منصة بيرل لابز الثورية لبيانات الذكاء الاصطناعي على البلوكشين تطلق الموسم الأول لبناء ذكاء اصطناعي جدير بالثقة

BitcoinWorld

منصة بيانات الذكاء الاصطناعي الثورية القائمة على البلوكشين من Perle Labs تُطلق الموسم الأول لبناء ذكاء اصطناعي جدير بالثقة

في خطوة مهمة لمعالجة تحديات جودة البيانات الحرجة التي تواجه الذكاء الاصطناعي، أطلقت Perle Labs، وهي شركة رائدة في مجال وضع علامات على بيانات الذكاء الاصطناعي القائمة على البلوكشين، رسمياً مبادرة الموسم الأول. يمثل هذا الإطلاق، الذي تم الإعلان عنه في الربع الأول من عام 2025، تقارباً جديداً بين التكنولوجيا اللامركزية والخبرة البشرية بهدف بناء مجموعات بيانات أكثر موثوقية ومصادر أخلاقية لتدريب نموذج الذكاء الاصطناعي. تتيح المنصة بشكل فريد للمشاركين كسب سمعة قابلة للتحقق على السلسلة ومكافآت العملات المشفرة من خلال إكمال مهام التحقق من صحة البيانات المتخصصة.

الموسم الأول من Perle Labs يقدم نموذجاً جديداً لبيانات الذكاء الاصطناعي

المهمة الأساسية للموسم الأول من Perle Labs هي الإنشاء المنهجي لمجموعة بيانات واسعة النطاق مُتحقق منها بشرياً. تعالج هذه المبادرة بشكل مباشر قضية منتشرة في تطوير الذكاء الاصطناعي: الاعتماد على بيانات تدريب سيئة العلامات أو متحيزة، والتي يمكن أن تؤدي إلى مخرجات نموذجية معيبة وغير موثوقة. وبالتالي، تُنظم المنصة هذا الجهد حول إكمال مهام تدريب الذكاء الاصطناعي المحددة. تتضمن هذه المهام وضع علامات دقيقة والتحقق من أنواع بيانات متنوعة، بما في ذلك النصوص والصوت والصور. علاوة على ذلك، تُقدم Perle Labs عملية تأهيل قائمة على الدقة لضمان جودة المساهمين من البداية. تتطلب هذه العملية من المستخدمين الجدد إظهار الكفاءة في مهام وضع العلامات الأساسية قبل الوصول إلى مهام أكثر تعقيداً وأعلى قيمة. تم تصميم النظام لإنشاء حلقة ردود فعل إيجابية حيث يُنشئ العمل الدقيق درجة سمعة المستخدم على السلسلة. تفتح هذه السمعة، المُسجلة بشكل غير قابل للتغيير على البلوكشين، إمكانية الوصول إلى مجموعات مهام أكثر تخصصاً ومربحة.

الحاجة الحرجة للبيانات المُتحقق منها بشرياً في الذكاء الاصطناعي

جوع صناعة الذكاء الاصطناعي للبيانات لا يُشبع، ومع ذلك غالباً ما تبقى جودتها مصدر قلق ثانوي. أبرز تقرير معهد ستانفورد للذكاء الاصطناعي المرتكز على الإنسان لعام 2024 أن ما يقرب من 30٪ من الأخطاء في أنظمة الذكاء الاصطناعي التجارية يمكن إرجاعها إلى مشاكل جودة البيانات الأساسية، بما في ذلك الوضع الخاطئ للعلامات والتحيز. منصات وضع علامات البيانات التقليدية، على الرغم من قابليتها للتوسع، غالباً ما تُعاني من الاتساق وتفتقر إلى آليات ضمان الجودة الشفافة. يُضيف نموذج Perle Labs المساءلة التشفيرية إلى هذه العملية. من خلال تسجيل المساهمات والسمعة على السلسلة، تُنشئ المنصة مساراً قابلاً للمراجعة لمصدر البيانات. هذه الشفافية حاسمة للمطورين في مجالات مثل الطب والقانون، حيث تحمل قرارات نموذج الذكاء الاصطناعي عواقب كبيرة في العالم الحقيقي. على سبيل المثال، يمكن أن يؤدي الفحص الطبي ذو العلامات الخاطئة في مجموعة بيانات التدريب إلى أن تتعلم أداة التشخيص بالذكاء الاصطناعي أنماطاً غير صحيحة، مما قد يُعرض سلامة المرضى للخطر.

