Vi är glada över att dela med oss av vår lansering av @psdnai, som @StoryProtocol och som endast är möjligt med @StoryProtocol programmerbara IP!

Vi är glada över att dela med oss av vår lansering av @psdnai, inkuberad av @StoryProtocol och endast möjlig med @StoryProtocol programmerbar IP!

Super tacksam för det fortsatta stödet från @cdixon och @a16zcrypto!

Vi ser fram emot att dela med oss av @BloombergTV den kommande lanseringen av @psdnai (Poseidon AI), som inkuberas av Story och bygger på Story Blockchain.

Nästa våg av AI kommer inte bara att finnas i din webbläsare. Och det är inte datorer eller modeller som är problemet. Kommer snart – håll utkik.

Aria i överhuset 🇬🇧 Vi deltar i en panel om AI och de kreativa näringarna nästa vecka i London som arrangeras av @WIRED Summer Lab och @aifaventures. Arias @PalomarRo kommer att tala tillsammans med ledare från musik, mode, film och konst.

<Story, att få ny fart> En ny figur har anslutit sig till @StoryProtocol, som omformar innehållsindustrin genom IP-tokenisering. Han är Sandeep Chinchali, professor vid UT Austin och expert på AI, robotik och distribuerade system. Sandeep Chinchali, en före detta NASA-forskare, studerade generativ AI och molnrobotik vid Stanford och är för närvarande professor vid UT Austin, där han arbetar med autonom körning och distribuerade maskininlärningsmodeller. Under sin forskning installerade han svarta lådor direkt i fordon för att samla in data från den verkliga världen och analysera sällsynta scener som kallas "long-tail"-händelser. Han insåg djupt vikten av datakvalitet och knapphet genom att märka dessa data och träna lätta AI-modeller på TPU-hårdvara för djupinlärning. I samma veva ställde han en fråga till sig själv. – För att AI ska fungera korrekt i verkligheten behöver den data av hög kvalitet, inte bara modeller. Och för att samla in den informationen frivilligt är det nödvändigt med en effektiv incitamentsstruktur. Han hittade svaret på Story. @StoryProtocol definierar data inte bara som en resurs utan som IP och bygger ett belöningssystem i kedjan. Insamling av sällsynta data → Märkning → syntes → registrering på kedjan → royaltydistribution Varje steg spåras transparent i kedjan. Professor Sandeep förklarar det på följande sätt. "Jag registrerar en sällsynt körscen som fångats av min dashcam på Story, och en vän märker den. Baserat på detta skapar AI syntetisk data, genererar ansluten IP vid varje steg, och royalties distribueras automatiskt till alla bidragsgivare." Som Chief AI Officer för Story kommer professor Sandeep Chinchali att leda den övergripande AI-strategin, infrastrukturen för inlärningsdata på kedjan och utformningen av ett distribuerat databelöningssystem. Han definierar värdet av data på följande sätt. "Data är den nya IP-adressen."

Vi frågade @SPChinchali om IP:s roll i AI-eran. – I princip alla publika datamängder har en icke-kommersiell licens. "Ibland kan generativa AI-modeller som skapar bilder ha tränats på IP-osäkra data och de kan inte ens använda syntetiska data." "Det @StoryProtocol verkligen fokuserar på är nästa generations grundläggningsmodeller." "Du kan inte bara skrapa den informationen på internet."

Ett team av utvecklingsteam för AI-agenter

Jag har ägnat min karriär åt att jaga en fråga: Hur samlar vi in rätt data för att få AI att fungera i den verkliga världen? Från Stanfords labb till UT Austins klassrum sökte jag överallt. Svaret är inte ännu ett AI-labb, utan en blockkedja byggd för att behandla data som IP. Det är därför jag ansluter mig till @StoryProtocol som deras Chief AI Officer. På Stanford studerade jag "cloud robotics", hur flottor av robotar kan använda distribuerad databehandling för att lära sig tillsammans. Jag monterade till och med en dashcam i min bil för att lösa detta: Om robotar bara kunde ladda upp 5–10 % av det de ser, hur skulle vi då kunna välja ut den mest värdefulla datan? Det mesta var tråkiga motorvägsfilmer. Men <1 % fångade sällsynta scener: självkörande Waymos, byggarbetsplatser, oförutsägbara människor. Dessa "long-tail"-data gjorde modellerna smartare. Jag handmärkte den, betalade till och med Google Clouds märkningstjänst för att kommentera mina filmer med nischade koncept som "LIDAR-enhet" och "autonomt fordon", och tränade modeller som kördes på en TPU i USB-storlek. Men akademin når bara till en viss gräns. På UT Austin skiftade mina frågor: → Hur crowdsourcar vi sällsynta data för att förbättra ML? → Vilka incitamentsystem fungerar egentligen? Det drog mig in på krypto – blockkedjor, tokenekonomier, till och med DePIN. Jag bloggade, skrev artiklar om decentraliserad ML, men undrade ändå: vem är det egentligen som bygger den här infrastrukturen? Av en ren slump kom jag i kontakt med Story-teamet. Jag blev inbjuden att hålla ett föredrag på deras kontor i Palo Alto. Klockan var 18.00 och rummet var fortfarande fullsatt. Jag svamlade om "Neuro-Symbolic AI" och avslutade med en bild som hette "A Dash of Crypto". Det samtalet övergick i en rådgivande roll, som nu blev något mycket större. Vi befinner oss i ett avgörande skede. Beräkning är till största delen löst. Modellarkitekturer kopieras över natten. Den verkliga vallgraven är data. Inte skrapad Reddit. Inte oändligt språk. Men rättighetssäkrade, long-tail, verkliga data som tränar förkroppsligad AI – robotar, AV, system som navigerar i vår röriga värld. Föreställ dig detta: Jag fångar en sällsynt körscen med dashcam och registrerar den på Story. En vän sätter en etikett på det. En AI-agent skapar syntetiska varianter. På Storys grafstrukturerade kedja blir var och en länkad IP. Royalties flödar tillbaka automatiskt. Alla får betalt, varje steg kan spåras i kedjan. Det är därför jag nu är Chief AI Officer på Story och bygger rälsen för decentraliserad, IP-godkänd träningsdata. Det är dags att göra data till den nya IP-adressen. Story är platsen att göra det på. Mycket mer kommer snart. Kom så går vi.