img

การระดมทุน 20 ล้านดอลลาร์ของ Reppo: การสร้างตลาดพยากรณ์แบบกระจายศูนย์และ Datanets เพื่อข้อมูลการฝึกอบรม AI คุณภาพสูง

2026/05/03 01:17:44

กำหนดเองข้อความหลัก

ด้วยการได้รับการรับรองเชิงกลยุทธ์มูลค่า 20 ล้านดอลลาร์สหรัฐจาก Bolts Capital Reppo กำลังนำพาตลาดการทำนายแบบกระจายศูนย์ให้ก้าวผ่านการเป็นพื้นที่การพนันไปสู่โครงสร้างพื้นฐานที่สำคัญสำหรับการพัฒนาปัญญาประดิษฐ์ การเคลื่อนไหวนี้ตอบโจทย์ปัญหาการขาดแคลนข้อมูลฝึกอบรมคุณภาพสูงที่ได้รับการตรวจสอบจากมนุษย์ทั่วโลก โดยใช้แรงจูงใจทางเศรษฐกิจคริปโตเพื่อยืนยันและจัดโครงสร้างข้อมูลแบบมัลติโมดัลสำหรับรุ่นปัญญาประดิษฐ์รุ่นถัดไป  

ทำไมโครงการตลาดการทำนายจึงได้รับรายได้แปดหลักอย่างฉับพลัน?

การประกาศเมื่อเร็วๆ นี้ว่า Reppo Foundation ได้รับการลงทุนเชิงกลยุทธ์มูลค่า 20 ล้านดอลลาร์สหรัฐจาก Bolts Capital ได้สร้างคลื่นสะเทือนในภาคส่วน AI แบบกระจายศูนย์ แม้ว่าตลาดการพยากรณ์แบบดั้งเดิมมักถูกมองว่าเป็นแพลตฟอร์มการพนันง่ายๆ สำหรับกีฬาหรือการเลือกตั้ง แต่ Reppo กำลังปรับเปลี่ยนเทคโนโลยีนี้ไปสู่ปัญหาที่ใหญ่กว่ามาก นั่นคือข้อจำกัดของข้อมูลการฝึกอบรม AI ทุนที่เพิ่มเข้ามา ซึ่งเสร็จสิ้นเมื่อวันที่ 23 เมษายน 2026 ถือเป็นการเดิมพันระยะยาวว่า การตัดสินใจของมนุษย์ที่ถูกล็อกไว้คือส่วนประกอบที่ขาดหายไปสำหรับการฝึกอบรมโมเดล AI คุณภาพสูง

 

การระดมทุนครั้งนี้ไม่ใช่แค่การเพิ่มมูลค่าในงบดุล แต่เป็นสัญญาณว่านักลงทุนสถาบันกำลังมองหาวิธีหลีกเลี่ยงการกักเก็บข้อมูลแบบศูนย์กลาง Bolts Capital คาดการณ์ว่าโปรโตคอลของ Reppo สามารถแปลงความคิดเห็นของมนุษย์แบบดิบๆ ให้กลายเป็นสัญญาณที่ตรวจสอบได้บนโซ่บล็อก ซึ่งบริษัท AI ต่างก็รอคอยอย่างเร่งด่วน เมื่อโมเดลเติบโตขึ้นอย่างซับซ้อน ความต้องการข้อมูลความจริงพื้นฐานที่ได้รับการยืนยันโดยบุคคลจริงที่มีส่วนร่วมจึงมีความสำคัญอย่างยิ่ง Reppo มีแผนใช้เงินทุนนี้เพื่อขยายโครงสร้างพื้นฐานและพิสูจน์ว่าเครือข่ายแบบกระจายศูนย์สามารถทำผลงานได้ดีกว่าบริการติดป้ายกำกับแบบดั้งเดิมที่เน้นศูนย์กลาง การลงทุนนี้ถูกออกแบบมาเพื่อปกป้องผลประโยชน์ของผู้ถือ REPPO ปัจจุบัน พร้อมให้ระยะเวลานานหลายไตรมาสสำหรับการพัฒนาทางเทคนิคเชิงลึก

การ Stake ทางการเงินสามารถรับประกันข้อมูลที่ดีขึ้นสำหรับการเรียนรู้ของเครื่องได้จริงหรือ?