السمعة على السلسلة ومجموعات المهام المتخصصة

حجر الزاوية في منصة Perle Labs هو نظام السمعة المبتكر على السلسلة. على عكس الدرجات التقليدية المحفوظة في قاعدة بيانات خاصة، فإن سمعة المستخدم هي أصل رقمي محمول وقابل للتحقق. يستخدم هذا النظام العقود الذكي لتقييم وتسجيل دقة واتساق عمل المستخدم تلقائياً. تترجم درجات السمعة العالية مباشرةً إلى ثقة أكبر داخل النظام البيئي والوصول إلى مكافآت البونص. يُطلق الموسم الأول على وجه التحديد مجموعات مهام متخصصة مُصممة للمجالات المهنية. تشمل هذه المجالات عالية المخاطر ما يلي:

• التعليقات التوضيحية للبيانات الطبية: وضع علامات على صور الأشعة، ونسخ التفاعلات بين الطبيب والمريض، وتصنيف بيانات التجارب السريرية.
• تحليل المستندات القانونية: تحديد البنود في العقود، وتصنيف السوابق القضائية حسب الموضوع، والتحقق من دقة الملخصات القانونية.
• معالجة الصوت متعدد اللغات: نسخ وترجمة بيانات الكلام عبر لغات متعددة مع الفروق الثقافية الدقيقة.

تتطلب هذه المجموعات المتخصصة من المساهمين اجتياز فحوصات المعرفة الخاصة بالمجال، مما يضمن أن الأفراد الذين يضعون علامات على البيانات المعقدة يمتلكون فهماً خلفياً ذا صلة. يهدف هذا النهج إلى إنتاج مجموعات بيانات بدقة أعلى بكثير من تلك التي يُنتجها جمهور عام غير مدرب.

الدعم والخبرة من قدامى الصناعة

يتم تعزيز مصداقية Perle Labs من قبل فريقها المؤسس والدعم المالي الكبير. تأسست الشركة على يد موظفين سابقين في Scale AI، الشركة الرائدة في صناعة وضع علامات البيانات التقليدية. توفر هذه الخبرة للفريق معرفة تشغيلية عميقة بنقاط الألم والفرص في القطاع. علاوة على ذلك، حصلت Perle Labs على 17.5 مليون دولار في جولة تمويل بقيادة مستثمرين تقنيين بارزين. شمل المشاركون الرئيسيون Framework Ventures، المعروفة برهاناتها المبكرة على البنية التحتية اللامركزية؛ وCoinFund، وهي شركة استثمار أصلية في العملات المشفرة؛ وHashKey Capital، وهي مجموعة أصول رقمية رئيسية في آسيا. يشير هذا المزيج من رأس المال المغامر والاستثمار المركز على العملات المشفرة إلى ثقة قوية في النموذج الهجين للمشروع. يُقال إن التمويل مخصص لتطوير المنصة، وحوافز اكتساب المستخدمين، وتوسيع نطاق المجالات الرأسية للبيانات التي يتم تغطيتها في المواسم المستقبلية.

المشهد التنافسي والآثار الأوسع

تدخل Perle Labs سوقاً تنافسياً ولكن متطوراً. تضع نفسها ليس فقط ضد شركات وضع علامات البيانات التقليدية ولكن أيضاً ضد مشاريع أخرى ممكّنة بالعملات المشفرة تسعى إلى ترميز العمل البشري. العامل المميز الرئيسي هو تركيزها الشديد على ضمان الجودة من خلال السمعة المُتحقق منها على البلوكشين والمجالات المتخصصة. يمكن أن يكون لنجاح هذا النموذج عدة آثار أوسع. أولاً، قد يؤسس معياراً جديداً لمصدر البيانات في الذكاء الاصطناعي، مما يجعل من السهل مراجعة مجموعات بيانات التدريب للتحيز أو الخطأ. ثانياً، يُنشئ سوق عمل عالمياً بدون إذن لعمل البيانات الماهرة، مما يسمح للخبراء في أي مكان بتحقيق الدخل من معرفتهم المتخصصة. أخيراً، من خلال مكافأة الجودة بالعملات المشفرة والسمعة، فإنه يُوائم الحوافز الاقتصادية مع هدف إنشاء ذكاء اصطناعي أفضل، مما قد يؤدي إلى نماذج أكثر قوة وجديرة بالثقة. يُقارن الجدول التالي بين النموذجين التقليدي وPerle Labs:

