Evan Feng

·

Segui

Pubblicato in

Il blog di CoinFund

·

7 min letto

·

ore 23 fa

-

Rete Bagel: il livello dati computabile di nuova generazione per l'intelligenza artificiale

CoinFund è orgoglioso di condurre un finanziamento da 3.1 milioni di dollari Rete Bagel, una startup che crea un protocollo decentralizzato per l'inclusione collaborativa di set di dati e l'espansione dell'ecosistema di dati computabili dell'intelligenza artificiale decentralizzata. Per restare aggiornato sulla continua ricerca e sugli investimenti di CoinFund sullo stack emergente web3 x AI, consulta il nostro contenuto precedente su Moneta mondiale, Giza, Panoramica AI x web2022 3 e il nostro Tesi sui semi di Gensyn.

Introduzione agli incorporamenti vettoriali

Come introduzione, gli incorporamenti di vettori sono un modo per convertire parole, frasi, immagini e altri dati in oggetti matematici (vettori) preservando i dati individuali e relativi. Ad esempio, un incorporamento potrebbe tradurre la parola "mela" in un vettore a 200 dimensioni in base al contesto della parola in un set di dati di grandi dimensioni. Questo vettore catturerebbe il significato essenziale della mela e le sue relazioni con concetti correlati come frutta, frutteto, torta, ecc. Mentre le applicazioni principali negli incorporamenti vettoriali sono state nel testo con modelli di punta come Word2Vec e Guanto, è possibile produrre incorporamenti vettoriali per altri tipi di dati, inclusi dati di immagini e audio. Questo contesto è fondamentale poiché lo sviluppo dell’intelligenza artificiale si concentra sempre più sullo sviluppo della multimodalità in cui un modello può elaborare testo, immagini o audio e produrre anche qualsiasi di questi tre mezzi. Inoltre, i modelli di incorporamento potrebbero essere utilizzati per acquisire tipi di dati più grandi come incorporamenti specifici dell'utente che catturano preferenze, comportamenti e caratteristiche dell'utente o incorporamenti a livello di prodotto che catturano attributi, caratteristiche o qualsiasi altra informazione semantica di un prodotto.

L'opportunità del bagel

Le opportunità commerciali per i database vettoriali sono cresciute rapidamente negli ultimi 12 mesi parallelamente all’adozione mainstream delle prime applicazioni AI consumer come ChatGPT, Midjourney e Runway, solo per citarne alcune. Bagel è tra i primi tentativi nativi web3 di combinare un database di incorporamenti vettoriali con un protocollo di mercato incentivato, sfruttando le primitive web3 per potenziare i dati autorizzati e la condivisione e la collaborazione dei modelli, con un potenziale percorso per vincere la categoria nativa web3 sia da un prodotto che da una prospettiva di rete incentivata e la capacità di muoversi rapidamente per preservare la sua leadership iniziale data l'esperienza professionale interdisciplinare del fondatore Bidhan Roy nel team Amazon Alexa, presso Instacart e Arweave. Riteniamo che Bagel Network sia un fattore chiave per la prossima generazione di applicazioni IA, la cui adozione oggi rimane ostacolata dalla capacità di fornire risposte contestualizzate, altamente applicabili e specifiche per i casi d'uso, ostacolata dall'insaziabile domanda di dati di addestramento, soprattutto perché la maggior parte delle applicazioni i dati mondiali rimangono non strutturati.

Mentre alcune società di incorporamento web2 (sia finanziate da VC che spinout aziendali) fanno parte di un insieme competitivo più ampio, Bagel Network è stata in grado di effettuare consegne rapidamente approfittando della sua opportunità limitata nel tempo di guidare la categoria degli incorporamenti da una prospettiva nativa web3, con una demo già attiva, un SDK e utenti pilota. A lungo termine, riteniamo che l'approccio di Bagel di costruire un protocollo e un mercato decentralizzati per i set di dati di incorporamento di vettori indicizzati posizioni la rete all'intersezione di due tendenze chiave che si rafforzano a vicenda: l'ascesa degli LLM (e delle applicazioni derivate) e l'abbraccio del permesso, valori fondamentali trasparenti e decentralizzati del web3.

