มาร์เก็ตเพลซข้อมูล AI แบบกระจายศูนย์เริ่มใช้งานจริงแล้ว นี่คือสิ่งที่คุณควรรู้

ทุกครั้งที่คุณค้นหา ท่องเว็บ หรือโต้ตอบกับแอป คุณกำลังสร้างข้อมูลขึ้นมา

ข้อมูลเหล่านั้นมีมูลค่าหลายพันล้านดอลลาร์สำหรับบริษัท AI แต่แพลตฟอร์มที่เก็บข้อมูลกลับเก็บมูลค่าเกือบทั้งหมดไว้เอง

เจเนอเรชันใหม่ของมาร์เก็ตเพลซข้อมูล AI แบบกระจายศูนย์ต้องการพลิกเกมนี้ โดยใช้คริปโตจ่ายเงินให้ผู้มีส่วนร่วมโดยตรงทุกครั้งที่ข้อมูลของพวกเขาถูกนำไปฝึกโมเดลแมชชีนเลิร์นนิง

กลไกจริงซับซ้อนกว่าสโลแกนง่าย ๆ ว่า “เป็นเจ้าของข้อมูลของคุณเอง” มาก

มีทั้งเลเยอร์การยืนยันข้อมูล ระบบสเตคกิง ข้อจำกัดด้านความเป็นส่วนตัว และโทเค็นโนมิกส์ ซึ่งทั้งหมดนี้จะร่วมกันกำหนดว่าผู้มีส่วนร่วมจะได้รับค่าตอบแทนอย่างเป็นธรรมหรือไม่ได้อะไรเลย

บทความนี้จะอธิบายว่าระบบเหล่านั้นทำงานอย่างไร ตั้งแต่พื้นฐานขึ้นไป

สรุปสั้น ๆ (TL;DR)

มาร์เก็ตเพลซข้อมูล AI แบบกระจายศูนย์เชื่อมคนที่ถือครองข้อมูลดิบกับนักพัฒนา AI ที่ต้องการชุดข้อมูลฝึกที่มีเลเบลและผ่านการยืนยัน และใช้โทเค็นคริปโตจัดการการชำระเงินแบบไร้ตัวกลางที่ต้องเชื่อใจ

ผู้มีส่วนร่วมส่งข้อมูล ซึ่งจะถูกตรวจสอบบนเชนหรือผ่านเครือข่ายออราเคิลแบบกระจายศูนย์ก่อนปล่อยการชำระเงิน ช่วยตัดแพลตฟอร์มตัวกลางออกจากส่วนแบ่งรายได้

เทคนิคปกป้องความเป็นส่วนตัวอย่างเฟเดอเรทเลิร์นนิงและซีโร่-นอลเลจพรูฟ ช่วยให้สามารถทำเงินจากข้อมูลได้โดยที่ข้อมูลดิบจริงไม่เคยออกจากอุปกรณ์ของเจ้าของข้อมูล

โทเค็นโนมิกส์ที่รวมถึงการสเตก การสแลช และการให้คะแนนชื่อเสียง ช่วยปรับแรงจูงใจให้ผู้มีส่วนร่วมส่งข้อมูลที่แม่นยำแทนที่จะเป็นสแปมหรือข้อมูลขยะ

โปรเจกต์อย่าง Kled AI บน Solana คือแนวหน้าปัจจุบัน แต่โมเดลนี้มีอยู่หลายเชนและหลายสถาปัตยกรรมที่แข่งกัน

ทำไมบริษัท AI ต้องการข้อมูลจำนวนมหาศาล และปัจจุบันใครเป็นคนจ่าย

โมเดลภาษาขนาดใหญ่และระบบรู้จำภาพต้องใช้ข้อมูลอย่างหิวโหยในระดับที่อธิบายได้ยาก

การฝึกโมเดลแนวหน้าหนึ่งครั้งอาจใช้โทเค็นข้อความหลายแสนล้านโทเค็น รูปภาพติดเลเบลหลายล้านภาพ หรือสัญญาณพฤติกรรมมนุษย์ที่บันทึกไว้นานหลายปี

