Интерпретация нового направления Децентрализация пространственной интеллектуальной сети: ключевые концепции, основные проекты и будущее развитие

Автор: cookies

Компиляция: Shenchao TechFlow

С развитием технологий Web3 децентрализованная пространственная интеллектуальная сеть (Decentralized Spatial Intelligence Network, DeSPIN) становится все более важной областью. Анализируя и используя визуальные данные из реального мира, DeSPIN не только предлагает инновационные решения для построения карт, городского планирования и робототехники, но и открывает совершенно новую экономическую модель «вклад за заработок» (Contribute-to-Earn). В этой статье будет подробно рассмотрены ключевые концепции DeSPIN, основные протоколы и направления его будущего развития.

Что такое DeSPIN?

Пространственный интеллект (Spatial Intelligence) — это технология, которая извлекает инсайты путем анализа визуальных данных реального мира. Его суть заключается в сочетании географической информации с контекстом окружающей среды, что обеспечивает поддержку для принятия решений человеком. Децентрализованная сеть пространственного интеллекта (DeSPIN) объединяет эту технологию с децентрализованной концепцией блокчейна и Web3, создавая открытую и совместную экосистему. Представьте себе, что вы можете зарабатывать, делясь фотографиями дорог, сделанными в повседневной жизни, или записывая данные окружающей среды в торговых центрах и на улицах. Эта модель не только снижает барьер для сбора данных, но и стимулирует обычных пользователей вносить свой вклад в развитие пространственного интеллекта.

Прежде чем понять конкретные применения DeSPIN, нам необходимо сначала усвоить основную структуру пространственного интеллекта. Пространственный интеллект состоит из четырех основных частей:

• Сбор данных: использование сетей датчиков (например, камер, GPS) и устройств Интернета вещей (например, мобильных телефонов, ноутбуков) для сбора данных.
• Обработка и анализ данных: использование технологий машинного обучения для обработки геометаданных, выявление паттернов в данных и создание пространственной базы данных для запросов.
• Представление знаний: ассоциирование данных с контекстом окружающей среды через семантическое отображение, предоставляющее пользователю визуальную геоинформацию.
• Система поддержки принятия решений: создание пространственной модели прогнозирования для предоставления пользователям сервисов, таких как оптимизация маршрутов, избегание препятствий и т. д.

Основной протокол в области DeSPIN

На данный момент в области DeSPIN появилось несколько инновационных протоколов, сосредоточенных на различных сценариях применения. Ниже приведены восемь проектов, на которые стоит обратить внимание:

1.Hivemapper

Hivemapper — это децентрализованный протокол построения карт, использующий модель «водитель зарабатывает» (Drive-2-Earn). Пользователи через мобильное приложение в реальном времени сообщают о проблемах на дорогах, а водители собирают данные с помощью установленных в автомобилях видеорегистраторов. Эти данные обрабатываются алгоритмами ИИ для создания карт, а их точность проверяется с помощью обучения с подкреплением на основе человеческой обратной связи (RLHF). Hivemapper предоставляет покрывающие карты, на которых пользователи могут видеть, какие территории уже были замаплены, и получать доступ к данным через API. Конtributоры данных могут получить вознаграждение в виде токенов $HONEY, которые можно использовать для покупки картографических данных или других услуг.

2.NATIX Сеть

NATIX Network - это децентрализованный протокол картографической экономики, сосредоточенный на сборе дорожных данных с помощью мобильных устройств и видеорегистраторов, с использованием модели «водить и зарабатывать». Его核心技术 VX360 поддерживает сбор 360-градусных панорамных данных, собранные данные могут быть использованы для разработки функций помощи водителю, таких как оптимизация автономного вождения. В настоящее время NATIX Network охватывает 171 страну, зарегистрировано более 223 тысяч водителей, а общий проложенный маршрут составляет 131 миллион километров. Участники, вносящие данные, и узлы сети могут получать вознаграждение в виде токенов $NATIX, что дополнительно стимулирует развитие экосистемы.

Hivemapper и NATIX стремятся создавать более качественные карты с помощью краудсорсинговых дорожных данных. Потенциальные области применения этих данных очень широки и в основном включают в себя следующие аспекты:

• Оптимизация городского транспорта: анализируя данные о дорожном движении в реальном времени, можно улучшить управление потоком транспорта, сократить заторы и повысить эффективность передвижения.
• Мониторинг состояния дорог: своевременное обнаружение и сообщение о повреждениях дорог, препятствиях или других потенциальных проблемах помогает поддерживать безопасность и надежность инфраструктуры.
• Обнаружение преступлений и насильственных действий: использование картографических данных в сочетании с алгоритмами ИИ может помочь в распознавании и локализации аномальных действий, обеспечивая поддержку общественной безопасности.

Эти приложения не только повысили функциональность карт, но и принесли реальную ценность для городского управления и общественной безопасности.