ทฤษฎีของ Reppo คือแนวคิดที่ว่าผู้คนจะให้ข้อมูลที่ดีกว่าเมื่อพวกเขามีสิ่งที่ต้องเสียหาย การติดป้ายข้อมูลแบบดั้งเดิมมักพึ่งพาแรงงานที่ได้รับค่าจ้างต่ำซึ่งอาจรีบทำภารกิจ ทำให้เกิดข้อมูลที่มีเสียงรบกวนหรือไม่ถูกต้อง ซึ่งอาจทำลายประสิทธิภาพของโมเดล AI ได้ Reppo เปลี่ยนแนวทางนี้โดยใช้กลไกตลาดการพยากรณ์ ซึ่งผู้เข้าร่วมต้อง Stake โทเค็นบนความถูกต้องของการตัดสินของตน สิ่งนี้สร้างระบบที่สามารถแก้ไขตัวเองได้ โดยผู้มีส่วนร่วมที่ให้ข้อมูลคุณภาพสูงจะได้รับรางวัล และผู้ที่ให้ข้อมูลไม่ดีจะสูญเสียการ Stake ของตน ชั้นแรงจูงใจทางเศรษฐกิจคริปโตนี้รับประกันว่าข้อมูลที่ไหลเข้าสู่โมเดล AI ไม่เพียงแต่มีปริมาณมาก แต่ยังเชื่อถือได้อย่างสูง แพลตฟอร์มนี้ได้รับความนิยมอย่างมาก โดยมีปริมาณการเทรดเกินกว่า 2 ล้านดอลลาร์สหรัฐในเดือนที่ผ่านมาเพียงเดือนเดียว

 

ปริมาณนี้แสดงให้เห็นว่ามีความต้องการที่เพิ่มขึ้นสำหรับตลาดที่ vượtพ้นผลลัพธ์แบบชนะ/แพ้แบบง่ายๆ โดยการถือข้อมูลเป็นสินทรัพย์ที่สามารถซื้อขายได้ Reppo ช่วยให้นักพัฒนา AI สามารถซื้อปัญญาของฝูงชนที่ได้รับแรงจูงใจทางการเงินให้ถูกต้อง โมเดลนี้มีประสิทธิภาพเป็นพิเศษสำหรับงานที่มีลักษณะเชิงวิจารณ์ เช่น การปรับแต่งจริยธรรมของ AI หรือการประเมินความละเอียดอ่อนในการสื่อสารของมนุษย์ ซึ่งคำตอบใช่/ไม่ใช่แบบง่ายๆ จากแหล่งที่ไม่ผ่านการตรวจสอบนั้นไม่เพียงพอต่อข้อกำหนดของ LLM ยุคใหม่  

