Na era dos rápidos avanços na IA generativa e nos modelos de linguagem de grande dimensão (LLM), o poder computacional, os algoritmos e os dados são amplamente reconhecidos como os três principais motores do progresso da indústria. No entanto, à medida que os parâmetros dos modelos ultrapassam o limiar dos biliões, a indústria da IA enfrenta um “estrangulamento de dados” e uma crise de confiança sem precedentes. Os dados públicos de elevada qualidade disponíveis na Internet estão quase esgotados, enquanto as enormes quantidades de dados utilizadas para treinar modelos enfrentam desafios sérios durante a recolha, limpeza, rotulagem e transmissão, incluindo processos de caixa-preta, titularidade pouco clara dos direitos de autor, envenenamento de dados e infrações de privacidade.
Neste contexto, surgiu a combinação entre a proveniência de dados de IA e a infraestrutura de armazenamento descentralizado. Recentemente, a Sui Foundation anunciou um investimento estratégico de $30 milhões na DATA Network e estabeleceu a Walrus como a sua camada de armazenamento predefinida. Este importante desenvolvimento da indústria assinala uma integração mais profunda entre as cadeias de blocos públicas de elevado desempenho e a verificação dos direitos sobre dados de IA. Para os investidores focados em inteligência artificial e tecnologias emergentes, compreender os mecanismos técnicos da proveniência de dados e dos fluxos de capital é essencial para obter perspetivas sobre a evolução da infraestrutura de IA de próxima geração. Nas perspetivas da inteligência artificial e da tecnologia subjacente, este artigo apresenta uma análise abrangente e aprofundada da lógica subjacente e dos avanços do ecossistema da proveniência de dados de IA.
Principais conclusões
-
Explorar os desafios mais amplos e a necessidade técnica relativos à qualidade dos dados, à proveniência dos direitos de autor e à verificação à prova de adulteração na era da IA
-
Analisar sistematicamente a intenção estratégica mais profunda por detrás do investimento da Sui Foundation na DATA Network e da Walrus como camada de armazenamento predefinida
-
Examinar como o armazenamento descentralizado pode fornecer uma cadeia de proveniência de dados integral, imutável e verificável para o treino de modelos de IA
-
Explicar detalhadamente como a soberania dos dados, a proteção da privacidade e os incentivos económicos on-chain podem ser integrados no desenvolvimento de modelos de grande dimensão
-
Oferecer uma perspetiva racional sobre a participação na alocação de ativos de tecnologias emergentes através do ecossistema spot das principais plataformas de negociação, como a Gate
A crise de proveniência de dados na era da IA e como o armazenamento descentralizado a pode resolver
Para compreender por que motivo a indústria da IA necessita urgentemente de “proveniência de dados”, é necessário analisar primeiro as vulnerabilidades das cadeias de fornecimento de dados centralizadas tradicionais. Nos atuais modelos comerciais de desenvolvimento de IA, os fornecedores de modelos de grande dimensão recolhem frequentemente enormes quantidades de dados de texto, imagem e vídeo de toda a Internet. Ao longo deste processo, a fonte original dos dados, a eventual alteração maliciosa dos mesmos, a possível infração dos direitos de propriedade intelectual dos criadores e a eventual introdução de “dados envenenados” enviesados ou maliciosos durante o treino dependem todos das operações de caixa-preta dos fornecedores centralizados. Isto não só desencadeou uma vaga de litígios relativos a direitos de autor em todo o mundo, como também comprometeu significativamente a segurança e a explicabilidade dos modelos de IA.
O objetivo central da proveniência de dados de IA é estabelecer uma “identidade digital” pública, transparente e imutável para cada elemento de dados utilizado no treino de modelos de grande dimensão. Desde a origem da recolha de dados, exige que as impressões digitais de hash dos dados, os momentos de recolha, os registos de autorização e todos os registos subsequentes de limpeza e transferência sejam integralmente ancorados num livro-razão descentralizado.
