Gras - Eine Datenrevolusion

Executive Summary

Generative KI ist die wichtigste Innovation in jüngster Zeit und wird mit der Zeit immer wichtiger. Generative KI ist im Grunde ein Produkt aus drei Elementen:

Algorithmen + Daten + Rechenleistung = Intelligenz

Dies bedeutet, dass Daten und Rechenleistung wahrscheinlich zu zwei der wichtigsten Vermögenswerte der Welt werden und der Zugang zu ihnen unglaublich wichtig sein wird.

Generative KI-Modelle sind datenhungrig. Die Daten, auf denen die bedeutendsten generativen KI-Modelle arbeiten, sind das Äquivalent des gesamten menschlichen Wissens im Internet.

Krypto dreht sich darum, Zugang zu neuen digitalen Ressourcen auf der ganzen Welt zu ermöglichen und Dinge, die zuvor keine Vermögenswerte waren, über Token zu vermögenswerten. Grass tut dies für Daten.

Grass gibt KI-Modellen und Apps live Zugang zum gesamten Internet als Dataset, das über ein Netzwerk von Knotenpunkten auf der ganzen Welt gesammelt wird, die ihre ungenutzte Internetbandbreite bereitstellen. Sie haben eine starke anfängliche Traktion mit über 2,5 Millionen Benutzern.[1]

Der langfristige potenzielle Markt für Grass ist massiv und steht im Verhältnis zur Größe des KI-Marktes und seinem zukünftigen Wachstum. In der Vergangenheit war die Sammlung von Datensätzen dieser Größenordnung nur den größten Technologiegiganten vorbehalten. Grass bringt neue Wirtschaftsmöglichkeiten für Daten und senkt die Kosten. Dies ermöglicht den Zugang zu Daten nicht nur für große Eliteunternehmen, sondern auch für den längeren Schwanz der KI-Branche.

Das Problem

Das Training und die Feinabstimmung von KI-Modellen erfordern enorme Datenmengen. Historisch gesehen wurde ein Großteil dieser Daten von den Schöpfern von KI-Modellen durch das Durchsuchen von Websites gesammelt. Dieser Prozess des Durchsuchens birgt eine Reihe von Herausforderungen:

• Web-Scraping ist kostspielig. Es gibt nur ein paar große Organisationen, die in der Lage sind, regelmäßig das gesamte Web zu durchsuchen. Dies sperrt kleinere KI-Entwickler vom Zugriff auf Daten aus.
• IP-Blockierung. Es gibt ein Katz-und-Maus-Spiel zwischen diesen Scraping-Diensten und den Inhalten. Es ist ziemlich einfach, eine IP-Adresse zu blockieren, um das Scraping zu stoppen, was es schwierig macht, Scraping-Ziele zu erreichen und die erforderlichen Daten für das KI-Training und die Feinabstimmung zu sammeln.
• Verschwendete Ressourcen. Das Durchsuchen des Webs ist eine Aufgabe, von der viele Kunden profitieren können. Die für dies erforderliche Hardware, Bandbreite und Rechenleistung ist ineffizient, wenn sie von einem einzelnen Kunden durchgeführt wird.
• Datenaktualität. Das Durchsuchen des gesamten Internets ist umständlich und teuer. Dies macht es für die meisten Benutzer unpraktisch, häufig zu scannen, was die Daten weniger aktuell macht und sich auf die Qualität von KI-Modellen auswirkt.

Grass' Lösung

Grass zielt darauf ab, diese Probleme zu lösen, indem es ein föderiertes Netzwerk von Web-Scrapern erstellt. Jeder einzelne, der am Grass-Netzwerk teilnimmt, trägt einen Teil seiner ungenutzten Internetbandbreite bei, um eine kleine Menge an Scraping von seiner IP-Adresse bereitzustellen. Grass sammelt dann Daten von jedem dieser Knoten, um einen kombinierten Datensatz zu bilden, der für das Training und die Feinabstimmung von KI nützlich ist. Es ist eine elegante und passende Nutzung von verteilten Netzwerken, die von Kryptowährungen betrieben werden.

