O setor de inteligência artificial está atualmente lidando com um grave gargalo de dados de treinamento, especialmente porque os monopólios tecnológicos centralizados estão bloqueando o acesso de desenvolvedores em estágio inicial a canais de informação de alta qualidade. A plataforma de infraestrutura de dados descentralizada Perceptron está tentando resolver este gargalo estrutural implantando uma camada de infraestrutura descentralizada que coleta informações da web por crowdsourcing através dos dispositivos de usuários comuns.
A mídia moderna está inteiramente focada em destacar como os nomes líderes no espaço da inteligência artificial estão constantemente implantando sistemas de hardware de próxima geração para aumentar seu poder de computação bruto. Mas uma das restrições operacionais menos discutidas é a qualidade dos dados de treinamento que constituem a base central de qualquer modelo de IA funcional.
O problema é que, com a vasta maioria do conteúdo da web aberta já completamente coletada, o controle corporativo agressivo sobre as interfaces de programação de aplicativos públicas (APIs) tem mantido as fundações restantes da coleta de conjuntos de dados por trás de paywalls exorbitantes de milhões de dólares. Tornou-se essencialmente um privilégio exclusivo proibitivamente caro para um punhado de monopólios tecnológicos massivos.
Para os gigantes da tecnologia que atualmente lideram a corrida da IA, garantir esses canais de informação de alto custo não é um grande desafio financeiro, mas e quanto aos inovadores com pouco financiamento? Sem os orçamentos necessários, as startups em estágio inicial lutam para construir produtos competitivos.
“A OpenAI paga aproximadamente US$ 60 milhões a US$ 100 milhões por ano a empresas como Reddit e Twitter para poder acessar dados através de APIs”, disse Peter Anthony, cofundador e CEO da Perceptron, ao crypto.news durante uma entrevista recente.
“Muitos novos projetos de IA por aí não têm orçamentos para gastar US$ 60 milhões a US$ 100 milhões para acessar dados. Se você construir o melhor modelo do mundo, ele é bastante inútil se não tiver acesso a dados de boa qualidade. Você pode ser o aluno mais inteligente da escola, mas se não conseguir acessar nenhum livro, você realmente não terá muitas informações para apresentar.”
Anthony percebeu que essa assimetria de mercado deixa espaço para uma infraestrutura alternativa que atenderia ao segmento de mercado independente, o que o levou a cofundar a Perceptron, uma plataforma que planeja usar a largura de banda ociosa do consumidor para resolver o “problema do gargalo de dados” que a IA está sofrendo atualmente.
“A maioria dos dados do mundo já foi acessada e raspada, mas há muitos dados que estão meio que escondidos em diferentes lugares que ainda não são acessíveis, então estamos coletando dados e nos posicionando para poder fornecer dados para empresas de IA a um custo reduzido”, explicou Anthony.
Mas o que é essa largura de banda ociosa que a Perceptron planeja aproveitar? Anthony explicou que é o ativo econômico não reconhecido que os usuários comuns produzem constantemente através da navegação digital rotineira, apenas para ver as grandes corporações extraí-lo e lucrar com ele.
“Agora mesmo, toda vez que você e eu usamos a internet em nossos telefones, nossos computadores, estamos gerando dados. Esses dados são coletados, empacotados em conjuntos de dados massivos por empresas como o Google, e vendidos por milhões, às vezes bilhões de dólares. No entanto, você e eu nunca vemos um centavo desse valor.”
O que a Perceptron fez foi inverter completamente esse modelo extrativista. Eles construíram uma rede que abrange mais de 150 países, compreendendo aproximadamente 800.000 nós, e esses nós são alimentados por usuários individuais que estão simplesmente executando uma extensão de navegador no Chrome ou um aplicativo em seus dispositivos Android.
Embora essas instalações de endpoint não raspe arquivos digitais privados nem forneçam à empresa telemetria pessoal sensível, ela garante perspectivas geográficas localizadas, que Anthony descreveu como “diferentes pontos de vista” na web aberta, que podem então ser extraídos em pequenas partes e combinados em um conjunto de dados significativo.
“É muito importante que nos concentremos no fato de que não estamos usando os dados de indivíduos, não estamos acessando seus dados e informações pessoais, mas digamos que agora você está no Malawi. Quando você está olhando para um site específico, eu poderia ir e olhar para o mesmo site, mas as chances são de que, como estou em Dubai, veremos um tipo diferente de conjunto de resultados. Tudo o que ganhamos com essa situação é poder usar seu computador para ver algo como uma página web normal, ou o que quer que seja.”