Sebbene il mercato degli incorporamenti vettoriali sia nascente, ci sono alcuni dati che possiamo considerare. Innanzitutto, possiamo considerare il mercato della gestione dei database relazionali come un mercato consolidato che potrebbe essere raggiunto (source). Oggi quel mercato vale 69.44 miliardi di dollari e cresce a un CAGR del 12%. C'è anche l'analisi del mercato finale: alcune industrie primarie servite dagli incorporamenti di vettori includono il riconoscimento delle immagini ($ 38B), motore di raccomandazione (4.55 miliardi di dollari) e chatbot AI ($ 5.4B) quella che si prevede collettivamente crescerà con un CAGR del 20-40% fino al 2030. Infine, si prevede che la spesa globale per l'intelligenza artificiale (compresi ML, robotica AI, visione artificiale, PNL e tecnologia dei sensori) crescerà da Oltre 300 miliardi di dollari nel 2024 a oltre 700 miliardi di dollari entro il 2030. Con queste cifre in mente, è probabile che gli incorporamenti di vettori svolgano un ruolo come tecnologia abilitante per i modelli e le applicazioni di intelligenza artificiale multimodale sempre più capaci che emergeranno nel prossimo decennio.

Il ruolo di Bagel nello stack IA decentralizzato

Riteniamo che Bagel Network potenzierà la condivisione e la collaborazione autorizzate attraverso il suo modello di mercato crittografico, risolvendo i problemi chiave all'interno del livello dati dello stack tecnologico AI. Ciò si adatta all'etica web3 dell'accesso senza autorizzazione e della collaborazione, fornendo allo stesso tempo l'infrastruttura necessaria per la prossima generazione di intelligenza artificiale. Attualmente, una quantità sproporzionata di dati è posseduta e controllata da grandi entità, escludendo le organizzazioni più piccole attraverso l’accessibilità a set di dati di alta qualità o semplicemente l’effetto combinato dell’intelligenza su scala. Bagel Network ridefinisce il panorama dei dati dell'intelligenza artificiale creando un mercato bilaterale in cui ingegneri, ricercatori e agenti di intelligenza artificiale creano, scambiano e concedono in licenza set di dati in modo collaborativo. Poiché la generazione di incorporamento è spesso una delle parti più impegnative dal punto di vista computazionale di una pipeline di intelligenza artificiale, esistono oggi alti livelli di ridondanza nei sistemi di database vettoriali, che portano a inefficienze, costi più elevati e lavoro duplicato. Bagel Network consente ai modelli di condividere gli incorporamenti, evitando lavori duplicati. Ciò è più efficiente pur mantenendo l’attribuzione tramite metadati blockchain e altri ingredienti necessari per condividere equamente il futuro potenziale di monetizzazione e aiutare a superare gli attriti legati alla ripartenza a freddo. Nel contesto dell'intelligenza artificiale, stiamo già assistendo a sforzi open source per replicare set di dati closed source per promuovere il miglioramento del modello (vedi RedPajama-Data, riproduzione del set di dati di addestramento LLaMA o approccio del modello aperto Mistral/Mixtral).

Prevediamo che un database vettoriale abbinato a una rete decentralizzata possa superare la concorrenza sfruttando l'open source e lo sviluppo collaborativo (un approccio che ha già vinto nello stack web2 backend). Ad esempio, un contratto intelligente può gestire l’accesso autorizzato con specificità a incorporamenti discreti, cosa che non è possibile con un approccio centralizzato simile a Github. Un protocollo può premiare i contributi di dati, monitorare e incentivare la partecipazione alla rete (tramite fork) e tenere traccia dell'utilizzo delle risorse di calcolo. Le attuali soluzioni di database vettoriali non hanno la capacità di collaborazione, mentre le piattaforme open source come Github/HuggingFace non hanno l'incentivo a produrre incorporamenti di alta qualità. Oggi, all’interno delle imprese e dei set di dati pubblici, esistono molti dati di alta qualità, frammentati e sottoutilizzati, che in futuro potranno essere integrati, allineati e monetizzati. Infine, un mercato aperto consente lo sviluppo autorizzato sull'incorporamento di raccolte da parte di più team contemporaneamente, ad esempio tramite software open source ma per set di dati vettoriali. Ciò catalizza l’innovazione in tutti i settori in contrasto con gli sforzi isolati.