ข้อมูลเหล่านี้ต้องมาจากที่ไหนสักแห่ง

ทุกวันนี้ ข้อมูลส่วนใหญ่มาจากไม่กี่ช่องทางเท่านั้น

การสแครปเว็บเก็บข้อความสาธารณะในปริมาณมหาศาล ข้อตกลงลิขสิทธิ์แพลตฟอร์มเปิดทางให้แลบ AI เข้าถึงชุดข้อมูลเฉพาะ เช่น Reddit สำนักข่าว และเอเจนซี่รูปภาพสต็อกที่ต่างทำสัญญากันไว้แล้ว

และแพลตฟอร์มคราวด์ซอร์สงานติดเลเบลก็จ่ายค่าจ้างเล็กน้อยให้แรงงานมนุษย์เพื่อช่วยติดเลเบลภาพ แปลงเสียงพูดเป็นข้อความ หรือให้คะแนนความแม่นยำของคำตอบจาก AI

ตลาดงานติดเลเบลมีขนาดใหญ่แต่เอาเปรียบ แรงงานบนแพลตฟอร์มรวมศูนย์มักได้เพียง 1–5 ดอลลาร์ต่อชั่วโมง ขณะที่ชุดข้อมูลติดเลเบลที่พวกเขาสร้างถูกขายให้นักพัฒนา AI แพงกว่าหลายลำดับชั้นต่อเรคอร์ด

ปัญหาเป็นเชิงโครงสร้าง แพลตฟอร์มรวมศูนย์ซึ่งนั่งอยู่ระหว่างเจ้าของข้อมูลกับผู้ซื้อ AI จะกวาดกำไรส่วนใหญ่ไปทั้งหมด แพลตฟอร์มเป็นคนตั้งราคา บังคับใช้มาตรฐานคุณภาพของตัวเอง และสามารถแบนผู้มีส่วนร่วมโดยไม่มีช่องโต้แย้ง มาร์เก็ตเพลซแบบกระจายศูนย์เข้ามาแทนเลเยอร์แพลตฟอร์มนี้ด้วยสมาร์ตคอนแทรกต์ โปรโตคอลแบบเปิด และรางชำระเงินที่อิงโทเค็น

อ่านเพิ่มเติม: USDT แซง Ethereum ชั่วคราวขึ้นเป็นคริปโตอันดับ 2

มาร์เก็ตเพลซข้อมูล AI แบบกระจายศูนย์คืออะไรกันแน่

แก่นแท้ของมาร์เก็ตเพลซข้อมูล AI แบบกระจายศูนย์คือโปรโตคอลที่ให้ฝั่งอุปทานและอุปสงค์ข้อมูลมาเจอกันได้โดยไม่มีตัวกลางควบคุม

ฝั่งผู้ซื้อคือนักพัฒนา AI หรือทีมวิจัยที่โพสต์ “คำขอข้อมูล (data request)” โดยระบุประเภทของข้อมูล มาตรฐานคุณภาพ รูปแบบไฟล์ที่ต้องการ และราคาต่อเรคอร์ดที่ผ่านการยืนยัน

ฝั่งผู้ขายคือผู้มีส่วนร่วมรายบุคคลหรือผู้รวบรวมข้อมูลที่เข้ามาตอบสนองคำขอเหล่านั้น

สมาร์ตคอนแทรกต์ทำหน้าที่เป็นเลเยอร์เอสโครว์

ผู้ซื้อล็อคเงินทุนไว้ในคอนแทรกต์เมื่อทำการโพสต์คำขอ เมื่อผู้มีส่วนร่วมส่งข้อมูลและผ่านขั้นตอนการยืนยัน คอนแทรกต์จะปล่อยการชำระเงินให้โดยอัตโนมัติ

