Искусственный интеллект и Web3 в настоящее время всё больше сливаются, и возникает всё более насущный вопрос — чем мы будем обучать ИИ? Синтетические данные наводнили рынок, фальшивая информация распространяется повсеместно, и модели, построенные на этих данных, могут ли быть надежными? Очевидно, что нет.

Именно поэтому проекты вроде Walrus начинают привлекать внимание. Их идея очень проста: вместо того чтобы продолжать зависеть от централизованных источников данных, лучше дать возможность всем участникам сети собирать и проверять реальные данные мира.

Не думайте, что для участия нужны высокие барьеры. Умная особенность Walrus — это его "легкий" дизайн — вам не нужны мощные серверы, достаточно использовать смартфон, домашний маршрутизатор или даже Raspberry Pi для присоединения к сети. Передаваемый пропускной способности, место для хранения или датчики — все эти вклады будут проверяться в блокчейне, а взамен участники получат награду в виде токенов $WAL. Таким образом, участники могут расти с нуля до сотни, а устойчивость сети значительно повышается.

Что важнее всего — качество данных. Исходные данные, собранные камерами дорожного движения, экологическими датчиками, IoT-устройствами, проходят шифрование на узлах Walrus и получают временно-пространственные метки, что обеспечивает их неизменность и прослеживаемость источника. Именно это — "золотое топливо" для обучения высококачественных моделей ИИ.

В настоящее время индустрия ИИ сталкивается с проблемой синтетических данных и иллюзий фактов, реальные данные становятся дефицитными. Если Walrus сможет хорошо реализовать эту задачу, ценность слоя доверенных данных может превзойти все ожидания.