No entanto, alcançar a proveniência em tempo real de volumes massivos de dados de treino de IA coloca as arquiteturas tradicionais de armazenamento em cadeia de blocos perante custos elevados e estrangulamentos de capacidade de processamento. É precisamente em resposta a este desafio da indústria que a cadeia de blocos pública de elevado desempenho Sui, juntamente com as redes de armazenamento descentralizado e de dados do seu ecossistema, ganhou uma oportunidade histórica. O recente investimento estratégico de $30 milhões da Sui Foundation na DATA Network e a designação do protocolo de armazenamento descentralizado de elevado desempenho Walrus como camada de armazenamento predefinida refletem o potencial disruptivo desta combinação tecnológica para responder aos requisitos de capacidade massiva de processamento e de proveniência verificável dos dados de IA.
Evolução do ecossistema Sui: sinergia técnica entre a Walrus e a DATA Network
Com o forte apoio da Sui Foundation, a combinação da Walrus e da DATA Network estabeleceu uma infraestrutura de nível industrial, pronta a utilizar, para a proveniência de dados de IA. Enquanto protocolo de armazenamento descentralizado concebido para o armazenamento eficiente de ficheiros de grande dimensão e dados não estruturados, a Walrus pode acomodar conjuntos de dados massivos de treino de IA a um custo muito reduzido. Por sua vez, a DATA Network centra-se na criação de uma camada verificável de transferência de dados e de verificação de proveniência, de modo a assegurar a integridade dos dados e a segurança da privacidade durante o armazenamento e a transmissão.
A força desta arquitetura técnica reside na sua capacidade de ultrapassar a limitação convencional de que “as cadeias de blocos não conseguem processar eficazmente ficheiros de grande dimensão”. Os programadores de IA podem armazenar grandes conjuntos de dados multimodais na Walrus, ao mesmo tempo que registam provas criptográficas e metadados de proveniência desses conjuntos de dados na cadeia de blocos pública Sui de elevado desempenho. Quando os modelos de IA são treinados, o sistema pode verificar automaticamente a legitimidade das fontes dos dados de treino e os respetivos níveis de qualidade através de contratos inteligentes.
Este modelo de “separar o armazenamento da verificação, permitindo simultaneamente uma coordenação eficiente on-chain e off-chain” não só resolve os riscos de conformidade enfrentados há muito pelos fornecedores de modelos de grande dimensão, como também cria novas oportunidades económicas para os contribuidores de dados em todo o mundo. As pessoas ou instituições que fornecem conjuntos de dados de elevada qualidade com proveniência verificada podem receber incentivos transparentes em tokens através de contratos inteligentes, contribuindo para estabelecer uma economia de dados de IA descentralizada com um ciclo de feedback positivo à escala global.
À medida que os grandes modelos de IA evoluem para aplicações verticais e de nível empresarial, a conformidade dos dados e a proteção da privacidade constituem frequentemente preocupações importantes para os programadores. Por um lado, regulamentos rigorosos de proteção de dados, como o RGPD da UE, impõem exigências legais elevadas à recolha e utilização de dados pessoais. Por outro lado, as principais instituições financeiras, organizações de saúde e empresas possuem grandes quantidades de conjuntos de dados especializados, valiosos e de elevada precisão, mas hesitam em partilhar dados devido a preocupações relativas à exposição de segredos comerciais ou à infração de regulamentos de privacidade. Este conflito estrutural entre “recursos de dados abundantes que não podem ser monetizados” e “modelos de grande dimensão que procuram dados indiscriminadamente” restringe gravemente o desenvolvimento mais aprofundado da indústria da IA.
A estreita colaboração entre o ecossistema on-chain da Sui e a DATA Network fornece uma solução criptográfica para este desafio, ao integrar provas de conhecimento zero (ZKP) com armazenamento descentralizado. Nesta arquitetura, os proprietários dos dados não precisam de expor diretamente os dados em texto simples aos fornecedores de modelos de grande dimensão ou a nós de treino de terceiros. Em vez disso, podem gerar provas matematicamente rigorosas e impossíveis de falsificar da conformidade e qualidade na camada de armazenamento Walrus através de provas de conhecimento zero. Quando os programadores de IA utilizam estes conjuntos de dados sensíveis para o ajuste fino de modelos de grande dimensão ou para aprendizagem federada, o sistema verifica apenas a validade das provas, sem aceder ao conteúdo privado específico.
