Братья, содержание немного сухое, терпеливо смотрите до конца. В эпоху стремительного развития ИИ данные стали самым важным производственным фактором. Однако, когда ИИ-агенты или модели принимают ключевые решения, мы часто не можем проверить качество, источник и полноту их обучающих данных. Это стало самым большим невидимым убийцей в индустрии ИИ.

Согласно анализу Walrusl, 87% проектов ИИ объявляют о провале еще до того, как они переходят в стадию производства, и главной причиной являются проблемы с качеством данных. Смещение, загрязнение и данные неизвестного происхождения могут привести к тому, что модели в медицинских, финансовых и автономных транспортных сценах будут увеличивать ошибки, что приведет к катастрофическим последствиям.

Экономическая стоимость плохих данных еще более удивительна. Объем рынка ИИ в индустрии уже превышает 200 миллиардов долларов, но из-за проблем с данными проекты терпят неудачу и становятся неэффективными, что приводит к потерям в сотни миллиардов долларов по всему миру ежегодно. В сфере цифровой рекламы ежегодные расходы составляют около 750 миллиардов долларов, из которых почти 1/3 теряется из-за мошенничества, фальшивого трафика и непроверяемых данных о транзакциях. Из-за отсутствия надежного отслеживания источников рекламодатели не могут подтвердить подлинность показов, ставок и конверсий, что разрывает цепочку доверия и в конечном итоге препятствует здоровому развитию всей экосистемы.

Протокол Walrus является решением, разработанным для устранения этой проблемы. Будучи платформой для разработчиков, не зависящей от цепочки, которая строится на сети Sui, Walrus сосредоточен на создании проверяемого рынка данных для эпохи ИИ. Его основная инновация заключается в обеспечении проверяемости данных с самого начала: каждый файл получает уникальный проверяемый идентификатор, вся история изменений отслеживается с помощью облачного хранения объектов Sui, что обеспечивает четкое происхождение данных, доказуемую целостность и обнаружение подделок.

С технической точки зрения, Walrus использует двуизмерные коды Red Stuff для исправления ошибок, что требует всего около 4,5-кратных затрат на хранение для достижения высокой доступности и отказоустойчивости, что значительно ниже затрат традиционных полных решений. В то же время, закрепив доказательства доступности на цепочке Sui, данные не только долговременно хранятся, но могут управляться программно, поддерживая контроль доступа с помощью смарт-контрактов и автоматизацию процессов. Это позволяет данным для обучения ИИ быть зафиксированными на цепи, а решения агентства становятся прозрачными и подлежат аудиту.

На практике Walrus уже сотрудничает с несколькими проектами, работая в области рекламных технологий с Alkimi, чтобы обеспечить защиту от подделок показов и записей транзакций; в сценариях с ИИ-агентами и генерацией видео он обеспечивает надежное хранилище для моделей и наборов данных, избавляясь от рисков единой точки отказа централизованных облаков. В отличие от решений, таких как Filecoin и Arweave, Walrus более подходящ для нужд ИИ и экономии агентов по скорости поиска горячих данных, программируемости и стоимости.

В общем, как платформа для разработчиков, не зависящая от цепочки, на сети Sui, Walrus специально разработан для создания проверяемой инфраструктуры для ИИ-агентов и рынков данных, каждый файл получает уникальный проверяемый идентификатор с самого начала, вся история изменений отслеживается с помощью шифрования объектов Sui, что обеспечивает четкое происхождение и доказуемую целостность, а подделка немедленно обнаруживается. Это делает возможным зафиксировать данные на цепи, от защиты от подделок наборов данных для обучения ИИ до защищенных записей показов и транзакций в рекламных технологиях.

@Walrus 🦭/acc $WAL #walrus