Es gibt auch andere Geschäftsfälle für ungenutztes Internet, wie zum Beispiel:

• Sammeln von lokalen/geografischen Daten, wie z.B. Anzeigen
• Akademische Forschung durchführen
• Überprüfung der lokalen Preise

Heutzutage sammelt Grass Daten mit vorhandener Hardware (Laptops, Desktops, etc.). In Zukunft plant Grass, ein Daten-Sammelgerät anzubieten, das ein spezielles Hardwaregerät ist, das ausschließlich zur Datensammlung verwendet wird. Dies führt zu Effizienzsteigerungen, da das Gerät für diese bestimmte Aufgabe optimiert ist.

Vorteile von Gras

Es gibt mehrere Vorteile bei der Verwendung eines verteilten Netzwerks zur Datensammlung:

• Demokratisierter Zugang zu Webdaten, der bei steigendem Maßstab günstiger wird. Anstatt dass ein einzelner Kunde Daten für seine eigenen Bedürfnisse sammelt, sammelt Grass Daten im Auftrag vieler Kunden. Diese Daten können mehrfach weiterverkauft werden, was Skaleneffekte bei Daten schafft, die wirtschaftlichen Kosten des Scrapings senkt und den Markt effizienter macht. Bei ausreichendem Maßstab könnte Grass die kostengünstigste Lösung für die Datenerfassung für Kunden werden und einen wirtschaftlichen Netzwerkeffekt um ihr Protokoll schaffen. Das bedeutet, dass die Datenerfassung nun für jeden verfügbar ist, nicht nur für ein paar große Unternehmen, die über die Ressourcen verfügen, um das Web zu durchsuchen.
• IP-Blockierung wird unpraktisch. Durch die Verteilung des Scrapings wird es viel schwieriger, das Scraping zu erkennen und zu stoppen, da jeder Knoten nur eine relativ geringe Menge an Datenerfassung durchführt und schwer von typischem Internet-Traffic zu unterscheiden ist. Dies führt zu vollständigeren Datensätzen für das Training.
• Internet-Bandbreite wird effizienter genutzt. Da Grass effektiv ein gemeinschaftlicher Verbrauch von ungenutzter Internet-Bandbreite ist, ist es effizienter als die Bereitstellung neuer Bandbreite nur zum Scraping.
• Die Daten sind genauer und aktueller. Es wird kostengünstiger, häufiger zu scannen, als es ein typischer Kunde allein tun könnte. Dies führt zu weniger veralteten Daten. Dies ist wichtig, da die daraus resultierenden KI-Modelle aktueller sind.

Die Herausforderung: Content-Ersteller, die ihre Daten monetarisieren

Eine der kniffligen Dinge beim Scrapen von Daten ist die Content-Ersteller. Dazu gehören Websites wie die NY Times und Reddit, die begonnen haben, ihre Daten zu monetarisieren, indem sie sie an Dritte zur Schulung von KI-Modellen lizenzieren. Sie schützen die Daten auf ihren Websites natürlich, da diese Daten für sie höchst lukrative Einnahmequellen darstellen. Tatsächlich hat Reddit die Verwendung ihrer Entwickler-API für maschinelles Lernen untersagt, um ihr Geschäftsmodell des Lizenzierens ihrer Daten an KI-Modellersteller zu schützen (siehe Nutzungsbedingungen).hier).

Was hält die Zukunft für Content-Ersteller bereit? Nun, betrachten Sie, dass es für nutzergenerierte Inhalte (UGC) wie Reddit ein Argument gibt, dass Benutzer ihre eigenen Daten besitzen (statt die Plattform), da der Inhalt von den Benutzern erstellt wurde und von diesen Benutzern besessen sein sollte. Dieses Argument muss noch aus rechtlicher Sicht vollständig erkundet werden. Es wird interessant sein, dies in Zukunft im Auge zu behalten. Wenn Benutzer jedoch tatsächlich ihre beigesteuerten Daten besitzen, könnte Grass einen hypothetischen Weg darstellen, um diesen Benutzern zu helfen, ihre eigenen beigesteuerten Daten zu monetarisieren. Zum Beispiel könnte Grass die Reddit-Beitragssteller selbst belohnen, die sich freiwillig bereit erklären, ihre auf Reddit erstellten Daten beizutragen.