Datanets แก้ปัญหาข้อมูลเฉพาะทางที่ขาดหายได้อย่างไร

สถาปัตยกรรมของ Reppo อาศัยเครือข่ายย่อยเฉพาะทางที่เรียกว่า Datanets โดยแต่ละ Datanet ทำหน้าที่เป็นระบบนิเวศขนาดเล็กที่มุ่งเน้นไปที่ประเภทข้อมูลหรืออุตสาหกรรมเฉพาะ เช่น การถ่ายภาพทางการแพทย์ ข้อความทางกฎหมาย หรือแม้แต่กลยุทธ์การเล่นเกมเฉพาะเจาะจง ภายในสิ้นเดือนมิถุนายน 2026 ทีมงานมีเป้าหมายที่จะขยายเครือข่ายนี้ให้มากกว่า 100 Datanets เพื่อสร้างห้องสมุดข้อมูลเชิงลึกจากมนุษย์ที่หลากหลายซึ่งตัวแทน AI สามารถเข้าถึงได้ เครือข่ายย่อยเหล่านี้เป็นตลาดที่บอท AI สามารถจ่ายเงินโดยตรงให้กับมนุษย์เพื่อแลกเปลี่ยนความคิดเห็นและรสนิยมของพวกเขา โดยไม่ต้องผ่านตัวกลางแบบดั้งเดิม แนวทางแบบกระจายศูนย์นี้ช่วยให้สามารถสร้างชุดข้อมูลเฉพาะทางที่บริษัทแบบรวมศูนย์มักพบว่ามีต้นทุนสูงหรือยากเกินไปในการจัดทำ  

 

ความยืดหยุ่นของ Datanets เหล่านี้คือสิ่งที่ทำให้ Reppo โดดเด่นกว่าคู่แข่ง แทนที่จะใช้ฐานข้อมูลแบบมาตรฐานเดียว นักพัฒนาสามารถสร้าง Datanet ที่ออกแบบมาเฉพาะสำหรับความต้องการของโมเดลของตน ไม่ว่าจะเป็นข้อความ เสียง หรือวิดีโอ โปรโตคอลนี้รองรับการประมวลผลข้อมูลแบบมัลติโมดัล ซึ่งเป็นสิ่งจำเป็นเนื่องจาก AI กำลังเคลื่อนตัวไปสู่แอปพลิเคชันที่ซับซ้อนและใช้หลายประสาทสัมผัสมากขึ้น เนื่องจาก Datanets เหล่านี้เป็นแบบกระจายศูนย์ จึงสามารถดึงข้อมูลจากกลุ่มผู้เชี่ยวชาญทั่วโลกแทนที่จะเป็นแรงงานในพื้นที่เฉพาะ ความสามารถในการเข้าถึงระดับโลกนี้รับประกันว่าข้อมูลการฝึกอบรมจะมีความหลากหลายทางวัฒนธรรมและสะท้อนประสบการณ์ของมนุษย์ในวงกว้างมากขึ้น ลดอคติที่มักพบในชุดข้อมูลที่ถูกควบคุมโดยยักษ์ใหญ่ด้านเทคโนโลยีไม่กี่ราย 

เกิดอะไรขึ้นเมื่อบอทปัญญาประดิษฐ์เริ่มจ่ายเงินให้มนุษย์เพื่อความเชื่อของพวกเขา?

หนึ่งในมิติที่ทันสมัยที่สุดของวิสัยทัศน์ของ Reppo คือการเกิดขึ้นของความร่วมมือระหว่างมนุษย์กับปัญญาประดิษฐ์ โดยตัวแทนอัตโนมัติจะเป็นลูกค้าหลัก ตามที่ RG ผู้ร่วมก่อตั้ง Reppo Labs กล่าว เป้าหมายคือให้ตัวแทนปัญญาประดิษฐ์และหุ่นยนต์สามารถสร้าง Datanets ขึ้นมาเองและจ่ายเงินให้มนุษย์เพื่อรับข้อเสนอแนะ ในสถานการณ์นี้ หุ่นยนต์ที่พยายามเรียนรู้วิธีการเคลื่อนไหวในสภาพแวดล้อมทางสังคมที่ซับซ้อน อาจสร้างตลาดเพื่อสอบถามมนุษย์เกี่ยวกับวิธีการปฏิบัติตัวที่ถูกต้องในสถานการณ์เฉพาะเจาะจง มนุษย์ที่ให้ข้อมูลเชิงลึกที่แม่นยำหรือมีประโยชน์มากที่สุดจะได้รับรางวัลเป็น REPPO tokens สร้างเศรษฐกิจที่ยั่งยืน โดยปัญญาของมนุษย์กลายเป็นบริการที่ขายให้กับเครื่องจักร  

 