ทั้งสองฝ่ายไม่จำเป็นต้องเชื่อใจกันเอง แต่ต่างฝ่ายต่างเชื่อใจโค้ดของคอนแทรกต์

ตัวข้อมูลเองมักจะไม่ถูกเก็บไว้บนเชน

การเก็บภาพติดเลเบลขนาดกิกะไบต์ไว้บน Ethereum (ETH) หรือ Solana (SOL) จะมีค่าใช้จ่ายสูงเกินรับได้

ข้อมูลจึงถูกเก็บไว้บนเครือข่ายจัดเก็บแบบกระจายศูนย์อย่าง IPFS หรือ Arweave แทน ส่วนที่ถูกบันทึกบนเชนคือแฮชที่ผูกกับเนื้อหาของไฟล์ เป็นลายนิ้วมือดิจิทัลของไฟล์นั้น

สมาร์ตคอนแทรกต์ตรวจสอบว่าแฮชที่ผู้มีส่วนร่วมส่งมาตรงกับไฟล์ที่ผ่านการยืนยันและไม่ถูกแก้ไขก่อนปล่อยจ่ายเงิน

แฮชของเนื้อหาเป็นสายอักขระสั้น ๆ ที่คำนวณทางคณิตศาสตร์จากเนื้อหาของไฟล์แบบเป๊ะ ๆ แค่เปลี่ยนข้อมูลในไฟล์หนึ่งไบต์ แฮชก็เปลี่ยนไปอย่างสิ้นเชิง สิ่งนี้ทำให้การเคลมค่าจ้างจากข้อมูลที่ถูกแก้ไขหรือรีไซเคิลย้อนหลังแทบเป็นไปไม่ได้

อ่านเพิ่มเติม: Techdollar ระดมทุน 3 ล้านดอลลาร์ ให้พนักงานสตาร์ทอัปทำเงินโดยไม่ต้องขายหุ้น

การยืนยันข้อมูลทำงานอย่างไรโดยไม่มีผู้คุมประตูส่วนกลาง

การยืนยันข้อมูลคือปัญหาที่ยากที่สุดในดีไซน์นี้ แพลตฟอร์มรวมศูนย์สามารถจ้างรีวิวเวอร์มาตรวจคุณภาพได้

สมาร์ตคอนแทรกต์อ่านรูปภาพหรือประเมินว่าข้อความถูกติดเลเบลถูกต้องไม่ได้ มันทำได้เพียงรันลอจิกเท่านั้น มาร์เก็ตเพลซแบบกระจายศูนย์จึงใช้สามแนวทางหลักร่วมกันเพื่อแก้ปัญหานี้

พรูฟเชิงคริปโตกราฟิก ใช้กับข้อมูลเชิงโครงสร้างที่สามารถตรวจสอบความถูกต้องเชิงคณิตศาสตร์ได้ หากผู้มีส่วนร่วมส่งข้อมูล GPS ข้อมูลเซ็นเซอร์ หรือบันทึกธุรกรรมการเงิน ซีโร่-นอลเลจพรูฟสามารถยืนยันได้ว่าข้อมูลนั้นมีคุณสมบัติตรงตามเงื่อนไข ถูกบันทึกในช่วงเวลาที่กำหนด อยู่ในช่วงค่าที่ถูกต้อง มาจากอุปกรณ์เฉพาะ โดยไม่ต้องเปิดเผยค่าดิบจริง

การตรวจสอบแบบฝูงชน (crowd validation) ใช้กับงานติดเลเบลเชิงอัตวิสัย ผู้มีส่วนร่วมอิสระหลายคนจะรีวิวข้อมูลชิ้นเดียวกันและส่งคำประเมินเข้ามา คอนแทรกต์จะเปรียบเทียบคำตอบและจ่ายให้กับผู้ที่คำตอบสอดคล้องกับเสียงส่วนใหญ่ พร้อมลงโทษผู้ที่ตอบผิดเพี้ยนอย่างต่อเนื่อง นี่คือเวอร์ชันกระจายศูนย์ของเทคนิคการติดเลเบลซ้ำหลายคนที่แพลตฟอร์มรวมศูนย์ใช้เพื่อตรวจจับผู้ติดเลเบลที่ขี้เกียจหรือประสงค์ร้าย

