Bộ dữ liệu AI hàng đầu lấy dữ liệu từ BitcoinTalk, Steemit và SEC Hoa Kỳ

Updated: 23/04/2023 at 13:00

Colossal Clean Crawled Corpus (C4) là bộ dữ liệu AI được các công ty công nghệ lớn sử dụng, chứa dữ liệu từ nhiều trang web liên quan đến tiền điện tử.

AI

Bộ dữ liệu C4 lấy thông tin từ các trang web tiền điện tử

Washington Post và Allen Institute gần đây đã phân tích bộ dữ liệu C4 chuyên xếp hạng các trang web theo số lượng “token” hoặc đoạn văn bản được lấy từ mỗi nguồn.

Ủy ban Chứng khoán và Giao dịch Hoa Kỳ (SEC) có nội dung về quy định tiền điện tử là một trong những nguồn lớn nhất của bộ dữ liệu. Trang web (sec.gov) xếp hạng 39 và chiếm 36 triệu (tương đương 0,02%) token của C4.

Bitcointalk.org – một diễn đàn thảo luận về blockchain do Satoshi Nakamoto tạo ra xếp hạng 780. Nó chiếm 6,1 triệu (tương đương 0,004%) token của C4.

Các trang web tổng hợp và tin tức về tiền điện tử như Cointelegraph và Coinmarketcap.com cũng được nhắc đến. 8 trang web như vậy chiếm tổng cộng ít nhất 0,008% token của C4, mặc dù các trang web khác có thể tăng tổng số thực.

Các trang web liên quan đến các loại tiền điện tử và sàn giao dịch cụ thể cũng được trình bày trong tập dữ liệu nhưng chiếm một lượng token không đáng kể.

Hai trang web gần với tiền điện tử cũng được xếp hạng cao. IPFS (ipfs.io) xếp hạng 16 trong khi Steemit (steemit.com) xếp hạng 594. Trang web đầu tiên là mạng phân tán từ công ty blockchain Protocol Labs, trong khi trang thứ 2 sử dụng trực tiếp blockchain. Tuy nhiên, các trang web này không nhất thiết chứa nội dung liên quan đến tiền điện tử.

Các trang web chính thống đứng đầu danh sách

Theo Washington Post, bộ dữ liệu C4 được sử dụng trong các mô hình ngôn ngữ AI của các công ty công nghệ lớn như T5 của Google và LLaMA của Facebook.

Mặc dù các trang web trên nằm trong số các trang web liên quan đến tiền điện tử quan trọng nhất của C4, nhưng chúng được xếp hạng cao hơn so với các trang web và nguồn tin tức chính thống, thường bao gồm các chủ đề về tiền điện tử và có khả năng là nguồn chính cho tất cả dữ liệu liên quan đến tiền điện tử.

C4 cũng bị chỉ trích vì chứa ngôn từ kích động thù địch và dữ liệu vi phạm bản quyền. Mặc dù tên của tập dữ liệu gợi ý nó đã được “làm sạch”, nhưng trình biên dịch chỉ sử dụng danh sách 400 từ để kiểm duyệt nội dung cụ thể, nghĩa là nội dung gây tranh cãi vẫn còn nguyên.

Sự hiện diện của các trang web tiền điện tử cũng như sự hiện diện của dữ liệu gây tranh cãi có thể ảnh hưởng đến mức độ sai lệch được thấy trong nội dung do chatbot AI tạo ra.

Reddit, Stack Overflow tính phí thu thập dữ liệu cho các nhà phát triển AI

Reddit và Stack Overflow sẽ tính phí các nhà phát triển AI khi truy cập vào nội dung trang web của họ, Wired cho biết vào ngày 20/4.

Trong một cuộc phỏng vấn, CEO Prashanth Chandrasekar của Stack Overflow cho biết trang web của anh sẽ bắt đầu tính phí các nhà phát triển AI lớn để truy cập vào nội dung của họ.

Stack Overflow nổi tiếng với các diễn đàn cộng đồng hỏi đáp tập trung vào công nghệ. Không rõ trang web có thể tính phí bao nhiêu cho các nhà phát triển để truy cập 50 triệu trang của họ.

Trong một tuyên bố với Wired, Chandrasekar nói rằng:

“Nền tảng cộng đồng thúc đẩy các mô hình ngôn ngữ lớn hoàn toàn nên được trả tiền cho đóng góp của họ để những công ty như chúng tôi có thể tái đầu tư trở lại vào cộng đồng của mình…”

Anh cũng ám chỉ đến các kế hoạch tương tự từ trang mạng xã hội Reddit có ý định tính phí nhà phát triển AI để truy cập vào bài đăng của người dùng. Nhà sáng lập và CEO Steve Huffman của Reddit cũng đã đề cập đến ý định đó với New York Times vào ngày 18/4.

Một số bộ dữ liệu AI nhất định được tạo thành từ dữ liệu thu thập từ khắp nơi trên web. Gần đây, Washington Post đã phân tích các bộ dữ liệu đó và tiết lộ các trang web được trích nguồn thường xuyên nhất — nhiều trang trong số đó có thể sẽ sớm quan tâm đến việc kiếm tiền từ dữ liệu của họ.

