Bitget App
Aqlliroq savdo qiling
Kripto sotib olishBozorlarSavdoFyuchersEarnKvadratKo'proq
AI ma'lumot iqtisodiyotining yangi paradigmasi: modul asosidagi ma'lumotlarni oldindan qayta ishlash orqali DINning orzulari va tugunlarni sotish

AI ma'lumot iqtisodiyotining yangi paradigmasi: modul asosidagi ma'lumotlarni oldindan qayta ishlash orqali DINning orzulari va tugunlarni sotish

GO2MARS的WEB3研究GO2MARS的WEB3研究2025/11/27 20:43
Asl nusxasini ko'rsatish
tomonidan:GO2MARS的WEB3研究

Bugungi kunda dunyo miqyosida AI shubhasiz eng mashhur yo‘nalishlardan biri bo‘lib, nafaqat Silicon Valley’dagi OpenAI, balki Xitoydagi Moonshot va Zhipu Qingyan kabi kompaniyalar hamda ko‘plab yangi tadbirkorlar va an’anaviy yirik korxonalar ham ushbu AI inqilobiga ketma-ket kirib kelmoqda.

AI ma'lumot iqtisodiyotining yangi paradigmasi: modul asosidagi ma'lumotlarni oldindan qayta ishlash orqali DINning orzulari va tugunlarni sotish image 0

Kirish so‘zi

Bugungi kunda butun dunyo bo‘ylab AI shubhasiz eng mashhur yo‘nalishlardan biri bo‘lib, Silikon vodiysidagi OpenAI yoki Xitoydagi Moonshot, Zhipu Qingyan kabi yangi startaplar va an’anaviy yirik kompaniyalar bu AI inqilobiga ketma-ket kirib kelmoqda. U nafaqat texnologiya sohasida trendni belgilamoqda, balki bu yil kriptovalyuta bozorida ham eng yorqin sohalardan biri bo‘ldi. Bu yil yirik CEX-larda ro‘yxatga olingan loyihalarga nazar tashlasak, yaqinda bozor tebranishlariga qaramay, AI sohasining yetakchisi Bittensor (TAO) hanuzgacha 5 baravardan ortiq daromad ko‘rsatib, barcha yangi tokenlar ichida yetakchilik qilmoqda. AI texnologiyasining rivojlanishi va qo‘llanilishi bilan birga, ma’lumotlar AI taraqqiyotining asosi sifatida tobora muhim ahamiyat kasb etmoqda.

AI davrining to‘lqinida ma’lumotlarning ahamiyati va potensial qiymati misli ko‘rilmagan darajaga chiqdi

Statistik ma’lumotlarga ko‘ra, hozirgi asosiy AI yirik model kompaniyalari har yili yuz millionlab ma’lumotlar to‘plamini qayta ishlash va sarflashga majbur. Ushbu ma’lumotlarning samaradorligi va aniqligi AI modellarini o‘qitish natijalariga bevosita ta’sir qiladi. Biroq, ma’lumotlarni olish xarajatlari ham doimiy ravishda oshib bormoqda va bu barcha AI kompaniyalari uchun katta muammo hisoblanadi.

Natijani yaxshilash uchun ma’lumot sarfi kundan-kunga oshmoqda

Hozirgi bozorda yirik model kompaniyalari har yili juda katta hajmdagi ma’lumotlarni qayta ishlaydi va sarflaydi. Masalan, OpenAI GPT-3 modelini o‘qitishda taxminan 45TB matnli ma’lumotdan foydalangan, GPT-4 modelini o‘qitish xarajati esa 78 million dollarni tashkil qilgan; Google esa Gemini Ultra modelini o‘qitishda hisoblash xarajatlari 191 million dollar atrofida bo‘lgan. Bunday katta ma’lumot talabi faqat OpenAI bilan cheklanmaydi, boshqa AI kompaniyalari, masalan, Google, Meta va boshqalar ham yirik AI modellarini o‘qitishda ulkan hajmdagi ma’lumotlarni qayta ishlashga muhtoj.

Ma’lumotlarning samaradorligiga e’tibor qaratish kerak

Samarali ma’lumotlar yuqori sifatli, xatolardan xoli va boy xususiyatlarga ega bo‘lishi kerak, shunda AI modeli ulardan o‘rganib, aniq bashoratlar bera oladi. Masalan, OpenAI GPT-3 modelini o‘qitishda turli manbalardan, jumladan, kitoblar, maqolalar va veb-saytlardan olingan matnli ma’lumotlardan foydalangan, bu esa ma’lumotlarning xilma-xilligi va vakillik darajasini ta’minlagan. Biroq, ma’lumotlarning samaradorligi faqat manbasiga bog‘liq emas, balki ma’lumotlarni tozalash, belgilash va oldindan qayta ishlash kabi bosqichlarni ham o‘z ichiga oladi va bu jarayonlar ko‘p mehnat va resurs talab qiladi.

