Perle Labs | การฝึกสอน AI แบบโมดูลาร์ ขับเคลื่อนด้วยแรงจูงใจจาก Web3
Perle Labs คือแพลตฟอร์มโครงสร้างพื้นฐานที่สร้างขึ้นบนคริปโต โดยมีเป้าหมายเพื่อเพิ่มประสิทธิภาพในวงจรข้อมูลการฝึกสอน AI ด้วยการผสานระบบการให้เครดิตแบบบล็อกเชน, การจ่ายเงินที่โปร่งใส และประวัติการทำงานที่ตรวจสอบได้ Perle เปลี่ยนการติดป้ายกำกับข้อมูลจากกระบวนการที่กระจัดกระจายและไม่โปร่งใส ให้กลายเป็นระบบนิเวศแบบโมดูลาร์ที่กระจายอำนาจ
ด้วยเงินทุนจำนวน $17.5 ล้านดอลลาร์จาก Framework Ventures และ VC ชั้นนำอื่น ๆ Perle ถูกวางตำแหน่งให้เป็นโครงสร้างหลักของการพัฒนา AI แบบ human-in-the-loop
สถาปัตยกรรมแพลตฟอร์ม
| องค์ประกอบ | รายละเอียด |
|---|---|
| เวิร์กโฟลว์ข้อมูลแบบโมดูลาร์ | รองรับการติดป้ายกำกับแบบมัลติโหมด (ข้อความ, รูปภาพ, เสียง, วิดีโอ) |
| การผสาน RLHF | การเรียนรู้แบบเสริมแรงจากความคิดเห็นของมนุษย์ สำหรับการปรับแต่งโมเดลแบบ agentic |
| การให้เครดิตแบบ onchain | หลักฐานการทำงานที่ตรวจสอบได้สำหรับผู้ติดป้ายกำกับและผู้เชี่ยวชาญเฉพาะด้าน |
| การจ่ายเงินแบบโปร่งใส | ระบบรางวัลแบบคริปโตสำหรับผู้มีส่วนร่วม |
| แพลตฟอร์มแบบบริการตนเอง | ทีมสามารถเปิดใช้งาน จัดการ และขยายเวิร์กโฟลว์การติดป้ายกำกับได้อย่างอิสระ |
Perle Labs ก่อตั้งโดยผู้เชี่ยวชาญจาก Scale AI, Meta, MIT และ Berkeley โดยมีความเชี่ยวชาญลึกในด้านการติดป้ายกำกับ, การประเมินโมเดล และการฝึกสอนแบบ agentic
💰 กลไกของโทเคนและการออกแบบแรงจูงใจ
แม้ว่า Perle Labs ยังไม่ได้เปิดตัวโทเคนสาธารณะ แต่โครงสร้างพื้นฐานของแพลตฟอร์มได้รับการออกแบบให้รองรับการให้รางวัลแบบ onchain โดยผู้มีส่วนร่วมสามารถรับรางวัลผ่าน:
- การทำงานที่ได้รับการตรวจสอบแล้ว
- การติดป้ายกำกับเฉพาะด้าน
- การให้ข้อเสนอแนะเพื่อปรับปรุงโมเดล
- การเข้าร่วมแคมเปญแบบ quest ผ่านแพลตฟอร์ม เช่น Galxe
รางวัลเหล่านี้จะถูกแจกจ่ายอย่างโปร่งใส พร้อมหลักฐานการทำงานแบบ onchain และประวัติที่ตรวจสอบได้ ซึ่งสามารถนำไปใช้ในการรับรอง, การ staking หรือการเข้าถึงแพลตฟอร์มในอนาคต
🏛️ การมีส่วนร่วมของสถาบัน
| กลยุทธ์ | รายละเอียด |
|---|---|
| เวิร์กโฟลว์การติดป้ายกำกับระดับองค์กร | ใช้ Perle สำหรับการฝึกสอนโมเดลภายในองค์กรในหลายอุตสาหกรรม |
| การเพิ่มคุณภาพข้อมูล | ใช้เครือข่ายผู้เชี่ยวชาญของ Perle เพื่อปรับปรุงข้อมูลเฉพาะกลุ่ม |
| การปฏิบัติตามกฎระเบียบและการให้เครดิต | ติดตามประวัติผู้มีส่วนร่วมเพื่อการตรวจสอบและความสอดคล้องกับข้อกำหนด |
| การขยายโมเดลแบบ agentic | ผสาน RLHF และโมดูลการปรับแต่งสำหรับ AI agent เฉพาะทาง |
| การเปิดใช้งานผ่านทุนวิจัย | ใช้ระบบนิเวศของ Perle สำหรับการวิจัยและพัฒนา AI ที่ได้รับทุนสนับสนุน |
👥 รายได้สำหรับผู้มีส่วนร่วมทั่วไป
| วิธีการ | รายละเอียด |
|---|---|
| งานติดป้ายกำกับ | ทำงานติดป้ายกำกับเพื่อรับรางวัลคริปโต |
| ข้อเสนอแนะต่อโมเดล | เข้าร่วมในรอบ RLHF และรับรางวัลตามผลกระทบ |
| เข้าร่วมแคมเปญ | เข้าร่วมแคมเปญผ่าน Galxe และแพลตฟอร์มอื่น ๆ เพื่อรับโทเคน |
| การสร้างชื่อเสียง | สร้างประวัติการทำงานแบบ onchain เพื่อการเข้าถึงและ staking ในอนาคต |
| การแนะนำและบทบาทในชุมชน | รับรางวัลจากการแนะนำผู้มีส่วนร่วมใหม่ หรือการตรวจสอบคุณภาพงานติดป้ายกำกับ |
📈 มุมมองเชิงกลยุทธ์
Perle Labs ไม่ใช่ผู้ขายข้อมูล แต่เป็นโครงสร้างพื้นฐานสำหรับการพัฒนา AI แบบกระจายอำนาจ ด้วยการจัดแนวแรงจูงใจระหว่างผู้ติดป้ายกำกับ, ผู้ฝึกสอนโมเดล และสถาบัน ทำให้สามารถสร้างเวิร์กโฟลว์ข้อมูลที่มีคุณภาพสูงและขยายได้ ซึ่งเหนือกว่าระบบแบบรวมศูนย์
จากการเปรียบเทียบ Perle สามารถทำงานติดป้ายกำกับแบบ human-in-the-loop ได้ดีกว่า Amazon Rekognition มากกว่า 70%
อนาคตของ AI ไม่ใช่แค่โมเดลที่ใหญ่ขึ้น — แต่คือข้อมูลที่ดีกว่า และ Perle Labs กำลังสร้างโครงสร้างพื้นฐานเพื่อส่งมอบสิ่งนั้น