การเปลี่ยนแปลงนี้ช่วยผลักดันอุตสาหกรรมให้ก้าวพ้นข้อมูลนิ่งและล้าสมัยไปสู่การไหลเวียนของข้อมูลใหม่ๆ แบบเรียลไทม์ Reppo อ้างว่าระบบของพวกเขาสามารถให้การเข้าถึงข้อมูลใหม่ที่ผ่านการตรวจสอบโดยมนุษย์ทุกๆ 48 ชั่วโมง ซึ่งเป็นการพัฒนาที่ยิ่งใหญ่มากเมื่อเทียบกับชุดข้อมูลแบบดั้งเดิมที่มักล้าสมัยเป็นเดือนหรือปีก่อนจะถูกใช้ในการฝึกอบรม เมื่อโลกเปลี่ยนแปลงอย่างรวดเร็ว โมเดล AI จำเป็นต้องติดตามเทรนด์ของมนุษย์ คำสแลง และการเปลี่ยนแปลงทางวัฒนธรรมอย่างทันเวลา โดยการอนุญาตให้บอทมีปฏิสัมพันธ์โดยตรงกับมนุษย์ผ่านอินเทอร์เฟซที่อิงตลาด Reppo รับประกันว่า AI จะยังคงเกี่ยวข้องและสอดคล้องกับคุณค่าและความรู้ของมนุษย์ในเวลาจริง  

โทเค็น REPPO ขับเคลื่อนเศรษฐกิจปัญญาประดิษฐ์ใหม่นี้ได้อย่างไร?

โทเค็น REPPO เป็นหัวใจสำคัญของระบบนิเวศทั้งหมด ทำหน้าที่ทั้งเป็นแรงจูงใจและเครื่องมือใช้งาน เพื่อเริ่มต้น Datanet ใหม่ โครงข่ายย่อยต้องซื้อ REPPO จากตลาดเปิดเพื่อจัดสรรแรงจูงใจให้ผู้เข้าร่วม ซึ่งสร้างแรงซื้ออย่างต่อเนื่องขณะที่เครือข่ายเติบโตไปสู่เป้าหมายของ 100+ Datanet นอกจากนี้ ปริมาณโทเค็นถูกจำกัดที่ 1 พันล้านหน่วย โดยมีกลไกแบบลดปริมาณเพื่อให้รางวัลแก่ผู้ถือระยะยาว โดยการกำหนดให้มีการ Stake ทางการเงินเพื่อเข้าร่วม โทเค็นนี้รับประกันว่าทุกผู้มีส่วนได้ส่วนเสียในระบบ ตั้งแต่ผู้ให้ข้อมูลจนถึงนักพัฒนา AI จะมีเป้าหมายร่วมกันคือความถูกต้องของข้อมูล  

 

โครงสร้างโทเคโนมิกส์นี้มีจุดมุ่งหมายเพื่อสร้างผลกระทบแบบวงจรปั่นไฟ ยิ่งมี Datanets ถูกสร้างขึ้นมากเท่าใด ความต้องการ REPPO ก็ยิ่งเพิ่มขึ้น ซึ่งดึงดูดผู้เข้าร่วมมนุษย์มากขึ้นที่ต้องการรับรางวัล ซึ่งในทางกลับกันจะสร้างแหล่งข้อมูลการฝึกอบรมที่ใหญ่ขึ้นและมีคุณภาพดียิ่งขึ้น ทำให้เครือข่ายน่าดึงดูดยิ่งขึ้นสำหรับนักพัฒนา AI การระดมทุนเชิงกลยุทธ์จาก Bolts Capital มีเป้าหมายเฉพาะเจาะจงเพื่อเร่งวงจรนี้ เป้าหมายสุดท้ายคือการบรรลุปริมาณการเทรดของผู้ลงคะแนนเสียงที่ 500 ล้านดอลลาร์สหรัฐ ซึ่งเป็นเครื่องหมายสำคัญที่จะยืนยันให้ Reppo เป็นผู้เล่นหลักในทั้งภาคคริปโตและ AI

ทำไมข้อมูลแบบมัลติโมดัลจึงเป็นขอบเขตใหม่ที่ยิ่งใหญ่ถัดไปสำหรับ Reppo?

