AI ma'lumot iqtisodiyotining yangi paradigmasi: modul asosidagi ma'lumotlarni oldindan qayta ishlash orqali DINning orzulari va tugunlarni sotish
Bugungi kunda dunyo miqyosida AI shubhasiz eng mashhur yo‘nalishlardan biri bo‘lib, nafaqat Silicon Valley’dagi OpenAI, balki Xitoydagi Moonshot va Zhipu Qingyan kabi kompaniyalar hamda ko‘plab yangi tadbirkorlar va an’anaviy yirik korxonalar ham ushbu AI inqilobiga ketma-ket kirib kelmoqda.

Kirish so‘zi
Bugungi kunda butun dunyo bo‘ylab AI shubhasiz eng mashhur yo‘nalishlardan biri bo‘lib, Silikon vodiysidagi OpenAI yoki Xitoydagi Moonshot, Zhipu Qingyan kabi yangi startaplar va an’anaviy yirik kompaniyalar bu AI inqilobiga ketma-ket kirib kelmoqda. U nafaqat texnologiya sohasida trendni belgilamoqda, balki bu yil kriptovalyuta bozorida ham eng yorqin sohalardan biri bo‘ldi. Bu yil yirik CEX-larda ro‘yxatga olingan loyihalarga nazar tashlasak, yaqinda bozor tebranishlariga qaramay, AI sohasining yetakchisi Bittensor (TAO) hanuzgacha 5 baravardan ortiq daromad ko‘rsatib, barcha yangi tokenlar ichida yetakchilik qilmoqda. AI texnologiyasining rivojlanishi va qo‘llanilishi bilan birga, ma’lumotlar AI taraqqiyotining asosi sifatida tobora muhim ahamiyat kasb etmoqda.
AI davrining to‘lqinida ma’lumotlarning ahamiyati va potensial qiymati misli ko‘rilmagan darajaga chiqdi
Statistik ma’lumotlarga ko‘ra, hozirgi asosiy AI yirik model kompaniyalari har yili yuz millionlab ma’lumotlar to‘plamini qayta ishlash va sarflashga majbur. Ushbu ma’lumotlarning samaradorligi va aniqligi AI modellarini o‘qitish natijalariga bevosita ta’sir qiladi. Biroq, ma’lumotlarni olish xarajatlari ham doimiy ravishda oshib bormoqda va bu barcha AI kompaniyalari uchun katta muammo hisoblanadi.
Natijani yaxshilash uchun ma’lumot sarfi kundan-kunga oshmoqda
Hozirgi bozorda yirik model kompaniyalari har yili juda katta hajmdagi ma’lumotlarni qayta ishlaydi va sarflaydi. Masalan, OpenAI GPT-3 modelini o‘qitishda taxminan 45TB matnli ma’lumotdan foydalangan, GPT-4 modelini o‘qitish xarajati esa 78 million dollarni tashkil qilgan; Google esa Gemini Ultra modelini o‘qitishda hisoblash xarajatlari 191 million dollar atrofida bo‘lgan. Bunday katta ma’lumot talabi faqat OpenAI bilan cheklanmaydi, boshqa AI kompaniyalari, masalan, Google, Meta va boshqalar ham yirik AI modellarini o‘qitishda ulkan hajmdagi ma’lumotlarni qayta ishlashga muhtoj.
Ma’lumotlarning samaradorligiga e’tibor qaratish kerak
Samarali ma’lumotlar yuqori sifatli, xatolardan xoli va boy xususiyatlarga ega bo‘lishi kerak, shunda AI modeli ulardan o‘rganib, aniq bashoratlar bera oladi. Masalan, OpenAI GPT-3 modelini o‘qitishda turli manbalardan, jumladan, kitoblar, maqolalar va veb-saytlardan olingan matnli ma’lumotlardan foydalangan, bu esa ma’lumotlarning xilma-xilligi va vakillik darajasini ta’minlagan. Biroq, ma’lumotlarning samaradorligi faqat manbasiga bog‘liq emas, balki ma’lumotlarni tozalash, belgilash va oldindan qayta ishlash kabi bosqichlarni ham o‘z ichiga oladi va bu jarayonlar ko‘p mehnat va resurs talab qiladi.
E’tibordan chetda qolmasligi kerak bo‘lgan iqtisodiy jihat – ma’lumotlarni yig‘ish va qayta ishlash xarajatlari
AI modellarini o‘qitishda ma’lumotlarni yig‘ish, belgilash va qayta ishlash xarajatlari ko‘pincha past baholanadi, lekin aslida bu xarajatlar juda katta bo‘lishi mumkin. Xususan, ma’lumotlarni belgilashning o‘zi ko‘p vaqt va mablag‘ talab qiladigan jarayon bo‘lib, ko‘pincha qo‘lda bajariladi. Ma’lumotlar yig‘ilgandan so‘ng esa, ularni tozalash, tartibga solish va qayta ishlash kerak bo‘ladi, shunda AI algoritmlari ulardan samarali foydalana oladi. McKinsey hisobotiga ko‘ra, yirik AI modelini o‘qitish xarajati bir necha million dollarga yetishi mumkin. Bundan tashqari, AI kompaniyalarining ma’lumot markazlari va hisoblash infratuzilmasini qurish va saqlash ham katta xarajatlarni talab qiladi.
