Sapien هو "مُصنِّع بيانات" لامركزي يستخدم تقنية البلوك تشين، ومشاركة المجتمع العالمي، والحوافز الاقتصادية لتقديم بيانات تدريب واسعة النطاق، ومتخصصة، وعالية الجودة لنماذج الذكاء الاصطناعي. على عكس شركات تصنيف البيانات التقليدية، تُضفي سابين طابعًا لُعبيًا على مهام البيانات وتُكافئ المشاركين في جميع أنحاء العالم، بهدف كسر النموذج القديم للتحكم المركزي في البيانات.
مع النمو الهائل للذكاء الاصطناعي التوليدي ونماذج اللغات الكبيرة (LLMs)، يتزايد الطلب على بيانات تدريب عالية الجودة بشكل كبير. لكن أنظمة إنتاج البيانات التقليدية تواجه مشاكل هيكلية عميقة: إذ تحتكر حفنة من عمالقة التكنولوجيا البيانات عالية الجودة، مما يجعلها باهظة الثمن ويصعب الوصول إليها؛ وغالبًا ما تفتقر منصات التعهيد الجماعي إلى آليات ثقة قوية، مما يؤدي إلى جودة بيانات غير متسقة ونتائج تدريب ضعيفة للنماذج؛ والأهم من ذلك، أن مجموعات البيانات الحالية تتأثر بشكل كبير بالسياقات الثقافية الأنجلو أمريكية، مما يُدخل تحيزات جغرافية وثقافية تحد من إمكانية تطبيق الذكاء الاصطناعي عالميًا.
في ظل هذه الخلفية، تُقدم سابين نفسها كـ"مصهر بيانات لامركزي" يُقدم حلاً ثلاثي الأبعاد: اللامركزية، والحوافز الاقتصادية، ونظام السمعة. من خلال الجمع بين البنية التحتية لتقنية البلوك تشين، والتعاون المجتمعي العالمي، والمكافآت الاقتصادية، تبني سابين شبكة إنتاج بيانات مفتوحة وموثوقة وعالية الجودة، مُصممة لكسر السيطرة المركزية وتوفير بنية تحتية أساسية لعصر الذكاء الاصطناعي.
بنت Sapien مجتمعًا عالميًا حقيقيًا يضم أكثر من 110 دول، مُنشئةً شبكة موزعة من "عمال الذكاء الاصطناعي" تُعرف باسم سابين. يتلقى المشاركون مهامًا عبر المنصة، ويُجرون تصنيفًا للبيانات، ويحصلون على حوافز مقابل مساهماتهم. يُنجز هذا المجتمع أكثر من مليون مهمة يوميًا، بإجمالي إنتاج يبلغ 80 مليون عنصر مُصنّف، تشمل النصوص والصور والمقاطع الصوتية والفيديو، بالإضافة إلى وسائط ثلاثية ورباعية الأبعاد مُعقدة. كما تُظهر الشبكة تأثيرات شبكية قوية: فكل 10,000 مستخدم إضافي، تتحسن كفاءة إنجاز المهام بنسبة 8%، مما يُنشئ نظامًا مُستدامًا لإنتاج البيانات ← تغذية راجعة للجودة ← تحسين النماذج.
صُمم نظام مهام Sapien مع مراعاة آليات اللعبة، مُحوّلًا تصنيف البيانات إلى تجربة عمل رقمية تفاعلية وتنافسية وتراكمية. يستخدم النظام أربعة أبعاد للحوافز: المستويات، ونقاط الخبرة، والسمعة، وتحديات المهام.
يمكن للمستخدمين المشاركة من خلال:
فتح المهام: أكمل المهام الأساسية لكسب نقاط الخبرة وفتح حزم مهام ذات قيمة أعلى (مثل تصنيف الصور الطبية).
المراجعة التنافسية: تنافس في "ساحة التصنيف" حيث يتنافس المستخدمون على الدقة. يحصل المتفوقون على مكافآت رمزية إضافية.
نظام الهوية الافتراضية: تتضمن الخطط المستقبلية شارات NFT وشهادات إنجاز على السلسلة، مما يخلق تجربة ميتافيرس شبيهة بتجربة StepN.
سوق يُمكّن العاملين في مجال الذكاء الاصطناعي من العثور على مهام عند الطلب، مثل تنظيف النصوص، ووضع علامات على الصور، أو نسخ الكلام. تختلف المكافآت والنقاط حسب صعوبة المهمة.
نظام تحقق مزدوج: بعد تسليم المهمة، يُعاد تعيين العمل إلى مستخدمي ضمان الجودة للمراجعة، مما يضمن الدقة ويُحسّن من درجات سمعة المستخدمين.
يمكن للشركات الاتصال بمنصة Sapien عبر SDK أو API لإطلاق طلبات جمع بيانات مخصصة وتلقي بيانات مُوثّقة ومنظمة لاستخدامها في برامج الماجستير في القانون، والقيادة الذاتية، والرعاية الصحية، والتمويل، وغيرها.
اسم التوكن: SAPIEN
النقاط: تُكتسب بإكمال المهام، ويمكن تحويلها إلى توكن SAPIEN مستقبلًا.
المشاركة: يمكن للمستخدمين ذوي السمعة الطيبة مشاركة SAPIEN للحصول على أولوية الوصول إلى المهام ومضاعفات مكافآت أفضل.
تصويت الحوكمة: يمكن لحاملي SAPIEN التصويت على معايير المنصة، مثل معدلات المكافآت وأنواع المهام.
مشاركة الإيرادات: سيتم توزيع جزء من إيرادات الشركة المستقبلية على حاملي التوكن على المدى الطويل.
تخطط Sapien لتوزيع عمليات مشاركة التوكن على المشاركين الأوائل والمساهمين الرئيسيين في المهام.
وفقًا للمعايير الرسمية، ستُمنح الأولوية لما يلي: المستخدمون النشطون للغاية، ومُصنِّفو العلامات عالية الدقة، والمستخدمون الذين يُكملون مهام التحدي الخاصة، ومستخدمو Web3 المرتبطون بنقابات معروفة، والمحافظ النشطة على السلسلة أو مُحترفو شبكة Base. من المتوقع توزيع عمليات الإيردروب عبر لقطة نقاط قبل إطلاق التوكن.
Sapien ليست مجرد منصة لتصنيف البيانات، بل تهدف إلى بناء أكبر "طبقة بيانات" في العالم لتكون بمثابة بنية تحتية أساسية لعصر الذكاء الاصطناعي: نظام إنتاج بيانات قائم على الإجماع.
1) إطلاق توكن SAPIEN ونظام التخزين
2) توسيع دعم السلاسل المتعددة ليتجاوز Base ليشمل Solana وPolygon وغيرها
3) إطلاق حوكمة DAO، مما يُمكّن المجتمع من تصميم المهام ونماذج الإيرادات بشكل مشترك
4) تكامل عميق مع مشاريع الذكاء الاصطناعي
تحذير المخاطر: لا تُقدم هذه المعلومات نصائح استثمارية، أو ضريبية، أو قانونية، أو مالية، أو محاسبية، أو استشارية، أو أي خدمات أخرى ذات صلة، كما أنها لا تُشكل نصيحة بشراء أو بيع أو الاحتفاظ بأي أصول. تُقدم "تعلمMEXC" معلومات لأغراض مرجعية فقط، ولا تُشكل نصيحة استثمارية. يُرجى التأكد من فهمك الكامل للمخاطر المُحتملة وتوخي الحذر عند الاستثمار. MEXC غير مسؤولة عن قرارات المستخدمين الاستثمارية.