الخلاصة

يُمثل إطلاق الموسم الأول من Perle Labs تجربة مقنعة عند تقاطع الذكاء الاصطناعي والأنظمة اللامركزية. من خلال الاستفادة من تقنية البلوكشين لتحفيز والتحقق من المدخلات البشرية عالية الجودة، تُعالج منصة Perle Labs نقطة ضعف أساسية في تطوير الذكاء الاصطناعي المعاصر. يمكن أن يُساهم تركيزها على بناء مجموعات بيانات مُتحقق منها بشرياً للمجالات الحرجة مثل الطب والقانون بشكل كبير في إنشاء نماذج ذكاء اصطناعي أكثر موثوقية وسليمة أخلاقياً. يوفر التمويل الكبير للمشروع والفريق ذو الخبرة أساساً قوياً لأهدافه الطموحة. مع تقدم الموسم الأول، ستراقب الصناعة عن كثب ما إذا كان هذا النموذج من السمعة على السلسلة ومجموعات المهام المتخصصة يمكن أن يتوسع بنجاح مع الحفاظ على سلامة البيانات التي يعد بها. قد يؤثر نجاح مبادرة بيانات الذكاء الاصطناعي القائمة على البلوكشين من Perle Labs بشكل جيد على كيفية الحصول على مجموعات بيانات تدريب الذكاء الاصطناعي المستقبلية والتحقق منها والثقة بها.

الأسئلة الشائعة

السؤال الأول: ما هو الهدف الرئيسي من الموسم الأول من Perle Labs؟
الهدف الأساسي هو بناء مجموعة بيانات واسعة النطاق مُتحقق منها بشرياً لتدريب الذكاء الاصطناعي من خلال تحفيز المستخدمين بمكافآت على السلسلة وسمعة لإكمال مهام وضع علامات البيانات الدقيقة عبر تنسيقات النص والصوت والصورة.

السؤال الثاني: كيف يعمل نظام السمعة على السلسلة؟
يستخدم النظام العقود الذكي على البلوكشين لتسجيل دقة واتساق عمل المستخدم بشكل غير قابل للتغيير. يزيد الأداء العالي من درجة سمعة المستخدم، وهي أصل رقمي محمول يفتح الوصول إلى مهام أكثر تخصصاً وأعلى أجراً.

السؤال الثالث: ما هي مجموعات المهام المتخصصة؟
هذه مجموعات منسقة من مهام وضع علامات البيانات المصممة للمجالات المهنية مثل الطب والقانون. تتطلب من المساهمين إظهار المعرفة الخاصة بالمجال، مما يضمن أن البيانات المعقدة يتم التعليق عليها من قبل أفراد ذوي خبرة ذات صلة.

السؤال الرابع: من أسس Perle Labs ومن استثمر فيها؟
تأسست الشركة على يد موظفين سابقين في شركة وضع علامات البيانات Scale AI. جمعت 17.5 مليون دولار من المستثمرين بما في ذلك Framework Ventures وCoinFund وHashKey Capital.

السؤال الخامس: لماذا تُعد البيانات المُتحقق منها بشرياً مهمة للذكاء الاصطناعي؟
تتعلم نماذج الذكاء الاصطناعي مباشرة من بيانات التدريب الخاصة بها. تؤدي البيانات ذات العلامات السيئة أو المتحيزة إلى مخرجات ذكاء اصطناعي غير دقيقة وغير موثوقة وضارة محتملاً. يُضيف التحقق البشري طبقة حرجة من مراقبة الجودة، خاصة للتطبيقات عالية المخاطر في الرعاية الصحية والقانون والسلامة.

هذا المنشور منصة بيانات الذكاء الاصطناعي الثورية القائمة على البلوكشين من Perle Labs تُطلق الموسم الأول لبناء ذكاء اصطناعي جدير بالثقة ظهر لأول مرة على BitcoinWorld.