Para ilustrar, Anthony observou que se um cliente corporativo exigir um conjunto de dados de postagens em mídias sociais relacionadas à saúde dos EUA, a Perceptron pode coordenar sua malha de nós global para extrair postagens públicas individuais sem interagir com APIs empresariais restritivas.
Como esses dados já são livremente acessíveis ao público por meio de qualquer navegador web padrão, o redirecionamento da coleta através de nós terminais individuais contorna legalmente os paywalls comerciais. Uma vez que esses pequenos pacotes de dados são recuperados, a rede transfere os dados brutos de volta para um servidor centralizado, onde modelos especializados de inteligência artificial limpam e auditam as informações para controle de qualidade.
“Ao fazer isso, podemos reduzir significativamente o custo que atualmente está sendo cobrado por muitas das grandes empresas centralizadas como o Google.”
A próxima pergunta é por que alguém voluntariaria seu hardware para uma rede como essa, e a resposta é direta: um ciclo de valor compartilhado que garante que esses nós ganhem pontos por sua conectividade passiva, que estão programados para serem convertidos em tokens cripto nativos no futuro.
De acordo com Anthony, este modelo distribuído “os capacitará a ganhar pontos” que atuam como uma métrica direta de sua contribuição para a rede, e, portanto, “sempre que houver receita gerada pela empresa, os tokens serão realimentados no ecossistema” para sustentar um ciclo econômico cíclico.
“Também haverá tokens reservados que são usados para recompra de tokens”, acrescentou.
No entanto, nem todos que executam um nó essencialmente se qualificam para recompensas consistentes, pois há o desafio sempre presente do controle de qualidade, que pode comprometer a integridade do conjunto de dados se não for verificado.
A Perceptron aborda isso roteando os pacotes coletados de volta para um servidor centralizado, onde algoritmos automatizados avaliam sistematicamente as entradas em relação aos benchmarks-alvo antes de liberar qualquer compensação.
Além disso, Anthony disse que a startup adquiriu recentemente uma empresa especializada em software de verificação de transações e pagamentos para automatizar estruturalmente esse processo de validação.
Para engajar ainda mais os participantes da rede e também impulsionar a criação de conjuntos de dados, a Perceptron também planeja lançar uma plataforma estruturada de Missões de Dados, que permitirá aos colaboradores transformar o esforço humano ativo em entradas de treinamento únicas.
“Nosso objetivo é ser capazes de construir e criar conjuntos de dados que atualmente não estão disponíveis através de processos centralizados”, acrescentou Anthony.
A longo prazo, Anthony disse que gostaria de ver a rede fazer a transição para um modelo focado em inteligência de negócios que seja capaz de fornecer análises de camada profunda para clientes corporativos.
“A diferença é que os conjuntos de dados tradicionais são estáticos, são coletados uma vez e rapidamente se tornam desatualizados. Mas há uma quantidade enorme de dados sendo gerados toda vez que você interage com algo online, e agora, a maior parte está simplesmente sendo desperdiçada”, disse Anthony.
“Um único servidor tentando monitorar todos esses diferentes usuários não consegue realmente coletar inteligência significativa nessa escala. O que precisamos é de uma mudança em direção à inteligência de negócios distribuída, para que possamos realmente melhorar os serviços em áreas como e-commerce, negociação e muito mais.”
A Perceptron também lançou um Fundo de Dados de IA de US$ 10 milhões, através do qual a plataforma espera financiar desenvolvedores independentes e apoiar a implantação de “projetos reais que fornecem serviços reais”. Sob os termos do programa, equipes de engenharia selecionadas recebem cinco semanas de assistência dedicada à infraestrutura de dados e até 5 TB de dados do mundo real gratuitamente para acelerar a otimização de modelos de IA em estágio inicial.
“O objetivo é apoiar projetos à medida que crescem e suas necessidades de dados aumentam. Podemos nos tornar um de seus fornecedores preferenciais, é tanto um investimento no ecossistema mais amplo quanto uma maneira de construirmos uma receita consistente e de longo prazo”, observou Anthony.
Até o momento da publicação, Anthony disse que a Perceptron já está fornecendo ativamente diversos produtos de dados para uma variedade de empresas comerciais. A rede fornece extensos conjuntos de dados de imagens para plataformas generativas de texto para vídeo, incluindo uma empresa chamada Everlyn AI, para treinar modelos para sintetizar conteúdo visual com precisão.
Além disso, o projeto também está indo além da compilação padrão de imagens, já que a plataforma entrou no setor de análise de sentimento, rastreando o discurso público em Twitter, YouTube e mercados de ativos digitais. A análise desse sentimento público ajuda empresas e exchanges de cripto a construir ferramentas de rastreamento que fornecem sinais antecipados para antecipar oscilações repentinas de preços.
