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.
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
- Giá Conflux (CFX) có thể bật lên khi chạm tới mức này
- Liệu AI có thể thay thế vị trí của các CEO?
- AI dự đoán như thế nào về Helium (HNT) và Fantom (FTM)?
Minh Anh
Theo AZCoin News