รุ่นปัญญาประดิษฐ์รุ่นแรกส่วนใหญ่มุ่งเน้นที่ข้อความ แต่อนาคตเป็นของโมเดลที่สามารถมองเห็น ได้ยิน และมีปฏิสัมพันธ์กับโลกได้ Reppo ได้ออกแบบโปรโตคอลของตนเพื่อจัดการกับการประมวลผลข้อมูลแบบมัลติโมดัลตั้งแต่เริ่มต้น ซึ่งหมายความว่าตลาดการพยากรณ์สามารถใช้ในการติดป้ายรูปภาพ ประเมินไฟล์เสียง หรือแม้แต่จัดอันดับคุณภาพของวิดีโอที่สร้างโดยปัญญาประดิษฐ์ ความยืดหยุ่นนี้มีความสำคัญอย่างยิ่ง เพราะการฝึกอบรมปัญญาประดิษฐ์ที่เป็นสากลอย่างแท้จริงต้องการข้อมูลที่มีโครงสร้างจำนวนมากข้ามสื่อต่างๆ Datanets ของ Reppo ถูกออกแบบมาเพื่อรองรับรูปแบบที่หลากหลายเหล่านี้ เพื่อให้มั่นใจว่าโปรโตคอลจะยังคงเกี่ยวข้องเมื่อเทคโนโลยีปัญญาประดิษฐ์พัฒนาต่อไป 

 

ความสามารถในการประมวลผลข้อมูลแบบมัลติโมดัลยังเปิดตลาดใหม่ให้กับ Reppo อีกด้วย ตัวอย่างเช่น Datanet สามารถใช้สำหรับการทดสอบแบบมีมนุษย์เข้ามาเกี่ยวข้องสำหรับอัลกอริธึมรถยนต์ขับเคลื่อนด้วยตัวเอง โดยผู้เข้าร่วมจะทำนายการกระทำที่ปลอดภัยที่สุดในสถานการณ์ภาพที่ซับซ้อน โดยการแปลงการตัดสินใจของมนุษย์เหล่านี้ให้เป็นสัญญาณที่สามารถตรวจสอบได้บนบล็อกเชน Reppo จึงให้ระดับความโปร่งใสและการตรวจสอบได้ที่ยากจะพบได้ในกระบวนการรวบรวมข้อมูลแบบดั้งเดิม การก้าวเข้าสู่พื้นที่มัลติโมดัลนี้เป็นส่วนสำคัญของระยะการพัฒนาถัดไปที่ได้รับทุนสนับสนุนจากเงินลงทุน 20 ล้านดอลลาร์ ทำให้ Reppo อยู่ตรงใจของยุคทองของ AI มัลติโมดัล  

ตลาดแบบกระจายศูนย์สามารถขยายขนาดให้รองรับการคาดการณ์มูลค่า 1 ล้านล้านดอลลาร์ได้หรือไม่?

ผู้ร่วมก่อตั้ง Reppo กำลังมุ่งเป้าไปที่เป้าหมายขนาดใหญ่ คือปริมาณการเทรด 1 ล้านล้านดอลลาร์สหรัฐต่อปีสำหรับตลาดการพยากรณ์ภายในสิ้นทศวรรษนี้ แม้ตัวเลขนี้จะดูเหมือนไกลเกินจริง แต่มันสะท้อนความเชื่อว่าตลาดข้อมูลจะกลายเป็นวิธีหลักในการกำหนดราคาและยืนยันข้อมูลของโลก ในขณะที่ปัญญาประดิษฐ์กลายเป็นส่วนสำคัญมากขึ้นของเศรษฐกิจโลก คุณค่าของข้อมูลที่ใช้ฝึกฝนมันจะพุ่งสูงขึ้น เป้าหมายของ Reppo คือการเป็นสถานที่หลักที่คุณค่านี้ถูกแลกเปลี่ยน หากตลาดการพยากรณ์สามารถพัฒนาไปไกลกว่าการเดิมพันแบบง่ายๆ และกลายเป็นเครื่องมือสร้างข้อมูลที่ซับซ้อน ตลาดเหล่านี้อาจสามารถจับส่วนแบ่งที่สำคัญของการใช้จ่ายโครงสร้างพื้นฐานปัญญาประดิษฐ์ทั่วโลกได้

