Інтерпретація нового напрямку децентралізованого простору інтелектуальних мереж: основні поняття, основні проекти та майбутній розвиток

Автор: cookies

Компіляція: Deep Tide TechFlow

З розвитком технологій Web3 децентралізована просторово-інтелектуальна мережа (Decentralized Spatial Intelligence Network, DeSPIN) стає дедалі більш актуальною сферою. Аналізуючи та використовуючи візуальні дані з реального світу, DeSPIN не тільки пропонує інноваційні рішення для створення карт, міського планування та робототехніки, але й відкриває абсолютно нову економічну модель «внесок за заробіток» (Contribute-to-Earn). У цій статті буде детально пояснено ключові концепції DeSPIN, основні протоколи та напрямки його майбутнього розвитку.

Що таке DeSPIN?

Просторова інтелігентність (Spatial Intelligence) — це технологія, що дозволяє отримувати інсайти шляхом аналізу візуальних даних реального світу. Її основа полягає в поєднанні географічної інформації з контекстом навколишнього середовища, що надає підтримку людським рішенням. Децентралізована мережа просторової інтелігентності (DeSPIN) поєднує цю технологію з блокчейном і децентралізованою концепцією Web3, формуючи відкриту, спільну екосистему. Уявіть, що ви можете заробляти, ділячись фотографіями доріг, знятих у повсякденному житті, або зафіксованими даними навколишнього середовища в торгових центрах, на вулицях. Така модель не лише знижує поріг входження для збору даних, а й стимулює звичайних користувачів робити внесок у розвиток просторової інтелігентності.

Перед тим, як зрозуміти конкретні застосування DeSPIN, нам потрібно спочатку засвоїти базову структуру просторового інтелекту. Просторовий інтелект складається з чотирьох основних частин:

• Збір даних: збір даних за допомогою сенсорних мереж (таких як камери, GPS) та пристроїв Інтернету речей (таких як мобільні телефони, ноутбуки).
• Обробка та аналіз даних: використання технологій машинного навчання для обробки географічних метаданих, виявлення шаблонів у даних та побудова просторової бази даних запитів.
• Представлення знань: зв’язування даних з контекстом середовища через семантичне відображення для надання користувачеві візуальної географічної інформації.
• Система підтримки прийняття рішень: побудова просторової прогностичної моделі для надання користувачам сервісів, таких як оптимізація маршрутів, уникнення перешкод тощо.

Основний протокол у сфері DeSPIN

Наразі у сфері DeSPIN вже з’явилося кілька інноваційних протоколів, які фокусуються на різних сценаріях використання. Ось вісім проектів, на які варто звернути увагу:

1.Hivemapper

Hivemapper є децентралізованим протоколом побудови карт, що використовує модель «водіння за заробітком» (Drive-2-Earn). Користувачі через мобільний додаток в реальному часі повідомляють про проблеми на дорогах, водії ж, встановивши відеореєстратори в своїх автомобілях, збирають дані. Ці дані обробляються алгоритмами штучного інтелекту для створення карт, а точність перевіряється за допомогою зворотного зв’язку від людей (RLHF). Hivemapper надає покриття карт, користувачі можуть переглядати, які території вже були змальовані, і отримувати доступ до даних через API. Учасники, які вносять дані, можуть отримувати винагороду у вигляді токенів $HONEY, які можна використовувати для покупки картографічних даних або інших послуг.

2.Мережа NATIX

NATIX Network є децентралізованим протоколом економіки карт, який зосереджується на зборі дорожніх даних за допомогою мобільних пристроїв та автомобільних відеореєстраторів, застосовуючи модель «керуй і заробляй». Його основна технологія VX360 підтримує збір 360-градусних панорамних даних, які можуть бути використані для розробки функцій допомоги водієві, таких як оптимізація автономного водіння. На даний момент NATIX Network охоплює 171 країну, зареєстровано понад 223 тисяч водіїв, а загальна протяжність картографії становить 131 мільйон кілометрів. Учасники внесків даних та вузли мережі можуть отримувати винагороду у вигляді токенів $NATIX, що додатково стимулює розвиток екосистеми.

Hivemapper та NATIX прагнуть створити якісніші карти за допомогою краудсорсингових дорожніх даних. Потенційні сфери застосування цих даних є надзвичайно широкими, головним чином включаючи наступні аспекти:

• Оптимізація міського транспорту: шляхом аналізу даних про дороги, зібраних в реальному часі, можна покращити управління транспортними потоками, зменшити затори та підвищити ефективність поїздок.
• Моніторинг стану доріг: своєчасне виявлення та повідомлення про пошкодження доріг, перешкоди або інші потенційні проблеми сприяє підтримці безпеки та надійності інфраструктури.
• Виявлення злочинності та насильства: використовуючи картографічні дані в поєднанні з алгоритмами ШІ, можна допомогти виявити та локалізувати аномальні дії, щоб забезпечити підтримку громадській безпеці.

Ці додатки не лише підвищили функціональність карт, але й принесли реальну цінність для управління містом та соціальної безпеки.

