AI+Web3 프로젝트 Vana 코어 아키텍처 DLP의 로직을 읽을 수 있는 기사

저자: 첸 지안 출처: X, @jason_chen998

이 단계에서 전체 암호 화폐 서클에는 AI, TG 및 Meme의 세 가지 보너스 트랙 만 있으며 후자의 두 VC는 진입조차 할 수 없으며 마지막주기 암호 화폐 서클은 너무 좋아서 돈을 벌 수 없습니다. A16Z, 패러다임, 폴리 체인은 투자를 기다리기 위해 많은 돈을 녹이기 쉽기 때문에 지금은 AI 스퀴즈에만 미쳐있을 수 있으므로 자금 소화 능력에서 큰 공개 체인 AI 외에도 볼 수있는 자금이 잡히고 이전과 같이 사하라, 바나가 방금 공식적으로 패러다임, 코인베이스를 얻겠다고 발표했습니다, 폴리체인의 포트폴리오에 합류한다고 공식 발표했습니다.

AI+Web3 프로젝트는 아래에서 위로 데이터, 연산, 애플리케이션의 세 가지 레이어로 분류할 수 있으며, 산업 체인의 흐름 관점에서 보면 데이터가 먼저 있고 → 그 다음 모델에 겹쳐지고 → 산술로 훈련되고 → 마지막으로 애플리케이션으로 전달되므로 산업 체인의 업스트림이자 희소성으로 데이터는 가장 높은 천장 판의 가치이기도 합니다. 천장은 판의 가장 높은 부분입니다.

하지만 AI 분야의 데이터 문제와 Web3가이 문제를 해결할 수있는 이유, 나는 우리가 이미 귀가 고치에서 문지르는 것을 들었고, 반복해서 사용자의 데이터에 대한 악한 뻔뻔한 대기업이 카트 바퀴의 돈을 판매하는 데 기여하는 것이 무엇인지, 중요한 것은이 일이 이제 문제가 매우 크지 만 다음과 같다는 것입니다. 가장 일반적인 경우는 Facebook의 메타 픽셀이며, 전 세계 웹 사이트의 30 %가이 스크립트를 설치했으며, 사용하는 데이터를 Facebook에 직접 전송하고 Reddit과 Google은 6 천만 달러의 계약을 체결하여 사용자의 데이터를 Google에 직접 사용하여 교육, Youtube, Twitter를 사용합니다. 말할 필요도없이 엉덩이가 깨끗하지 않아야하므로 블록 체인이 이러한 큰 문제 해결의 AI 데이터 확인의 배당 산업을 세계에서 가장 많이 갖추고 있다면, 그것은 실제로 카지노 장미로 분류되는 것에서 전체 마을의 희망으로, 이것은 가벼운 웨이정이며 트랙의 큰 돈을 조달 할 수 있으므로 큰 VC의 이사회는 투자하고 싶어합니다.

이것은 데이터 우대 조치 프로젝트를 해결하기 위해 많은, 아이디어도 이상하지만, 시스템의 개발은 성숙에서 육안으로 볼 수 있습니다, 오른쪽의 행동의 완료를위한 체인의 간단한 데이터의 시작부터 완벽한 원 스톱 플랫폼에 이르기까지, 다음 차트는 실제로 매우 간단한, 바나의 아키텍처입니다, 단지 매우 간단합니다. 두 개의 레이어, 데이터 이동성 레이어 DLP의 하단은 데이터의 수집과 체인의 단계를 완료하고, 데이터 응용 프로그램 레이어의 상위 레이어는 사용 가능한 데이터의 규칙 성을 제공하기 위해 응용 프로그램에 대한 DPL이며, 가장 핵심에있는 전체 Vana는 경제 모델과 가장 큰 한 판의 에어 드랍 인 DPL입니다.

< /span>

하나의 DLP가 아니라 각각 고유한 스마트 컨트랙트, 검증 방법, 노드 등을 갖춘 다수의 DLP가 존재하며, DLP 생성 신청에 대한 문턱은 없지만 메인 네트워크에 16개의 DLP 슬롯만 존재하며 현재 경제 모델에서 DLP 생성자와 참여자는 2년간 토큰 인센티브 총액의 17.5%를 공유하며 세계 최대 규모의 DLP 중 하나로 평가받습니다. 현재 경제 모델에서 DPL 제작자와 참여자는 2년간 총 토큰 인센티브의 17.5%를 공유하게 되며, 순위가 높을수록 DPL이 받는 인센티브 비율이 높아지기 때문에 매우 살찐 고기 조각이며 경쟁이 치열하며 DPL의 작동 방식 메커니즘이 Vana의 핵심입니다.

DPL은 특정 유형의 데이터 시나리오에 직접적으로 대응하는 여러 사람이 기여할 수 있는 '데이터 DAO'에 해당하며, 누구나 이 DAO에 데이터를 기여할 수 있으며, 예를 들어 TwitterDAO, RedditDAO 등이 있으며, 이러한 플랫폼에 자신의 데이터를 내보내서 넣을 수 있습니다. 내보내기나 크롤러 등을 통해 자신의 데이터를 이런 플랫폼에 넣어서 빠져나갈 수 있는 방법을 찾아서 업로드해서 데이터를 기여해서 돈을 벌 수 있다는 논리인데, 이런 플랫폼이 데이터를 가져다가 팔기 때문에 왜 직접 데이터 소유자가 업로드하는 공공 데이터 조달 시장을 하지 않느냐는 것인데, 문제는 이 데이터의 유효성과 포괄성을 어떻게 보장할 것인가, 그냥 무작위로 채워 넣는 사람들 풀이라면 좋은 아이디어가 될 것 같고요. Vana는 기술과 경제 모델 거버넌스 두 가지 방법을 통해 DPL 시스템을 구축합니다.