3.Фродоботы

FrodoBots — это протокол для геймифицированного сбора данных с помощью роботов, который позволяет пользователям удаленно контролировать наземные роботы для сбора географических данных, поддерживая различные способы управления (такие как контроллеры, клавиатура или игровые рули). Кроме того, исследователи могут развертывать модели AI навигации на платформе для тестирования. Пользователи зарабатывают FrodoBot Points (FBPs), выполняя задачи вождения; количество очков связано с расстоянием и сложностью задач: чем больше расстояние, тем выше сложность, тем больше очков. FrodoBots уже проводились тестирования в нескольких городах и проводились соревнования по навигационным способностям между AI и людьми. Кроме того, FrodoBots создали систему, аналогичную «гильдиям», под названием Earth Rovers School, которая позволяет новым пользователям участвовать в сборе данных, арендуя Earth Rovers.

4.Мир ДжоДжо

JoJoWorld — это протокол, сосредоточенный на сборе 3D пространственных данных, где пользователи помогают обучать трехмерные модели, внося свой вклад в данные. Платформа предоставляет высококачественные 3D данные для создания различных цифровых сцен, подходящих для виртуальной реальности, градостроительного планирования и других областей. Пользователи также могут напрямую покупать эти 3D данные для разработки персонализированных цифровых моделей.

Следующие четыре протокола также сосредоточены на сборе пространственных данных из реального мира, но их области применения более узкие и охватывают специфические сценарии, такие как обучение моделей роботов. Эти протоколы, сосредоточившись на длиннохвостых данных и специфических потребностях, вносят больше возможностей в экосистему децентрализованной пространственной интеллектуальной сети (DeSPIN).

5.ПризмаXAI

PrismaXAI — это протокол, который собирает данные о конкретных сценах с точки зрения первого лица, подходящий для сложных сцен, таких как взаимодействие человека и объекта, динамические движения и социальные собрания. Его основная технология Proof-of-View обеспечивает достоверность данных, а децентрализованный механизм верификации повышает точность аннотирования данных. Этот протокол обладает огромным потенциалом в получении длиннохвостых данных, предоставляя уникальные преимущества для обучения моделей.

6.OpenMind AGI

OpenMind AGI сосредоточена на понимании реального мира с помощью моделей визуально-языкового-движения (VLAM). Ее основная система OM1 является многоплатформенной операционной системой, способной взаимодействовать с динамичной реальной средой, особенно подходящей для индивидуальной разработки в области робототехники. Платформа собирает данные с помощью мобильных устройств и роботов и делится этими данными с разработчиками роботов для улучшения и инноваций в применении роботов.

7.МеккаАИ

MeckaAI — это децентрализованный протокол обучения моделей AI для роботов, который позволяет пользователям загружать видеоданные для помощи в обучении моделей поведения роботов. Платформа предлагает мобильное приложение, где пользователи могут зарабатывать OG Mecka Points, выполняя задания, что дополнительно стимулирует вклад данных. MeckaAI стремится продвигать развитие технологий роботов через краудсорсинг, снижая барьеры для получения обучающих данных.

8.Xmaquina DAO

Xmaquina DAO является децентрализованной автономной организацией (DAO), поддерживающей проекты открытых роботов. В отличие от других протоколов, которые напрямую участвуют в обучении моделей, основная цель Xmaquina DAO заключается в поддержке исследований и инноваций в области робототехники через распределение ресурсов. Внутренний инновационный центр Deus Lab сосредоточен на исследованиях и разработках в области робототехники, в то время как MachineDAO принимает решения о распределении ресурсов на те или иные проекты через голосование с использованием токенов $DEUS. Эта модель обеспечивает финансовую поддержку для открытого развития робототехники, одновременно гарантируя прозрачность и справедливость распределения ресурсов.

Структура организации MachineDAO

Из-за ограничений по объему, некоторые аналогичные приложения и протоколы в этой области не были подробно рассмотрены, такие как Alaya_AI, Gata_xyz, KrangHQ и другие, которые также заслуживают внимания.

Будущее DeSPIN: от вклада к ценности

Несмотря на то, что DeSPIN все еще находится на начальной стадии, его потенциал нельзя игнорировать. С развитием физического ИИ и embodied AI, а также появлением новых концепций, таких как Human Data Fleet, DeSPIN имеет все шансы возглавить новую технологическую революцию.

Одной из возможных тенденций является распространение модели «обучение за заработок» (Train-to-Earn, T2E), при которой пользователи вносят ценность через данные о пространстве, полученные в повседневной жизни, и получают вознаграждение в зависимости от качества данных. Например, появление децентрализованных очков может значительно повысить точность и разнообразие сбора данных. Данные, собранные умными очками, не только могут наиболее точно отражать способ восприятия мира человеком, но также могут собирать множество данных о шуме окружающей среды, характеристиках лиц и других длинных хвостах, открывая более широкие возможности для области пространственного интеллекта.

Тем не менее, разработка DeSPIN также сталкивается с некоторыми проблемами, такими как:

• Проверка данных: как обеспечить подлинность и точность краудсорсинговых данных?
• Этические вопросы: как регулировать использование данных, чтобы избежать утечки конфиденциальной информации и злоупотреблений?
• Принятие со стороны требований: готовы ли традиционные учреждения принять децентрализованный набор данных?

Решение этих проблем определит будущее DeSPIN и потребует дальнейших исследований и решений в будущем.