3.Фродоботи

FrodoBots є протоколом для збору ігрових даних за допомогою роботів, користувачі можуть дистанційно керувати наземними роботами для збору географічних даних, підтримуючи різні способи управління (такі як контролер, клавіатура або ігрове кермо). Крім того, дослідники можуть розгортати AI навігаційні моделі для тестування на платформі. Користувачі заробляють FrodoBot Points (FBPs) за виконання водійських завдань, бали пов’язані з відстанню та складністю завдання, чим довша відстань і складніше завдання, тим більше балів. FrodoBots були протестовані в кількох містах, і було проведено змагання з навігаційних здібностей між AI та людьми. Крім того, FrodoBots створили систему, подібну до «гільдії», Earth Rovers School, що дозволяє новим користувачам брати участь у зборі даних, орендуючи Earth Rovers.

4.JoJoWorld

JoJoWorld є протоколом, що спеціалізується на зборі 3D просторових даних, де користувачі допомагають навчати тривимірні моделі, вносячи дані. Платформа надає високоякісні 3D дані для створення різних цифрових сцен, що підходять для віртуальної реальності, міського планування та інших сфер. Користувачі також можуть безпосередньо купувати ці 3D дані для персоналізованої розробки цифрових моделей.

Наступні чотири протоколи також зосереджені на зборі просторових даних з реального світу, але їхні сфери застосування більш детально сегментовані, охоплюючи специфічні сценарії, такі як навчання моделей роботів. Ці протоколи, сфокусувавшись на даних з довгого хвоста та специфічних потребах, вносять більше можливостей у екосистему децентралізованої просторової розумної мережі (DeSPIN).

5.PrismaXAI

PrismaXAI є протоколом, який збирає дані з конкретних сцен з першої особи, що підходить для складних сцен, таких як взаємодія між людиною та об’єктом, динамічний рух та соціальні збори. Його основна технологія Proof-of-View забезпечує достовірність даних, а також підвищує точність анотацій даних через децентралізований механізм верифікації. Цей протокол має величезний потенціал для отримання даних із довгого хвосту, надаючи унікальні переваги для навчання моделей.

6.OpenMind AGI

OpenMind AGI фокусується на розумінні реального світу через моделі зору - мови - дій (VLAMs). Його основна система OM1 є багатоплатформенною операційною системою, здатною взаємодіяти з динамічним реальним середовищем, особливо підходить для кастомізації розробки в галузі робототехніки. Платформа збирає дані за допомогою мобільних телефонів та роботів і ділиться цими даними з розробниками роботів для вдосконалення та інновацій у застосунках робототехніки.

7.MeckaAI

MeckaAI є децентралізованим протоколом навчання моделей штучного інтелекту роботів, де користувачі допомагають навчати моделі поведінки роботів, завантажуючи відеодані. Платформа пропонує мобільний додаток, де користувачі можуть заробляти OG Mecka Points, виконуючи завдання, що додатково стимулює внесок даних. MeckaAI прагне сприяти розвитку робототехніки через краудсорсинг, знижуючи бар’єри для отримання навчальних даних.

8.Xmaquina DAO

Xmaquina DAO є децентралізованою автономною організацією (DAO), яка підтримує відкриті проекти робототехніки. На відміну від інших протоколів, що безпосередньо беруть участь у навчанні моделей, основна мета Xmaquina DAO полягає в підтримці досліджень і інновацій у сфері робототехніки через розподіл ресурсів. Його внутрішній інноваційний центр Deus Lab зосереджується на дослідженні та розробці технологій робототехніки, тоді як MachineDAO вирішує, яким проектам слід виділити ресурси, шляхом голосування за допомогою стейкінгових токенів $DEUS. Ця модель забезпечує фінансову підтримку для відкритого розвитку робототехніки, одночасно гарантує прозорість і справедливість розподілу ресурсів.

Структура організації MachineDAO

Через обмеження в обсязі, ще кілька застосункових протоколів у подібних сферах не були детально розглянуті, наприклад, Alaya_AI, Gata_xyz, KrangHQ тощо, які також заслуговують на увагу.

Майбутнє DeSPIN: від внеску до цінності

Хоча DeSPIN все ще перебуває на початковій стадії, його потенціал неможливо ігнорувати. З розвитком фізичного ШІ та втіленого ШІ (Embodied AI), а також виникненням нових концепцій, таких як Людський даних флот (Human Data Fleet), DeSPIN має всі шанси стати лідером нової технологічної революції.

Однією з можливих тенденцій є популяризація моделі «Тренування за заробіток» (Train-to-Earn, T2E), за якою користувачі вносять цінність, отримуючи просторові дані з повсякденного життя, та отримують нагороди в залежності від якості даних. Наприклад, поява децентралізованих окулярів може суттєво підвищити точність та різноманітність збору даних. Дані, захоплені розумними окулярами, можуть не лише найточніше відображати спосіб, яким людина сприймає світ, але й збирати безліч довгих хвостових даних, таких як шум навколишнього середовища та риси обличчя, що відкриває нові можливості в галузі просторового інтелекту.

Однак розвиток DeSPIN також стикається з деякими викликами, такими як:

• Верифікація даних: як забезпечити достовірність і точність краудсорсингових даних?
• Етичні питання: як регулювати використання даних, щоб уникнути витоку конфіденційної інформації та зловживань?
• Прийнятність з боку замовників: Чи готові традиційні установи приймати децентралізовані набори даних?

Вирішення цих питань визначить майбутній напрямок DeSPIN, і їх потрібно буде вивчити та вирішити в подальшому.