Umuman olganda, AI yirik modellarini o‘qitish uchun katta hajmdagi yuqori sifatli ma’lumotlar zarur va bu ma’lumotlarning miqdori, samaradorligi va olish xarajatlari AI modelining natijasi va muvaffaqiyatini bevosita belgilaydi. Kelajakda AI texnologiyasi rivojlanishda davom etar ekan, ma’lumotlarni samarali yig‘ish va ulardan foydalanish AI kompaniyalari raqobatining muhim omiliga aylanadi.
Modulli ma’lumotlarni oldindan qayta ishlash qatlami, blokcheyn asosidagi markazsiz AI ma’lumotlar yechimi
Shunday sharoitda, DIN (avvalgi nomi Web3Go) birinchi modulli AI tabiiy ma’lumotlarni oldindan qayta ishlash qatlami sifatida paydo bo‘ldi. DIN markazsiz ma’lumotlarni tasdiqlash va vektorlash orqali har bir inson AI uchun ma’lumot taqdim etib, mukofot olishi mumkin bo‘lgan, har kim o‘z shaxsiy ma’lumotlarini monetizatsiya qilishi, korxonalar esa ma’lumotlarni samarali va iqtisodiy tarzda olish imkoniga ega bo‘ladigan ma’lumotlar iqtisodiyoti to‘lqinini boshlab bermoqda. Hozirda DIN Binance Labs’dan 4 million dollar miqdorida seed-round investitsiya olgan va keyinchalik boshqa tashkilotlar, hamjamiyat va KOL tarmog‘idan yana 4 million dollar pre-listing investitsiya olgan, hozirgi bahosi 80 million dollarni tashkil qiladi, bu esa bozorning uning ulkan salohiyati va kelajak rivojlanishiga yuqori baho berayotganini ko‘rsatadi. Uning hamkorlari orasida Polkadot, BNB Chain, Moonbeam Network va Manta Network kabi loyihalar bor.
DIN’ning ma’lumotlarni oldindan qayta ishlash tuguni – Chipper Node
DIN’ning bozor pozitsiyasi juda aniq bo‘lib, AI va ma’lumotlar sohasida markazsiz ma’lumotlar intellektual tarmog‘ini yaratishga intiladi.Chipper Node DIN ekotizimida muhim rol o‘ynaydi,ma’lumotlarni tasdiqlash, vektorlash va mukofotlarni hisoblash uchun javobgar bo‘lib, DIN ma’lumotlarni oldindan qayta ishlash qatlamining asosiy komponentidir.
Mas'uliyatni rad etish: Ushbu maqolaning mazmuni faqat muallifning fikrini aks ettiradi va platformani hech qanday sifatda ifodalamaydi. Ushbu maqola investitsiya qarorlarini qabul qilish uchun ma'lumotnoma sifatida xizmat qilish uchun mo'ljallanmagan.
Sizga ham yoqishi mumkin
"AI inqilobi"dan "AI katalizatori"ga, kiberxavfsizlik aksiyalarining mantiqi o'zgardi
Bozorda ilgari sun'iy intellekt (AI) tarmoq xavfsizligi kompaniyalarining raqobat ustunligini zaiflashtirishidan xavotir bor edi, biroq hozir AI agentlari yanada murakkab va tezkor hujumlarni yuzaga keltirib, kompaniyalar uchun tahdidlar doirasini kengaytirmoqda va xavfsizlik salohiyatini AI joriy etilishi bilan birga rivojlantirishga majbur qilmoqda. Shu bois kiberxavfsizlik mudofaa xarajatlaridan chiqib, AI ommaviy joriy etilishi uchun infratuzilmaga aylandi, bu esa talab asoslari, sektor qiymati va ETF ko‘rsatkichlariga ijobiy ta’sir etdi hamda bozorda uning o‘sish istiqbollari qayta baholanmoqda.
Yevropa fond bozoridagi katta o‘sishdan so‘ng, JPMorgan strateglari “selektiv joylashtirish”ni tavsiya qilmoqda: moliyaviy va sanoat sektorlari asosiy tanlovga aylangan
Yevropa fond bozorlaridagi katta o‘sishdan so‘ng, JPMorgan strategistlari endi tanlab sarmoya kiritishga ko‘proq e’tibor bermoqda.

iQIYI (IQ.US) 2026Q2 moliyaviy hisobotini e'lon qildi: Umumiy daromad 6,29 milliard yuan, strategik transformatsiyani to'liq amalga oshirishda davom etmoqda
iQIYI 2024 yil 30-iyun holatiga ko‘ra, tekshirilmagan ikkinchi chorak moliyaviy hisobotini e’lon qildi.