 

การขยายขนาดไปสู่ระดับนี้ต้องการมากกว่าทุนเพียงอย่างเดียว แต่ต้องการโปรโตคอลที่มั่นคงซึ่งสามารถจัดการกับการซื้อขายหลายล้านรายการด้วยความยุ่งยากน้อยที่สุด Reppo กำลังใช้ทุนใหม่เพื่ออัปเกรดโปรโตคอลและพัฒนาเครื่องมือสำหรับนักพัฒนา เพื่อให้ทีม AI สามารถเชื่อมต่อข้อมูลที่ได้จาก Reppo ลงในกระบวนการเรียนรู้ของเครื่องของพวกเขาได้อย่างง่ายดาย โดยการทำให้การบูรณาการราบรื่นที่สุดเท่าที่จะเป็นไปได้ Reppo หวังว่าจะกลายเป็นสถานที่มาตรฐานสำหรับความร่วมมือระหว่างมนุษย์กับ AI ความก้าวหน้าของทีมในเป้าหมายด้านความสามารถในการขยายตัวเหล่านี้ถูกติดตามโดยนักวิเคราะห์อุตสาหกรรม โดยการลงทุนเชิงกลยุทธ์นี้ถูกบันทึกว่าเป็นตัวเร่งปฏิกิริยาสำคัญสำหรับการเติบโตในอนาคต  

เรปโปสามารถจัดการกับความต้องการที่เพิ่มขึ้นสำหรับปัญญาประดิษฐ์ที่สามารถตรวจสอบได้ได้หรือไม่?

เมื่อปัญญาประดิษฐ์มีการผสานรวมเข้ากับระบบสำคัญต่างๆ เช่น การดูแลสุขภาพและการเงิน ความต้องการปัญญาประดิษฐ์ที่สามารถตรวจสอบได้จึงพุ่งสูงขึ้นอย่างมาก ทั้งหน่วยงานกำกับดูแลและผู้บริโภคต่างต้องการทราบว่าโมเดลถูกฝึกอบรมอย่างไรและข้อมูลของมันมาจากที่ใด สัญญาณบนโซ่ของ Reppo ให้ประวัติการตรวจสอบที่โปร่งใสซึ่งแทบเป็นไปไม่ได้ที่จะลอกเลียนแบบในระบบแบบศูนย์กลาง ข้อมูลทุกชิ้นที่ใช้ในการฝึกอบรมสามารถติดตามย้อนกลับไปยังตลาดเฉพาะ เครื่องมือ Stake เฉพาะ และความเห็นพ้องต้องกันของวิจารณญาณของมนุษย์เฉพาะ ระดับความโปร่งใสเช่นนี้อาจกลายเป็นมาตรฐานทองคำสำหรับการพัฒนาปัญญาประดิษฐ์อย่างรับผิดชอบ  

 