การสเตกและการสแลช เพิ่มเลเยอร์เศรษฐศาสตร์ทับลงไป ผู้มีส่วนร่วมต้องล็อคเงินมัดจำเป็นโทเค็นเนทีฟของแพลตฟอร์มก่อนจะส่งข้อมูลได้ หากข้อมูลที่ส่งถูกปฏิเสธซ้ำ ๆ หรือถูกฝูงชนระบุว่าเป็นข้อมูลปลอมหรือฉ้อโกง เงินสเตกของพวกเขาจะถูก “สแลช” หรือถูกริบไปบางส่วนหรือทั้งหมด สิ่งนี้ทำให้การส่งข้อมูลคุณภาพต่ำมีต้นทุนทางการเงิน ช่วยให้แรงจูงใจของผู้มีส่วนร่วมสอดคล้องกับความต้องการคุณภาพของผู้ซื้อ

อ่านเพิ่มเติม: XRP ทดสอบแนวรับ 1 ดอลลาร์ ขณะความเสี่ยงราคาร่วงสู่ 0.60 ดอลลาร์เพิ่มขึ้น

เทคนิคปกป้องความเป็นส่วนตัวช่วยคุ้มครองผู้มีส่วนร่วมอย่างไร

ความตึงเครียดชัดเจนอย่างหนึ่งในโมเดลนี้คือเรื่องความเป็นส่วนตัว หากผู้ใช้ขายประวัติการท่องเว็บหรือข้อมูลสุขภาพให้กับนักพัฒนา AI มูลค่าที่ได้รับมีจริง แต่ความเสี่ยงการเปิดเผยก็มีจริงเช่นกัน มาร์เก็ตเพลซแบบกระจายศูนย์จัดการเรื่องนี้ด้วยสองเทคนิคที่เริ่มสุกงอมมากขึ้นเรื่อย ๆ

เฟเดอเรทเลิร์นนิง (federated learning) ทำให้ข้อมูลดิบยังคงอยู่บนอุปกรณ์ของผู้มีส่วนร่วมอย่างสมบูรณ์ แทนที่จะส่งข้อมูลไปยังเซิร์ฟเวอร์ส่วนกลาง โมเดล AI จะถูกส่งไปยังเครื่องของผู้มีส่วนร่วม โมเดลจะฝึกบนข้อมูลดิบในเครื่อง และส่งกลับเฉพาะเวทของโมเดลที่อัปเดตแล้ว ซึ่งเป็นพารามิเตอร์ทางคณิตศาสตร์เชิงนามธรรมที่ไม่เปิดเผยข้อมูลดิบโดยตรง การอัปเดตเวทจากผู้มีส่วนร่วมหลายรายจะถูกรวมกันเพื่อสร้างโมเดลที่ดีขึ้น โดยที่ข้อมูลฝึกไม่เคยออกจากสภาพแวดล้อมของเจ้าของข้อมูล

ดีเฟอเรนเชียลไพรเวซี (differential privacy) จะใส่ noise ทางสถิติที่คำนวณมาอย่างดีลงในชุดข้อมูลก่อนแชร์ ทำให้ไม่สามารถย้อนแกะเพื่อระบุตัวเรคอร์ดของบุคคลใดบุคคลหนึ่งได้ ขณะเดียวกันยังรักษาแพทเทิร์นเชิงสถิติที่ทำให้ชุดข้อมูลมีประโยชน์ต่อการฝึกโมเดลอยู่ ปริมาณ noise ปรับได้ ยิ่ง noise มาก การคุ้มครองความเป็นส่วนตัวยิ่งสูง แต่ยูทิลิตี้ของข้อมูลอาจลดลงเล็กน้อย