Mặc dù không rõ số tiền mà các công ty này nhắm đến hoặc cách họ dự định kiếm tiền từ dữ liệu của mình, nhưng có nhiều nền tảng blockchain tồn tại vì mục đích này.

Fetch.ai là một nền tảng nhằm kiếm tiền từ dữ liệu AI, mặc dù dữ liệu do các ứng dụng AI tạo ra chứ không phải dữ liệu được sử dụng trong các ứng dụng đó. Fetch.ai gần đây đã huy động được 40 triệu đô la và là một trong những dự án lâu đời nhất trong danh mục này do ra mắt vào năm 2019.

SingularityNET xuất hiện cùng thời điểm, cũng nhằm kiếm tiền từ các dịch vụ liên quan đến AI. Họ đã đạt được những thành tựu đáng kể khi ra mắt GPT4 vào giữa tháng 3.

Cũng kiếm tiền từ dữ liệu AI, CryptoGPT là một dự án gần đây gây được tiếng vang tuy đáng ngờ do những tuyên bố đầy tham vọng và thời đại mới hơn.

Tuy nhiên, kiếm tiền dựa trên tiền điện tử là không thực sự cần thiết và có vẻ như nhiều trang web sẽ dựa vào cách kiếm tiền truyền thống.

Tham gia Telegram của Tạp Chí Bitcoin: https://t.me/tapchibitcoinvn

Theo dõi Twitter: https://twitter.com/tapchibtc_io

Theo dõi Tiktok: https://www.tiktok.com/@tapchibitcoin

Minh Anh

Theo AZCoin News

Được đề cập trong bài viết
Bình luận
Đang tải
Mới cập nhật

New York, NY, ngày 26 tháng 6 năm 2025, Chainwire Rose AI, một nền tảng dữ liệu đám mây hàng đầu tận dụng AI tạo ra để chuyển đổi cách các chuyên gia tài chính truy cập, hình dung và chia sẻ dữ liệu, hôm nay đã công bố quan... ...

Kể từ khi đạt đỉnh cục bộ ở mức 0,0000135 đô la cách đây hai tuần, Pepe (PEPE) đã đảo chiều mạnh, giảm gần 36% trong vòng một tháng. Memecoin này đã rơi vào mô hình kênh giảm giá, mà gần đây bật lại từ vùng đáy cục bộ quanh... ...

Mặc dù giá Bitcoin đạt mức cao kỷ lục, thợ đào vẫn không ngừng tích lũy thêm 4.000 BTC kể từ tháng 4, theo nghiên cứu mới nhất từ nền tảng phân tích on-chain CryptoQuant, công bố ngày 26 tháng 6. Báo cáo này cũng chỉ ra rằng doanh số... ...

Fartcoin (FARTCOIN) đang dần hụt hơi, khi ghi nhận mức giảm 1% vào thời điểm bài viết được thực hiện trong ngày thứ Năm, mở ra nguy cơ hình thành cây nến đỏ thứ ba liên tiếp trên biểu đồ hàng ngày. Trong khi làn sóng thảo luận về token... ...

Trong tuần qua, ADA, đồng tiền gốc của blockchain Cardano, đã ghi nhận hiệu suất kém nhất trong số 10 loại tiền điện tử hàng đầu theo vốn hóa thị trường. Đồng tiền này đã giảm gần 6% giá trị trong vòng 7 ngày, và có dấu hiệu cho thấy... ...

Giá trị token của Pi Network đã chứng kiến một sự tăng trưởng ấn tượng trong tuần này, đạt mức tăng 38% trước những thông tin đồn đoán liên quan đến việc tích hợp trí tuệ nhân tạo (AI) vào hệ sinh thái của Pi. Mặc dù không có thông... ...

Nhà phân tích Kevin Svenson, nổi tiếng với những dự đoán chính xác về Bitcoin, gần đây đã đưa ra một nhận định gây chú ý: các altcoin đang chuẩn bị cho một đợt tăng giá mạnh mẽ. Svenson đã chia sẻ trong phiên thảo luận chiến lược mới nhất... ...

Kể từ khi đạt mức đóng cửa cao vào thứ Hai, giá XRP dường như đã bước vào một giai đoạn dao động trong phạm vi hẹp, phản ánh sự thận trọng của thị trường. Biến động đi ngang này cho thấy các nhà đầu tư đang chờ đợi một... ...

Mới đây, Dogecoin (DOGE) đã retest vùng hỗ trợ $0,142 – mức đáy của vùng giao dịch từng được thiết lập từ tháng 4. Theo các nhà phân tích, dù DOGE đã có đợt tăng giá mạnh mẽ trong tháng 5, memecoin này vẫn đang giao dịch trong một biên... ...

Stellar (XLM) hiện đang dao động quanh ngưỡng $0,242 vào thời điểm viết bài thứ Năm, sau khi ghi nhận mức phục hồi gần 6% trong tuần này. Các tín hiệu từ thị trường phái sinh cho thấy tâm lý lạc quan đang quay trở lại, với funding rate của... ...

Xem thêm bài viết
Chọn chế độ hiển thị:
Bình thường Bảo vệ mắt Dark Mode