การลงทุนเชิงกลยุทธ์จาก Bolts Capital มาถึงในเวลาที่เหมาะสมเพื่อตอบสนองความต้องการที่เพิ่มสูงขึ้นนี้ ในขณะที่โลกกำลังก้าวเข้าสู่ปี 2027 ความสนใจกำลังเปลี่ยนจากขนาดของโมเดลไปเป็นความน่าเชื่อถือของมัน แพลตฟอร์มของ Reppo ถูกออกแบบมาเพื่อส่งมอบความน่าเชื่อถือนั้น โดยใช้ปัญญาจากฝูงชนผ่านตัวกรองที่เข้มงวดและอิงตลาด Reppo กำลังรับประกันว่า AI ในอนาคตจะมีพื้นฐานอยู่บนความเป็นจริงของมนุษย์ เส้นทางจากเงินทุนเริ่มต้น 2 ล้านดอลลาร์สหรัฐไปสู่การรับรองเชิงกลยุทธ์ 20 ล้านดอลลาร์สหรัฐแสดงให้เห็นว่า Reppo ไม่ใช่แค่ห้องแล็บวิจัยอีกต่อไป แต่กำลังกลายเป็นส่วนสำคัญของโครงสร้างพื้นฐาน AI ระดับโลก  

คำถามที่พบบ่อย 

1. วัตถุประสงค์หลักของการระดมทุน 20 ล้านดอลลาร์สหรัฐสำหรับ Reppo คืออะไร?

 

การลงทุนเชิงกลยุทธ์มูลค่า 20 ล้านดอลลาร์สหรัฐจาก Bolts Capital มีเป้าหมายเพื่อเร่งการพัฒนาโปรโตคอล Reppo และขยายระบบนิเวศของ Datanets โดยภารกิจหลักคือการแก้ไขข้อจำกัดของข้อมูลการฝึกอบรม AI โดยใช้ตลาดการทำนายแบบกระจายศูนย์เพื่อสร้างข้อมูลคุณภาพสูงที่ได้รับการตรวจสอบโดยมนุษย์สำหรับโมเดลการเรียนรู้ของเครื่อง ทุนนี้ให้เส้นทางระยะยาวแก่ทีมในการสร้างโครงสร้างพื้นฐานที่ตัวแทน AI สามารถซื้อข้อมูลเชิงลึกจากมนุษย์ได้อย่างอัตโนมัติ  

 

2. Reppo แปลงตลาดการทำนายให้เป็นข้อมูลการฝึกอบรมได้อย่างไร

 

Reppo ใช้กลไกของตลาดการทำนาย ซึ่งผู้เข้าร่วมต้อง Stake โทเค็นบนความถูกต้องของการตัดสินหรือป้ายกำกับของตน สิ่งนี้สร้างแรงจูงใจทางการเงินสำหรับข้อมูลคุณภาพสูง เพราะผู้ที่ให้ข้อมูลที่ถูกต้องจะได้รับรางวัล ในขณะที่ผู้ที่ให้ข้อมูลที่มีเสียงรบกวนหรือไม่ถูกต้องจะสูญเสียการ Stake ของการตัดสินที่ได้รับการยืนยันเหล่านี้จะถูกแปลงเป็นสัญญาณบนโซ่ที่นักพัฒนา AI สามารถใช้ในการฝึกและปรับแต่งโมเดลของพวกเขา  

 

3. Datanets ในระบบนิเวศของ Reppo คืออะไรกันแน่?

 

Datanets เป็นเครือข่ายย่อยเฉพาะทางภายในโปรโตคอล Reppo ที่มุ่งเน้นไปที่หมวดหมู่ข้อมูลเฉพาะ เช่น ข้อมูลทางการแพทย์ กฎหมาย หรือข้อมูลแบบหลายรูปแบบ แต่ละ Datanet ทำหน้าที่เป็นตลาดอิสระที่นักพัฒนา AI สามารถร้องขอข้อมูลประเภทเฉพาะ และผู้เข้าร่วมมนุษย์สามารถจัดหาข้อมูลนั้นให้ Reppo มีเป้าหมายที่จะมีเครือข่ายเฉพาะทางมากกว่า 100 เครือข่ายดำเนินการภายในกลางปี 2026 เพื่อจัดหาทรัพยากรการฝึกอบรมที่หลากหลาย  

 

4. นักลงทุนหลักที่สนับสนุนมูลนิธิ Reppo คือใคร?