เทคนิคเหล่านี้สำคัญในเชิงกฎหมายด้วย กฎหมายอย่าง GDPR ในยุโรปและ CCPA ในสหรัฐฯ กำหนดกฎเข้มงวดต่อการโอนและการใช้ข้อมูลส่วนบุคคล มาร์เก็ตเพลซที่พิสูจน์ได้อย่างน่าเชื่อถือว่า pipeline ข้อมูลของตนไม่เคยส่งข้อมูลส่วนบุคคลดิบออกไป อาจเผชิญเส้นทางกำกับดูแลที่ง่ายกว่ามากเมื่อเทียบกับโมเดลที่แค่ขายข้อมูลดิบตรง ๆ

อ่านเพิ่มเติม: HIVE กู้เงิน 115 ล้านดอลลาร์แบบดอกเบี้ยศูนย์ เพื่อเดิมพันทวนกระแสการขุด Bitcoin

โทเค็นโนมิกส์ การสเตก และวิธีที่ผู้มีส่วนร่วมได้รับค่าตอบแทนจริง ๆ

กลไกการจ่ายเงินแตกต่างกันไปในแต่ละแพลตฟอร์ม แต่ส่วนใหญ่ใช้โทเค็นยูทิลิตี้เนทีฟแทนที่จะจ่ายเป็นสินทรัพย์ใหญ่ ๆ โดยตรงอย่าง Bitcoin (BTC) โทเค็นจะทำหน้าที่หลายอย่างพร้อมกัน

อย่างแรก มันเป็นหน่วยบัญชีสำหรับคำขอข้อมูล ผู้ซื้อจะระบุข้อเสนอเป็นหน่วยโทเค็น ซึ่งหมายความว่าโทเค็นจะสะท้อนมูลค่าด้านอุปสงค์ ยิ่งมีคำขอข้อมูลโพสต์มาก ยิ่งต้องใช้โทเค็นมากเพื่อเติมเงิน

อย่างที่สอง การสเตกสร้างการล็อคอุปทานฝั่งผู้ขาย ผู้มีส่วนร่วมต้องถือและสเตกโทเค็นเพื่อเข้าร่วมมาร์เก็ตเพลซ ช่วยดึงอุปทานหมุนเวียนออกไปและทำให้แรงจูงใจของผู้มีส่วนร่วมผูกกับสุขภาพของเครือข่าย

อย่างที่สาม ชื่อเสียงมักผูกกับประวัติโทเค็น ผู้มีส่วนร่วมที่สเตกต่อเนื่อง ส่งงานแล้วผ่านการยอมรับ และไม่เคยถูกสแลชเลย จะสร้างเรคคอร์ดที่ตรวจสอบได้บนเชน คะแนนชื่อเสียงนี้อาจช่วยให้ข้อมูลของพวกเขาขายได้ราคาพรีเมียม เพราะผู้ซื้อเชื่อถือได้มากกว่าผู้มีส่วนร่วมหน้าใหม่ที่ไม่มีประวัติ

ในทางปฏิบัติ โฟลว์การจ่ายเงินจะมีหน้าตาแบบนี้ ผู้ซื้อโพสต์คำขอและฝากโทเค็น 500 เหรียญเข้าเอสโครว์ในคอนแทรกต์ ผู้มีส่วนร่วมส่งข้อมูลติดเลเบล 50 เรคคอร์ด เลเยอร์ตรวจสอบยืนยันข้อมูลเหล่านั้น คอนแทรกต์ปล่อย 50 โทเค็นให้ผู้มีส่วนร่วม 2 โทเค็นให้วาลิเดเตอร์ที่อนุมัติข้อมูล และเก็บโทเค็นที่เหลือ 448 เหรียญไว้ให้ผู้มีส่วนร่วมในอนาคต ผู้ซื้อจะได้รับสิทธิ์เข้าถึงชุดข้อมูลที่ผ่านการยืนยันเมื่อการชำระเงินได้รับการยืนยัน