아래 그림에서 볼 수 있듯이 DPL에서 네 가지 작업을 할 수 있으며, DPL을 직접 만들 수 있으며, DPL의 생성자로서 해당 토큰의 40 %를 공유 할 수 있지만 난이도도 매우 큰 것은 단순히 테이블을 채우는 것이 아니라 DPL 데이터 소스, 유형 및 기타 기본 정보를 정의하는 것 외에도 스마트 계약, 데이터 검증 방법 등 일련의 문제를 해결해야하기 때문에 각 DPL, 데이터, 데이터 등의 문제를 해결해야합니다. 검증 방법 및 일련의 문제, 각 데이터 유형이 다르기 때문에 사용자가 업로드한 데이터가 유효한지 확인해야 하므로 다른 DPL 검증 방법은 완전히 다르며, 예를 들어 TwitterDAO DPL의 작성자는 데이터를 제공하려는 사용자에게 자신의 트위터 데이터를 효과적으로 가져오는 방법을 알려주는 방법을 찾아야 하며, 둘째, 더 중요한 것은 데이터를 제공하려는 사용자에게 자신의 트위터 데이터를 효과적으로 가져오는 방법을 알려주는 방법을 찾아야 한다는 것입니다! 두 번째로, 그리고 더 중요한 것은 그에 상응하는 검증 기술, 즉 사용자가 데이터를 업로드할 때마다 그 데이터가 결국 트위터가 아닌지, 데이터 내용의 형식은 유효한지, 쓰레기 데이터로 만든 기계는 아닌지 등 일련의 문제를 검증해야 하므로 각 DLP 제작자는 특정 분야의 데이터 문제를 전문적으로 해결하는 전문 스튜디오와 다름없습니다.

그래서 일반인이 직접 DPL을 만드는 것은 여전히 매우 어렵지만, 비슷한 바이트에 있었다면 내부 직원 또는 어느 전문 빅데이터 회사에서 데이터 분석 업무를 담당하고 있는 알리(Ali)가 담당하고 있습니다. 하지만 바이트나 알리와 같이 데이터 분석 업무를 담당하는 내부자나 전문 빅데이터 회사 출신이라면 DPL을 만드는 것은 매우 쉽습니다.

DPL을 생성할 능력이 없다면 위의 노드, 즉 다른 사람이 검증 방법 코드를 작성하고 노드인 여러분이 코드를 실행하여 사용자가 제출한 데이터를 검증하고 브로드캐스팅하여 수익을 창출하는 방식으로 할 수 있습니다.

앞서 한정된 16개 외에도 DPL의 순위가 매겨지고 순위가 높을수록 더 많은 보상이 지급된다고 언급했는데, 이 순위는 약정된 바나 코인의 수에 따라 결정되며 바나 보유자는 코인을 약정하여 가장 잘 개발되었다고 생각되는 DPL에 투표할 수 있고 그러면 DPL의 순위가 상승하고 그에 따라 인센티브가 더 많이 지급되며 더 높은 순위로 보상을 받을 수 있습니다. 더 많은 돈을 벌수록 더 많은 검증자와 기여자가 생겨 선순환이 일어나고, 서약자는 해당 DPL 인센티브의 20%를 받게 됩니다.

다음 차트는 현재 테스트 네트워크 단계의 DPL 순위를 보여주는데, 일부는 이미 사용할 수 있습니다. 예를 들어 방금 ChatGPT 데이터를 내보내는 테스트를 거쳐 DPL 중 하나에 기여하기 위해 업로드했으며, 테스트 네트워크에는 결국 16개의 DPL이 메인 네트워크에 들어갈 예정이므로 관심이 있으시면 DPL을 올려서 자리를 잡을 수 있는지 확인하실 수 있습니다. 따라서 관심이 있으시다면 테스트 네트워크에서 DPL을 받아 한 자리를 차지할 수 있는지 확인해 보실 수 있습니다.

하지만 동시에 DPL이 데이터를 유출하지 않도록 하는 방법이 문제입니다. 그렇지 않으면 DPL이 서로 데이터를 도용하거나 제3자가 유출하지 않을 수 있습니다. DPL이 서로 데이터를 훔치거나 제3자가 플랫폼 구매를 통해 직접 데이터를 얻지 못한다면 어떻게 해야 할까요? 우선 Vana는 EVM Layer1이지만 데이터는 업로드되지 않고 루트 데이터와 증명 데이터만 업로드되며, 그 외의 데이터는 인텔 SGX가 신뢰 실행 환경(TEE)을 통해 물리적으로 격리하여 데이터 유출을 방지하는데, 이는 앞서 소개한 @puffer_finance에서 사용하는 티어링 보호 기술과 동일합니다.

마지막으로, 아마도 AI가 코인 서클 마을 희망이지만 현재 Web3 + AI 내러티브뿐만 아니라 내러티브에만 머물러 있지만 실제로이 디자인 시스템 착륙 세트는 여전히 매우 장기적인 프로세스이며, 더 심각한 도전 외부의 기술 외에도 예를 들어 Google의 모델을 훈련하기 위해 데이터를 구매하려는 것과 같이 실제로 확립되었는지 여부는 상업적이며 결국에는 지출 할 큰 돈에 불과합니다. 결국, 레딧을 기성품의 정기적 인 데이터베이스로 보내거나 사용자가 데이터를 유지하고 기여하기 위해 사용자가 구매할 수있는 플랫폼으로 이동하기 위해 6 천만 달러를 직접 흔들 었습니까? 논리의 원에서 자체 일관성이있을 수 있지만 실제로 비즈니스에서 ROI를위한 싸움은 자체 일관성이 있거나 도로가 길어질 수 있습니다.