인공지능 모델을 무너뜨리는 데는 합성 데이터가 1%만 있어도 충분합니다. 문제는 대부분의 팀이 자신들의 학습 데이터 중 다른 AI가 생성한 데이터가 얼마나 되는지 알지 못한다는 점입니다. 모델 경쟁이 모든 관심을 끌지만, 그 이면의 데이터는 조용히 썩어가고 있습니다. 인공지능 모델은 다른 인공지능 모델의 출력값을 기반으로 학습하는 경우가 점점 늘어나고 있습니다. 처음에는 효과가 있지만, 시간이 지나면서 세부적인 정보가 사라지기 시작하고 판단력이 약해집니다. 그것이 바로 합성 데이터 루프인데, 이미 파이프라인을 오염시키고 있으며, 파이프라인 운영자들은 그것이 존재한다는 사실조차 인지하지 못하고 있습니다. @PerleLabs는 정반대의 문제를 중심으로 개발하고 있습니다. 그들은 모델 벤치마크를 쫓는 대신 데이터 레이어에 집중합니다. 즉, 데이터 출처가 실제로 중요한 기업 및 국가 사용 사례를 위해 구축된, 사람이 검증하고 온체인에서 감사 가능한 데이터 인프라에 집중하는 것입니다. "출처를 신뢰하라"는 동일한 논리가 토큰 배포에도 그대로 적용되었습니다. 봇이 에어드랍 대량으로 획득하는 것을 막기 위해, @VeryAI를 통해 손바닥 기반 생체 인증 기능을 추가하여 각 수령인이 실제 사람과 연결되도록 했습니다. 진정한 AI 병목 현상은 누가 차세대 모델을 개발하느냐가 아니라, 그 모델에 입력되는 데이터를 과연 신뢰할 수 있느냐에 달려 있을 것입니다. @PerleLabs와 파트너십을 맺게 되어 기쁩니다. twitter.com/thedefiedge/status...