โทเค็นโนมิกส์จะทำงานได้ก็ต่อเมื่อมีดีมานด์ที่แท้จริงต่อข้อมูล โปรเจกต์ที่เปิดตัวมาพร้อมมูลค่าโทเค็นสูงแต่ไม่มีคำขอข้อมูลจริง ๆ สุดท้ายแล้วจะไม่สามารถมอบค่าตอบแทนที่ยั่งยืนให้ผู้มีส่วนร่วมได้ รางวัลสำหรับผู้ส่งข้อมูล แต่ไม่มีผู้ซื้อซึ่งเป็นนักพัฒนา AI ที่ “จ่ายเงินจริง” อยู่ฝั่งตรงข้ามของมาร์เก็ตเพลส ทำให้เกิดแรงกดดันเชิงเงินเฟ้อต่อโทเค็นซึ่งไม่ยั่งยืน

Also Read: OpenAI เลื่อน IPO มูลค่า 1 ล้านล้านดอลลาร์ ท่ามกลางความผันผวนของตลาดที่ทดสอบความทะเยอทะยานของ Altman

Kled AI และโปรเจกต์ลักษณะเดียวกันนำโมเดลนี้มาใช้บน Solana อย่างไร

Kled AI เป็นตัวอย่างของโซลูชันล้ำสมัยบน Solana โปรโตคอลนี้วางตัวเป็นมาร์เก็ตเพลสแบบกระจายศูนย์ที่เปิดให้บุคคลทั่วไปสามารถสร้างรายได้จากข้อมูลส่วนบุคคลของตนเองโดยเฉพาะเพื่อการเทรนโมเดล AI ค่าธรรมเนียมธุรกรรมที่ต่ำและปริมาณธุรกรรมต่อวินาทีที่สูงของ Solana ทำให้การชำระเงินย่อยถี่ ๆ มูลค่าเล็กน้อยเป็นเรื่องที่ทำได้จริงตามโครงสร้างเศรษฐกิจของดาต้ามาร์เก็ตเพลส การจ่ายโทเค็นเพียงเศษเสี้ยวสำหรับรูปภาพที่มีการติดป้ายกำกับหนึ่งรูปจึงคุ้มค่าทางเศรษฐกิจบน Solana ในแบบที่ไม่สามารถทำได้บน Ethereum เมนเน็ต

สถาปัตยกรรมของ Solana ยังสำคัญต่อความเร็วด้วย การยืนยันข้อมูลที่เป็นตัวกระตุ้นให้มีการปล่อยการชำระเงินจำเป็นต้องมีการชำระธุรกรรมให้เสร็จสิ้นอย่างรวดเร็ว ผู้ส่งข้อมูลจะไม่ยอมรับมาร์เก็ตเพลสที่ต้องรอการยืนยันการชำระเงินเป็นชั่วโมง ๆ การมี finality ระดับเสี้ยววินาทีของ Solana ทำให้ประสบการณ์การรับเงินรู้สึกใกล้เคียงแพลตฟอร์มแบบดั้งเดิม ในขณะเดียวกันก็ยังคงคุณสมบัติแบบ trustless ของสมาร์ตคอนแทร็กต์เอาไว้

Velvet ซึ่งกำลังเป็นกระแสคู่กับ Kled AI เลือกมุมมองที่ต่างออกไป มันคือเทอร์มินัลพอร์ตโฟลิโอแบบออนเชนที่ขับเคลื่อนด้วย AI ซึ่งผสานการเทรดสปอต ฟิวเจอร์สแบบ perpetual และกลยุทธ์สร้างผลตอบแทนเข้าไว้ด้วยกัน โครงการนี้เกี่ยวข้องกับพื้นที่นี้เพราะแสดงให้เห็นธีมพื้นฐานเดียวกัน: ระบบ AI ที่ทำงานบนข้อมูลออนเชนและชำระธุรกรรมด้วยคริปโทโทเค็น หาก Kled AI สร้างตลาดสำหรับข้อมูลดิบเพื่อการเทรน Velvet คือกรณีตัวอย่างของแอปพลิเคชัน AI ที่บริโภคข้อมูลตลาดที่ถูกประมวลผลประเภทนั้น ทั้งสองจึงเป็นตัวแทนของสองปลายทางในสายพานเศรษฐกิจข้อมูลเดียวกัน