Für bezahlte Inhalte-Ersteller wie die NY Times wird der Inhalt von bezahlten Autoren erstellt, und als solches gibt es kein Argument für benutzerbesessene Daten. Somit könnte Grass diese Websites einfach von der Scraping ausschließen. Alternativ könnte Grass in dem Maße skalieren, dass es für Grass selbst machbar wird, Kunde dieser Websites zu werden und Lizenzgebühren zu zahlen. Die hypothetische Möglichkeit hierbei wäre, dass Grass' Kunden für Daten bezahlen könnten und Grass dann wieder Umsatzbeteiligungen an die Inhalte-Ersteller zahlen könnte, was die Erstellung von KI-Modellen mit einem flexiblen Budget ermöglichen würde. Alternativ könnte Grass eine solche Größenordnung erreichen, dass es im Namen aller seiner Kunden einen Großlizenzvertrag aushandeln könnte.

Grass’ Launch

Grass hatte zu Beginn dieses Jahres einen äußerst beeindruckenden Start:

• Grass hatte den größten und am weitesten verbreiteten Airdrop in der Geschichte von Solana.[2]
• Über 2 Millionen Brieftaschen beanspruchtDer Airdrop führte dazu, dass das Solana-Netzwerk unter Druck geriet.
• Weltweit gibt es über 2,5 Millionen Gesamtnutzer von Grass.[3]
• Grass hat bereits die Kapazität und die Daten, um das ChatGPT 3.5-Modell von OpenAI zu trainieren.
• Als Demonstration ihrer Plattform hat Grass einen Datensatz mit 600 Millionen Beiträgen und Kommentaren von 2024 auf Reddit als Open Source zur Verfügung gestellt (siehe hierfür die Ankündigung undhierfür den Datensatz).

Zum Zeitpunkt des Schreibens hatte der Grass-Token positive Preisentwicklungpost-launch (+115%), was ungewöhnlich ist, da die meisten Token in den Tagen/Wochen nach der Listung fallen. Dies ist wahrscheinlich ein Spiegelbild ihres klugen Ansatzes zur Verteilung von Airdrops sowie des Glaubens an die Zukunft und das Potenzial von Grass. Insgesamt ist dies ein großartiger Start des Netzwerks und wir glauben, dass es den Weg für viele erfolgreiche Jahre ebnet.

Leistung des Grass-Token seit dem Start am 28. Oktober 2024

Quelle: TradingView.

Starte mit dem BeitragDeine ungenutzte Internet-Bandbreite, indem du deine Solana-Wallet anschließt und den Grass-Token verdienst.

Möchten Sie Grass-Datensätze für Ihr Unternehmen, Forschung oder Projekt verwenden? Kontaktieren Sie das Team unter discover@grassfoundation.io.

Fußnoten

[1] Quelle: https://www.getgrass.io/.
[2] Quelle: https://www.google.com/url?q=https://www.theblock.co/post/323805/grass-becomes-most-distributed-solana-airdrop-as-nearly-1-5-million-addresses-claim-tokens&sa=D&source=docs&ust=1732646335082707&usg=AOvVaw0oVvhJL661rmE1ABmJqOyP.
[3] Quelle: https://www.getgrass.io/.

Haftungsausschluss:

1. Dieser Artikel wurde von neu gedruckt [Hack VC], Alle Urheberrechte gehören dem Originalautor [ Ed Roman]. Wenn Sie Einwände gegen diesen Nachdruck haben, wenden Sie sich bitte an die Gate LearnTeam, und sie werden es schnell erledigen.
2. Haftungsausschluss: Die Ansichten und Meinungen, die in diesem Artikel geäußert werden, sind ausschließlich die des Autors und stellen keine Anlageberatung dar.
3. Übersetzungen des Artikels in andere Sprachen werden vom Gate Learn Team durchgeführt. Sofern nicht anders angegeben, ist das Kopieren, Verteilen oder Plagiieren der übersetzten Artikel untersagt.