鑒于最近數(shù)據(jù)隱私控制丑聞,許多媒體如Current Media等進入加密領(lǐng)域。
與此同時,公司諸如Verasity公司利用區(qū)塊鏈平臺清除假新聞和不實觀點。
RightMesh在互聯(lián)網(wǎng)訪問受限國家/地區(qū)使用區(qū)塊鏈實現(xiàn)點對點連接用戶。
尋求免費便捷內(nèi)容的用戶越來越依賴互聯(lián)網(wǎng)。然而,非貨幣化、數(shù)據(jù)隱私和欺詐活動等重要缺陷令消費者和提供商有所動搖。
當前,為解決這些問題,越來越多的公司正在創(chuàng)建基于區(qū)塊鏈技術(shù)和加密貨幣技術(shù)的商業(yè)模式。
像Verasity這樣基于區(qū)塊鏈的媒體公司會通過加密貨幣對用戶、創(chuàng)作者和廣告商進行補償。
Current Media聯(lián)合創(chuàng)始人兼首席執(zhí)行官Dan Novaes接受采訪時透露,諸如Current Media這樣的企業(yè)受最近數(shù)據(jù)隱私控制事件影響而選擇進入加密領(lǐng)域。
其中一些公司的舉動歸因于歐洲通用數(shù)據(jù)保護條例及Facebook“劍橋分析”數(shù)據(jù)丑聞等事件。
該公司目前正與Apple Music、Spotify等不同媒體及內(nèi)容創(chuàng)作者合作,確保媒體制作者和用戶能夠通過觀看和制作內(nèi)容獲得獎勵。為此,該公司創(chuàng)建了CRNC令牌加密貨幣單元以獎勵內(nèi)容創(chuàng)建者。
由于YouTube在薪酬結(jié)構(gòu)上存在爭議,Novaes認為它是CRNC令牌的潛在用戶之一。
Novaes說:“只有原創(chuàng)者會有如此遭遇”,他補充道,“數(shù)十億人從平臺獲取免費音樂,而非通過Spotify或Apple Music訂閱。”
Current旗下每個基于以太坊的CRNC令牌價值24美分。公司不斷推出舉措,前一千名用戶將在數(shù)月內(nèi)開始使用。
清除虛假信息
Verasity聯(lián)合創(chuàng)始人Adam Simmons稱其公司開發(fā)了可清除虛假新聞的區(qū)塊鏈平臺。 Verasity是個由VERA Tokens推動的共享平臺,可用比特幣和以太坊購買,還可向觀眾及創(chuàng)作者支付報酬。
觀眾打賞最喜歡的創(chuàng)作者,可以創(chuàng)作者提供更多素材。隨著頻道觀看次數(shù)的增多,觀眾也可獲得報酬。觀眾也可通過瀏覽廣告獲取廣告商的報酬,而不是廣告商通過內(nèi)容中嵌入廣告只支付支付創(chuàng)造者費用。
Simmon表示:“更重要的是,用戶能看到他們點擊的內(nèi)容,這并非消極體驗。”“這對觀眾的參與方式產(chǎn)生了積極影響。”內(nèi)容查看者還可以選擇共享個人數(shù)據(jù)及其公開程度。
Simmons解釋道:“內(nèi)容創(chuàng)建者能夠得到匿名觀看人數(shù)的數(shù)值,可以清除僵尸用戶(有名無實的虛假用戶)。自動賬戶會導(dǎo)致虛假信息泛濫。如果大量僵尸用戶“瀏覽”了一篇文章,會誤導(dǎo)算法,從而讓其把該文章推送給更多真實用戶。
Verasity最近剛剛實現(xiàn)首次幣發(fā)行,預(yù)計今年年末將推出相關(guān)服務(wù)。
脫離網(wǎng)絡(luò),建立聯(lián)系
RightMesh是一家借助區(qū)塊鏈技術(shù),幫助網(wǎng)絡(luò)受限國家,建立用戶間點對點聯(lián)系的公司。這家公司完全繞開了網(wǎng)絡(luò),對于部分網(wǎng)絡(luò)受限的國家而言幫助很大。
“你是你,我是我,彼此獨立,這是區(qū)塊鏈的工作原理,” RightMesh首席執(zhí)行官John Lyotier稱,他的工作團隊在孟加拉國使用撥接高速網(wǎng)絡(luò)時產(chǎn)生了靈感:“用戶若不登陸網(wǎng)絡(luò),就無法獲得權(quán)限。”
RightMesh與孟加拉國地區(qū)的開發(fā)商合作探究如何建立遠程聯(lián)絡(luò)。一般而言,用戶只有通過無線網(wǎng)絡(luò)、藍牙或個人熱點才能上網(wǎng)。而RightMesh則通過安卓系統(tǒng)向用戶提供網(wǎng)絡(luò)。此外,與以太坊支持的RMESH代幣分享數(shù)據(jù)的用戶還可獲得報酬。
Lyotier認為:“互通不會消失,所以區(qū)塊鏈終將改變世界。沒有區(qū)塊鏈技術(shù)和通信,加密貨幣也無法發(fā)揮其最大潛力。”
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。