โปรเจกต์อื่น ๆ ที่พัฒนาในพื้นที่นี้รวมถึง Ocean Protocol ซึ่งบุกเบิกแนวคิดสินทรัพย์ข้อมูลแบบโทเค็นบน Ethereum และ Grass ที่ให้รางวัลผู้ใช้โดยเฉพาะสำหรับการแบ่งปันแบนด์วิดท์ที่ไม่ได้ใช้และข้อมูลการท่องเว็บเข้าสู่สายการเทรน AI แต่ละโปรเจกต์เลือกสถาปัตยกรรมที่ค่อนข้างแตกต่างกันไป แต่มีโมเดลแกนกลางร่วมกันคือการจ่ายเงินที่มีการบังคับใช้ด้วยกลไกการเข้ารหัสสำหรับข้อมูลที่ได้รับการยืนยันแล้ว

Also Read: การแช่แข็ง Mythos ของ Anthropic เปิดทางให้ผู้ท้าชิงจากเอเชียอย่าง Sakana AI และ 360

ใครได้ประโยชน์จริงจากโมเดลนี้ และมีความเสี่ยงอะไรบ้าง

สำหรับผู้ส่งข้อมูลรายบุคคล เสน่ห์ของโมเดลนี้ตรงไปตรงมา: มูลค่าที่เคยถูกดึงไปใช้ฟรี ๆ ตอนนี้สามารถถูกเก็บเกี่ยวกลับมาได้โดยตรง คนที่มีตัวตนบนโซเชียลมีเดียขนาดใหญ่ มีความเชี่ยวชาญเฉพาะด้าน หรือเข้าถึงประเภทข้อมูลหายาก เช่น เวชระเบียน เอกสารกฎหมายวิชาชีพ เนื้อหาในภาษาที่ไม่ใช่ภาษาอังกฤษ สามารถตั้งราคาพรีเมียมได้อย่างมีนัยสำคัญในมาร์เก็ตเพลสที่มีดีมานด์จากนักพัฒนา AI ของจริง

สำหรับนักพัฒนา AI มาร์เก็ตเพลสแบบกระจายศูนย์มอบโอกาสเข้าถึงประเภทข้อมูลที่หามาได้ยากผ่านการสแครปหรือการออกไลเซนส์แบบดั้งเดิม ข้อมูลเชิงความชอบที่มนุษย์สร้างขึ้น การอธิบายกำกับในโดเมนนิช และเนื้อหาหลายภาษาจากภูมิภาคที่ถูกแทนค่าต่ำ ล้วนเป็นของหายากอย่างแท้จริง โปรโตคอลที่สามารถจัดหาข้อมูลเหล่านี้และยืนยันความถูกต้องในสเกลขนาดใหญ่จึงมีมูลค่าจริง

ความเสี่ยงก็มีอยู่จริงทั้งสองฝั่ง ความผันผวนของราคาโทเค็นหมายความว่าผู้ส่งข้อมูลที่รับค่าตอบแทนเป็นโทเค็นเนทีฟในวันนี้อาจพบว่ามูลค่าในหน่วยดอลลาร์ของการจ่ายนั้นลดลงอย่างมากเมื่อถึงเวลาที่ต้องการใช้จ่าย ในทางกลับกัน ผู้ซื้อเผชิญความเสี่ยงตรงข้าม: ราคาโทเค็นอาจพุ่งขึ้นระหว่างช่วงที่วางแผนจะซื้อข้อมูลกับช่วงที่ลงมือจริง ทำให้ต้นทุนการซื้อข้อมูลสูงกว่าที่ตั้งงบไว้