Este mecanismo inovador de “dados disponíveis, mas não visíveis, com a propriedade e os direitos de utilização totalmente separados” não só resolve fundamentalmente os riscos de conformidade legal enfrentados há muito pelos fornecedores de IA, como também abre um mercado sem precedentes de dados privados em redes descentralizadas. Instituições de investigação, hospitais e empresas podem converter os seus dados privados em ativos encriptados e apoiar de forma segura o treino de IA, mantendo simultaneamente total privacidade. Ao combinar criptografia avançada com a proveniência de dados de IA, este paradigma tecnológico não só amplia significativamente o âmbito de aplicação da cadeia de blocos pública Sui de elevado desempenho, como também estabelece as bases para que o capital institucional convencional seja aplicado de forma segura e em conformidade na infraestrutura de IA de próxima geração.
Análise de ativos no contexto tecnológico e sinergia com o ecossistema spot da Gate
À medida que a narrativa de duplo motor de “IA + armazenamento descentralizado e proveniência de dados” continua a desenvolver-se, este segmento intersetorial está gradualmente a tornar-se uma área de valor acompanhada de perto no mercado secundário de criptomoedas. Ao contrário das tendências de curto prazo impulsionadas exclusivamente pelo sentimento do mercado, a implementação estratégica do ecossistema Sui na infraestrutura de dados de IA assenta em melhorias substanciais de produtividade na inteligência artificial e em avanços na tecnologia subjacente, demonstrando uma forte resiliência ao longo dos ciclos de mercado e valor de investimento a longo prazo.
No entanto, ao interagir com ativos de tecnologias emergentes em rápida evolução, os investidores necessitam frequentemente de considerar a profundidade da liquidez, a conformidade dos ativos e a conveniência operacional. As principais plataformas de negociação de criptoativos desempenham um papel indispensável de ligação neste processo. Por exemplo, quando os utilizadores acompanham e alocam ativos relacionados com tecnologias emergentes e ecossistemas de cadeias de blocos públicas de elevado desempenho na Gate, estão efetivamente a entrar num canal conveniente rumo à futura economia de dados inteligentes.
Através dos convenientes serviços de negociação spot e gestão de ativos fornecidos pela Gate, os utilizadores podem participar na criação de valor em setores de tecnologia emergente com uma barreira de entrada reduzida. Quer se trate de alocar entre ativos de infraestrutura de elevado desempenho ou de acompanhar o potencial de crescimento a longo prazo na interseção entre o armazenamento descentralizado e a IA, a combinação entre a “conveniência da negociação centralizada” e a “inovação tecnológica descentralizada” proporciona aos utilizadores comuns um caminho eficiente para navegar pelos ciclos de mercado de forma mais estável e participar nos benefícios da inovação tecnológica global. À medida que os desenvolvimentos mais amplos continuam, plataformas como a Gate, que fornecem liquidez profunda e custódia segura de ativos, vão continuar a atuar como pontes poderosas, ajudando a impulsionar todo o ecossistema de inovação rumo a um desenvolvimento de maior qualidade.
Perguntas frequentes
O que é a proveniência de dados de IA e porque é essencial para os modelos de grande dimensão?
A proveniência de dados de IA refere-se ao acompanhamento e à verificação de todo o ciclo de vida dos dados utilizados para treinar modelos de inteligência artificial. Ajuda a assegurar que as fontes dos dados são legítimas, estão isentas de litígios relativos a direitos de autor e não foram alteradas de forma maliciosa, incluindo através do envenenamento de dados. Constitui um elemento fundamental para garantir a segurança, a conformidade e a explicabilidade dos modelos de grande dimensão.
O que significa o investimento estratégico da Sui Foundation na DATA Network e na Walrus?
Indica que o ecossistema Sui está a acelerar a sua expansão para a infraestrutura de IA e o armazenamento descentralizado. Ao utilizar a Walrus como camada de armazenamento predefinida em combinação com a DATA Network, a Sui pode fornecer soluções de proveniência on-chain verificáveis, de baixo custo e elevada capacidade de processamento para volumes massivos de dados de treino de IA.
Como podem os investidores individuais participar neste setor de tecnologia emergente na Gate?
Os investidores podem comprar e vender convenientemente ativos relacionados com cadeias de blocos públicas de elevado desempenho e infraestruturas essenciais através do mercado de negociação spot da Gate. Com o apoio da custódia segura e da liquidez profunda da plataforma, podem participar no potencial de crescimento a longo prazo da tecnologia, gerindo simultaneamente os riscos operacionais de forma eficaz.
