລະອຽດເພີ່ມເຕີມ.

ຍິ່ງໄປກວ່ານັ້ນ, ເພື່ອເພີ່ມປະສິດທິພາບຄ່າໃຊ້ຈ່າຍແລະຄ່າທໍານຽມ, ໂຄງການຊ່ວຍໃຫ້ການນໍາໃຊ້ cryptocurrencies ສໍາລັບການເຮັດທຸລະກໍາ. ສິ່ງທີ່ສໍາຄັນ, ໂຄງການແນະນໍາ token ຂອງຕົນ - WML, ເຊິ່ງຈະໃຊ້ສໍາລັບການຈ່າຍເງິນພາຍໃນ ແລະຄ່າຕອບແທນຂອງຕົວຊີ້ບອກ.

ຄຸນ​ນະ​ສົມ​ບັດ token​:

• ຫຼັກຖານຫຼັກຖານ (PoS) ດ້ວຍການຈ່າຍຕັ້ງແຕ່ 0.5% ຕໍ່ເດືອນ (ຮັບປະກັນ) ເຖິງ 5% ຕໍ່ເດືອນ (ຈາກຜົນກໍາໄລຂອງໂຄງການ).

• ຫຼັກຖານສະເຕກຂອງມະນຸດ (H-PoS) ສະເຫນີກໍາໄລສອງເທົ່າສໍາລັບນັກຂຽນທີ່ປະຕິບັດຕົວຈິງ.
• A ໂຄງການສົ່ງຕໍ່ຫຼາຍຊັ້ນ ໃຫ້ລາງວັນແກ່ຜູ້ໃຊ້ທີ່ຊ່ວຍຂະຫຍາຍຊຸມຊົນໂດຍການເຊີນຜູ້ອະທິບາຍ ແລະລູກຄ້າໃໝ່, ສົ່ງເສີມເຄືອຂ່າຍທີ່ເຕີບໃຫຍ່ ແລະມີສ່ວນຮ່ວມ.

• ກົນໄກ annotation ຖືວ່າເປັນການຂຸດຄົ້ນບໍ່ແຮ່, ຫຼື Humans Proof of Work (H-PoW), ຊຶ່ງຫມາຍຄວາມວ່າວຽກງານທີ່ເຮັດຫຼາຍຂື້ນແລະດີກວ່າເກົ່າ, ລາງວັນທີ່ສູງຂຶ້ນ.

• ເນື່ອງຈາກມູນຄ່າທຸລະກິດສູງແລະລັກສະນະໃຫມ່ໆຂອງໂຄງການ, ມີທ່າແຮງສໍາລັບ WML token ທີ່ຈະເພີ່ມມູນຄ່າຫຼາຍກວ່າສິບເທົ່າ.

• ງົບປະມານລວມມີ 2% ຂອງ tokens ທັງໝົດທີ່ຈັດສັນໄວ້ສໍາລັບ airdrops, ສະຫນອງໂອກາດທີ່ຈະໄດ້ຮັບ tokens ຟຣີແລະມີສ່ວນຮ່ວມກັບຜູ້ຊົມທີ່ກວ້າງຂວາງໃນລະບົບນິເວດຂອງໂຄງການ.

ໂຄງ​ການ​ດັ່ງ​ກ່າວ​ຍັງ​ໄດ້​ສະ​ຫນອງ​ສ່ວນ​ຫຼຸດ perpetual ກັບ​ລູກ​ຄ້າ​ທີ່​ຈ່າຍ​ດ້ວຍ​ການ​ ໂທເຄັນ WML ສໍາລັບຜະລິດຕະພັນ WorkML, ດັ່ງນັ້ນການສ້າງສະພາບຄ່ອງເພີ່ມເຕີມ.

WorkML.ai — ສູນການຈ້າງງານທີ່ມີຄຸນສົມບັດທີ່ມີກຳໄລສູງ ແລະມີຄວາມສ່ຽງຕໍ່າ ນັກລົງທຶນ, ລູກຄ້າ ແລະ ຕົວອະທິບາຍ.

WorkML.ai ກຳນົດພູມສັນຖານຂອງຕະຫຼາດ crypto ຄືນໃໝ່ໂດຍການສະເໜີມູນຄ່າທີ່ເຫັນໄດ້ຊັດເຈນໃຫ້ກັບທຸລະກິດ, ນັກລົງທຶນ, ແລະຜູ້ໃຊ້ທີ່ຫຼາກຫຼາຍ, ຈາກລູກຄ້າໄປຫາຜູ້ບັນທຶກຂໍ້ມູນ. ການເຄື່ອນຍ້າຍນອກເຫນືອຈາກການຄາດເດົາຂອງການສະເຫນີ token, ມັນສ້າງຮູບແບບລາຍຮັບທີ່ແຂງໂດຍຜ່ານຄະນະກໍາມະການບໍລິການ. ວິທີນີ້ຮັບປະກັນກະແສການເງິນທີ່ໝັ້ນຄົງ ໃນຂະນະທີ່ເຮັດໃຫ້ຄຸນຄ່າຂອງໂຄງການຢູ່ໃນຜົນປະໂຫຍດຕົວຈິງທີ່ມັນສະໜອງໃຫ້.