E’tibordan chetda qolmasligi kerak bo‘lgan iqtisodiy jihat – ma’lumotlarni yig‘ish va qayta ishlash xarajatlari

AI modellarini o‘qitishda ma’lumotlarni yig‘ish, belgilash va qayta ishlash xarajatlari ko‘pincha past baholanadi, lekin aslida bu xarajatlar juda katta bo‘lishi mumkin. Xususan, ma’lumotlarni belgilashning o‘zi ko‘p vaqt va mablag‘ talab qiladigan jarayon bo‘lib, ko‘pincha qo‘lda bajariladi. Ma’lumotlar yig‘ilgandan so‘ng esa, ularni tozalash, tartibga solish va qayta ishlash kerak bo‘ladi, shunda AI algoritmlari ulardan samarali foydalana oladi. McKinsey hisobotiga ko‘ra, yirik AI modelini o‘qitish xarajati bir necha million dollarga yetishi mumkin. Bundan tashqari, AI kompaniyalarining ma’lumot markazlari va hisoblash infratuzilmasini qurish va saqlash ham katta xarajatlarni talab qiladi.

Umuman olganda, AI yirik modellarini o‘qitish uchun katta hajmdagi yuqori sifatli ma’lumotlar zarur va bu ma’lumotlarning miqdori, samaradorligi va olish xarajatlari AI modelining natijasi va muvaffaqiyatini bevosita belgilaydi. Kelajakda AI texnologiyasi rivojlanishda davom etar ekan, ma’lumotlarni samarali yig‘ish va ulardan foydalanish AI kompaniyalari raqobatining muhim omiliga aylanadi.

Modulli ma’lumotlarni oldindan qayta ishlash qatlami, blokcheyn asosidagi markazsiz AI ma’lumotlar yechimi

Shunday sharoitda, DIN (avvalgi nomi Web3Go) birinchi modulli AI tabiiy ma’lumotlarni oldindan qayta ishlash qatlami sifatida paydo bo‘ldi. DIN markazsiz ma’lumotlarni tasdiqlash va vektorlash orqali har bir inson AI uchun ma’lumot taqdim etib, mukofot olishi mumkin bo‘lgan, har kim o‘z shaxsiy ma’lumotlarini monetizatsiya qilishi, korxonalar esa ma’lumotlarni samarali va iqtisodiy tarzda olish imkoniga ega bo‘ladigan ma’lumotlar iqtisodiyoti to‘lqinini boshlab bermoqda. Hozirda DIN Binance Labs’dan 4 million dollar miqdorida seed-round investitsiya olgan va keyinchalik boshqa tashkilotlar, hamjamiyat va KOL tarmog‘idan yana 4 million dollar pre-listing investitsiya olgan, hozirgi bahosi 80 million dollarni tashkil qiladi, bu esa bozorning uning ulkan salohiyati va kelajak rivojlanishiga yuqori baho berayotganini ko‘rsatadi. Uning hamkorlari orasida Polkadot, BNB Chain, Moonbeam Network va Manta Network kabi loyihalar bor.

DIN’ning ma’lumotlarni oldindan qayta ishlash tuguni – Chipper Node

DIN’ning bozor pozitsiyasi juda aniq bo‘lib, AI va ma’lumotlar sohasida markazsiz ma’lumotlar intellektual tarmog‘ini yaratishga intiladi.Chipper Node DIN ekotizimida muhim rol o‘ynaydi,ma’lumotlarni tasdiqlash, vektorlash va mukofotlarni hisoblash uchun javobgar bo‘lib, DIN ma’lumotlarni oldindan qayta ishlash qatlamining asosiy komponentidir.

0

Mas'uliyatni rad etish: Ushbu maqolaning mazmuni faqat muallifning fikrini aks ettiradi va platformani hech qanday sifatda ifodalamaydi. Ushbu maqola investitsiya qarorlarini qabul qilish uchun ma'lumotnoma sifatida xizmat qilish uchun mo'ljallanmagan.

PoolX: Aktivlarni kiriting va yangi tokenlar oling.
APR 12% gacha. Yangi tokenlar airdropi.
Qulflash!

Sizga ham yoqishi mumkin

MegaETH barcha mablag‘larni oldindan depozit ko‘prigidan qaytaradi, “beparvo” bajarilishini sabab qilib ko‘rsatdi

MegaETH jamoasi barcha pre-depozit kampaniyasidan tushgan mablag‘lar qaytarilishini e’lon qildi. Seshanba kuni o‘tkazilgan pre-depozit tadbirida uzilishlar, depozit chegarasidagi bir nechta o‘zgarishlar va noto‘g‘ri sozlangan multisig tranzaksiyasi sababli depozitlar kutilmaganda erta qayta ochilgan edi.

The Block2025/11/28 02:50
MegaETH barcha mablag‘larni oldindan depozit ko‘prigidan qaytaradi, “beparvo” bajarilishini sabab qilib ko‘rsatdi

Yevropa Markaziy banki rasmiysi Kazaks ogohlantirdi: "Hozir foiz stavkalarini pasaytirish haqida gapirish hali erta", inflyatsiya xavfi hanuz saqlanib qolmoqda

Yevropa Markaziy banki rasmiysi Kazaksning ogohlantirishicha, hozir foiz stavkalarini pasaytirishni muhokama qilish uchun erta, bu esa bozorga bo‘lgan umidlarni sovutdi.

ForesightNews2025/11/28 02:31
Yevropa Markaziy banki rasmiysi Kazaks ogohlantirdi: "Hozir foiz stavkalarini pasaytirish haqida gapirish hali erta", inflyatsiya xavfi hanuz saqlanib qolmoqda