Conclusione

Come per qualsiasi investimento, con una visione così ambiziosa esistono molti rischi (esecuzione, concorrenza, scalabilità, monetizzazione). Tuttavia, riteniamo che Bagel Network dimostri una promettente trazione iniziale e sia ben posizionata in un mercato in forte crescita con diversi fattori favorevoli a suo favore, soprattutto considerando un'opportunità greenfield attualmente poco affollata, pronta a progettare e lanciare un'implementazione web3 leader e ben allineata con il volano della creazione di valore AI/dati. In definitiva, CoinFund vede la visione a lungo termine di Bagel di creare un mercato decentralizzato per set di dati computabili per l'apprendimento automatico come un pezzo mancante e critico della parte dello stack web3 in fase di costruzione per i casi d'uso di AI/ML. Anche se siamo ancora agli inizi, crediamo che il potenziale del mercato superi i rischi: da qui la scommessa ad alta convinzione di CoinFund e la nostra eccitazione nel rimboccarci le maniche insieme a Bidhan Roy e al resto del team di Bagel. Per saperne di più o iscriverti come partner dati iniziale, visita www.bagel.net!

Dichiarazione di non responsabilità: le opinioni espresse qui sono quelle del singolo personale di CoinFund Management LLC ("CoinFund") citato e non sono le opinioni di CoinFund o dei suoi affiliati. Alcune informazioni contenute nel presente documento sono state ottenute da fonti di terze parti, che possono includere società di portafoglio di fondi gestiti da CoinFund. Sebbene tratti da fonti ritenute affidabili, CoinFund non ha verificato in modo indipendente tali informazioni e non rilascia alcuna dichiarazione circa l'accuratezza duratura delle informazioni o la loro adeguatezza per una data situazione.

Questo contenuto è fornito solo a scopo informativo e non deve essere considerato come consulenza legale, commerciale, di investimento o fiscale. Dovresti consultare i tuoi consulenti in merito a tali questioni. I riferimenti a qualsiasi titolo o risorsa digitale sono solo a scopo illustrativo e non costituiscono una raccomandazione di investimento o un'offerta per fornire servizi di consulenza in materia di investimenti. Inoltre, questo contenuto non è diretto né destinato all'uso da parte di alcun investitore o potenziale investitore e non può in nessun caso essere invocato quando si decide di investire in qualsiasi fondo gestito da CoinFund. Un'offerta di investimento in un fondo CoinFund sarà fatta solo dal memorandum di collocamento privato, dal contratto di sottoscrizione e da altra documentazione pertinente di tale fondo e dovrebbe essere letta nella loro interezza. Eventuali investimenti o società in portafoglio citati, citati o descritti non sono rappresentativi di tutti gli investimenti in veicoli gestiti da CoinFund e non è possibile garantire che gli investimenti saranno redditizi o che altri investimenti effettuati in futuro avranno caratteristiche o risultati simili. Un elenco degli investimenti effettuati dai fondi gestiti da CoinFund (esclusi gli investimenti per i quali l'emittente non ha autorizzato CoinFund a divulgarli pubblicamente, nonché gli investimenti non annunciati in risorse digitali negoziate pubblicamente) è disponibile all'indirizzo https://www.coinfund.io/portfolio.

I grafici e i grafici forniti all'interno sono esclusivamente a scopo informativo e non devono essere considerati affidabili quando si prendono decisioni di investimento. I rendimenti passati non sono indicativi di risultati futuri. Il contenuto parla solo alla data indicata. Eventuali proiezioni, stime, previsioni, obiettivi, prospettive e/o opinioni espresse in questi materiali sono soggette a modifiche senza preavviso e possono differire o essere contrarie alle opinioni espresse da altri. Questa presentazione contiene "dichiarazioni previsionali", che possono essere identificate mediante l'uso di una terminologia previsionale come "può", "sarà", "dovrebbe", "aspettarsi", "anticipare", "progettare", "stimare", "intendere", "continuare" o "ritenere" o i loro aspetti negativi o altre variazioni o terminologia comparabile. A causa di vari rischi e incertezze, eventi o risultati effettivi possono differire materialmente e negativamente da quelli riflessi o contemplati nelle dichiarazioni previsionali.