ການແກ້ໄຂຄວາມຕ້ອງການທີ່ສໍາຄັນສໍາລັບຊຸດຂໍ້ມູນລາຍລະອຽດໃນອຸດສາຫະກໍາເຕັກໂນໂລຢີ, ທີ່ຈໍາເປັນສໍາລັບການຝຶກອົບຮົມລະບົບ AI, WorkML.ai ຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍແລະເວລາທີ່ກ່ຽວຂ້ອງກັບການພັດທະນາ AI. ມັນອໍານວຍຄວາມສະດວກໃນການຮັບຮອງເອົາເຕັກໂນໂລຢີ AI ໃນຂະແຫນງການຕ່າງໆຢ່າງກວ້າງຂວາງ, ປະກອບສ່ວນຊຸດຂໍ້ມູນທີ່ມີຄຸນນະພາບສູງທີ່ເສີມຂະຫຍາຍການຝຶກອົບຮົມແລະປະສິດທິພາບເຄືອຂ່າຍ neural.

ການລົງທຶນໃນ WorkML.ai ຂ້າມການຮ່ວມທຸລະກິດທາງດ້ານການເງິນ; ມັນ ໝາຍ ເຖິງການເປັນຄູ່ຮ່ວມງານທີ່ຄິດໄປຂ້າງ ໜ້າ ຢູ່ແຖວ ໜ້າ ຂອງນະວັດຕະ ກຳ AI. ມັນສະຫນອງໂອກາດໃຫ້ນັກລົງທຶນເປັນສ່ວນຫນຶ່ງຂອງການເຄື່ອນໄຫວທີ່ສໍາຄັນ, ໃຫ້ຜົນຕອບແທນຢ່າງຫຼວງຫຼາຍແລະມີອິດທິພົນຕໍ່ກອບເຕັກໂນໂລຢີໃນອະນາຄົດ.

ເຂົ້າຮ່ວມການປະຕິວັດ WorkML.ai

ກ້າວເຂົ້າສູ່ຍຸກຕໍ່ໄປຂອງ AI ແລະເທກໂນໂລຍີ blockchain ກັບ WorkML.ai. ສຳຫຼວດແພລດຟອມທີ່ທັນສະໄໝຂອງພວກເຮົາ ແລະໂທເຄັນ WML, ອອກແບບມາເພື່ອປະຕິວັດການຝຶກແອບແບບ AI. ລົງທະບຽນສໍາລັບຈົດຫມາຍຂ່າວຂອງພວກເຮົາເພື່ອໃຫ້ໄດ້ຮັບຄວາມເຂົ້າໃຈພິເສດແລະສືບຕໍ່ເດີນຫນ້າກັບຂ່າວຫລ້າສຸດກ່ຽວກັບການຂາຍ token ໃກ້ເຂົ້າມາຂອງພວກເຮົາ.

ພວກ​ເຮົາ​ແມ່ນ​ເປີດ​ສໍາ​ລັບ​ການ​ສະ​ເຫນີ​ໃຫມ່​ແລະ​ຍິນ​ດີ​ຕ້ອນ​ຮັບ​ການ​ຮ່ວມ​ມື (ກໍລະນີຂອງນັກລົງທຶນ).

ມີ​ສ່ວນ​ກ່ຽວ​ຂ້ອງ

ເຊື່ອມຕໍ່ກັບພວກເຮົາຢູ່ໃນເວັບໄຊທ໌ແລະສື່ສັງຄົມຂອງພວກເຮົາເພື່ອເຂົ້າຮ່ວມໃນ webinars ແລະເຂົ້າຮ່ວມຊຸມຊົນທີ່ເຕີບໃຫຍ່ຂອງພວກເຮົາ. ຄວາມເຂົ້າໃຈຂອງເຈົ້າມີຄວາມສໍາຄັນຕໍ່ຄວາມສໍາເລັດລວມຂອງພວກເຮົາ.

ເວັບໄຊທ໌ | LinkedIn | ໂທລະເລກ | ເຟສບຸກ | Instagram | YouTube | Twitter | Threads

ກ່າວເຖິງໃນບົດຄວາມນີ້