คุณภาพของข้อมูลยังคงเป็นความท้าทายที่ยังไม่ได้รับการแก้ไขในสเกลใหญ่ กลไกการตรวจสอบแบบคราวด์และการใช้สเตกกิ้งช่วยลดการฉ้อโกงแต่ไม่สามารถกำจัดได้หมด

ผู้ไม่หวังดีที่มีทักษะสามารถเล่นเกมกับระบบชื่อเสียงได้เมื่อเวลาผ่านไป และนักพัฒนา AI ที่ซื้อข้อมูลจากมาร์เก็ตเพลสใหม่ที่ยังไม่ได้พิสูจน์ตัวเองจะต้องแบกรับความเสี่ยงด้านคุณภาพซึ่งไม่มีเมื่อซื้อจากผู้ให้บริการงานติดป้ายกำกับที่มีประวัติยาวนาน

ความเสี่ยงด้านกฎระเบียบคือปัจจัยพลิกเกมที่ใหญ่ที่สุด การสร้างรายได้จากข้อมูลส่วนบุคคลอยู่ในจุดตัดของกฎหมายความเป็นส่วนตัวของข้อมูล กฎเกณฑ์ด้านหลักทรัพย์ของโทเค็นที่เกี่ยวข้อง และกรอบกำกับดูแล AI ที่ยังอยู่ระหว่างการร่าง มาร์เก็ตเพลสที่ดำเนินงานอย่างถูกกฎหมายในเขตอำนาจหนึ่งอาจตกอยู่ในพื้นที่สีเทาทางกฎหมายของอีกเขตหนึ่งได้

Also Read: Ethereum กำลังมุ่งหน้าลงสู่ระดับ 1,000 ดอลลาร์หลังสูญเสียแนวรับสำคัญหรือไม่?

ข้อคิดท้ายบท

มาร์เก็ตเพลสข้อมูล AI แบบกระจายศูนย์เป็นคำตอบเฉพาะทางและมีพื้นฐานด้านเทคนิคที่ชัดเจนต่อปัญหาเชิงเศรษฐกิจจริง ๆ: ผู้คนที่สร้างข้อมูลสำหรับเทรนโมเดลในประวัติศาสตร์ที่ผ่านมาแทบไม่ได้รับมูลค่าใด ๆ กลับคืนมาเลย

สมาร์ตคอนแทร็กต์ การจัดเก็บข้อมูลแบบ content-addressed เฟเดอเรเต็ดเลิร์นนิง และการสเตกโทเค็น ผสานกันเป็นระบบที่ทำให้มูลค่าสามารถไหลกลับไปหาผู้ส่งข้อมูลได้โดยตรง — โดยไม่ต้องมีแพลตฟอร์มตัวกลางมาจับส่วนต่างกำไร

โมเดลนี้ยังอยู่ในระยะเริ่มต้น

โทเค็นอีโคโนมิกส์กำลังอยู่ระหว่างการพัฒนา ระบบตรวจสอบต้องพิสูจน์ว่าขยายสเกลไปสู่ผู้ส่งข้อมูลนับล้านคนได้โดยไม่ถูกเล่นงาน และสภาพแวดล้อมด้านกฎระเบียบของการสร้างรายได้จากข้อมูลส่วนบุคคลยังคงไม่แน่นอน

แต่อีกฝั่งของสมการคือดีมานด์นั้นไม่หายไปไหน

นักพัฒนา AI ต้องการข้อมูลมากขึ้น ในหลายประเภทมากขึ้น มากกว่าที่แหล่งข้อมูลรวมศูนย์จะจัดหาได้อย่างน่าเชื่อถือ

ความต้องการเชิงโครงสร้างนี้เองที่เป็นพื้นฐานให้สมมติฐานระยะยาวของมาร์เก็ตเพลสข้อมูลแบบกระจายศูนย์