 

การลงทุนล่าสุดมูลค่า 20 ล้านดอลลาร์สหรัฐมาจากการลงทุนของ Bolts Capital ซึ่งอธิบายการลงทุนนี้ว่าเป็นการเดิมพันเชิงกลยุทธ์ต่ออนาคตของตลาดการทำนายในฐานะโครงสร้างพื้นฐานข้อมูล การสนับสนุนก่อนหน้านี้สำหรับ Reppo มาจากชื่อที่มีชื่อเสียงในอุตสาหกรรม ได้แก่ Protocol Labs ซึ่งโครงการนี้เริ่มต้นจาก Venture Studio ของพวกเขา และ CMS Holdings นักลงทุนเหล่านี้นำพาทั้งทุนทางการเงินและความเชี่ยวชาญทางเทคนิคลึกซึ้งในเครือข่ายแบบกระจายศูนย์  

 

5. เหตุใดการตัดสินใจของมนุษย์จึงถือว่าดีกว่าแหล่งข้อมูลปัญญาประดิษฐ์ในปัจจุบัน?

 

แหล่งข้อมูลการฝึกฝน AI หลายแหล่งในปัจจุบันพึ่งพาการดึงข้อมูลจากเว็บหรือการติดป้ายกำกับด้วยมือที่ไม่ผ่านการตรวจสอบ ซึ่งมักนำไปสู่ข้อมูลคุณภาพต่ำหรือมีอคติ ระบบของ Reppo รับประกันว่ามนุษย์มีส่วนร่วมทางเศรษฐกิจผ่านการวางหลักประกันด้วยคริปโต ซึ่งโดยทั่วไปแล้วจะนำไปสู่การประเมินที่รอบคอบและแม่นยำยิ่งขึ้น การตัดสินใจของมนุษย์ที่เป็นข้อมูลอ้างอิงที่แท้จริงนี้มีความจำเป็นอย่างยิ่งสำหรับการฝึกฝน AI บนหัวข้อที่ซับซ้อนและมีลักษณะเชิงอัตวิสัยซึ่งระบบอัตโนมัติแบบเรียบง่ายไม่สามารถจัดการได้  

 

6. ตัวแทน AI สามารถโต้ตอบกับแพลตฟอร์ม Reppo ได้อย่างไร?

 

Reppo ถูกออกแบบมาเป็นชั้นการประสานงานแบบไม่ต้องได้รับอนุญาต ที่อนุญาตให้ตัวแทน AI และบอทสามารถมีส่วนร่วมในตลาดได้อย่างอิสระ ตัวแทนเหล่านี้สามารถสร้าง Datanets ของตนเองเพื่อรวบรวมความคิดเห็นหรือความชอบเฉพาะที่พวกเขาต้องการเพื่อทำงานได้ดีขึ้น พวกเขาจ่ายเงินให้ผู้คนโดยตรงในรูปของโทเค็นสำหรับข้อมูลย้อนกลับนี้ สร้างวงจรการทำงานร่วมกันระหว่างมนุษย์กับ AI แบบเรียลไทม์ที่อัปเดตทุก 48 ชั่วโมงเพื่อให้โมเดลยังคงทันสมัย  

ข้อจำกัดความรับผิด 

เนื้อหานี้มีจุดประสงค์เพื่อให้ข้อมูลเท่านั้น และไม่ถือเป็นคำแนะนำด้านการลงทุน การลงทุนในคริปโตเคอเรนซีมีความเสี่ยง โปรดทำการวิจัยด้วยตัวเอง (DYOR)

คำปฏิเสธความรับผิดชอบ: หน้านี้แปลโดยใช้เทคโนโลยี AI (ขับเคลื่อนโดย GPT) เพื่อความสะดวกของคุณ สำหรับข้อมูลที่ถูกต้องที่สุด โปรดดูต้นฉบับภาษาอังกฤษ