OORT: Geboren aus zufälligen Momenten im Klassenzimmer, zielt es darauf ab, die KI-Entwicklung zu demokratisieren

Der KI-Sektor ist in ein explosives Zeitalter eingetreten. Laut dem Forschungsbericht „2024 AI Investment Report“ des Beratungsunternehmens Dealroom werden die weltweiten KI-Investitionen voraussichtlich 65 Milliarden US-Dollar erreichen, was einem Fünftel des gesamten Risikokapitals entspricht.

Artificial intelligence has entered an explosive era. According to a research report "2024 AI Investment Report" by consulting firm Dealroom, global AI investment is expected to reach $65 billion, accounting for one-fifth of all venture capital. Goldman Sachs' research department also stated that global AI investment could approach $200 billion by 2025.

Künstliche Intelligenz ist in ein explosives Zeitalter eingetreten. Laut einem Forschungsbericht „2024 AI Investment Report“ des Beratungsunternehmens Dealroom werden die weltweiten KI-Investitionen voraussichtlich 65 Milliarden US-Dollar erreichen, was einem Fünftel des gesamten Risikokapitals entspricht. Die Forschungsabteilung von Goldman Sachs gab außerdem an, dass sich die weltweiten KI-Investitionen bis 2025 auf 200 Milliarden US-Dollar belaufen könnten.

Thanks to the AI boom, funds are flocking to AI targets. For example, the A-share company Cambricon has surged over 560% since its low in February this year, with a market capitalization exceeding 250 billion RMB; the U.S. company Broadcom has surpassed a market value of $1 trillion, becoming the eighth largest publicly traded company in the U.S.

Dank des KI-Booms fließen Gelder in KI-Ziele. Beispielsweise ist das A-Aktienunternehmen Cambricon seit seinem Tief im Februar dieses Jahres um über 560 % gestiegen, mit einer Marktkapitalisierung von über 250 Milliarden RMB; Das US-Unternehmen Broadcom hat einen Marktwert von 1 Billion US-Dollar überschritten und ist damit das achtgrößte börsennotierte Unternehmen in den USA

The combination of AI and Crypto is also showing a hot trend. During the artificial intelligence conference hosted by Nvidia, Bittensor (TAO) led with a market value of over $4.5 billion, while assets like Render (RND) and Fetch.ai (FET) have seen rapid value growth.

Auch die Kombination von KI und Krypto zeigt einen heißen Trend. Während der von Nvidia veranstalteten Konferenz für künstliche Intelligenz lag Bittensor (TAO) mit einem Marktwert von über 4,5 Milliarden US-Dollar an der Spitze, während Vermögenswerte wie Render (RND) und Fetch.ai (FET) ein schnelles Wertwachstum verzeichneten.

Following large language models, AI Agents have become the engine of this round of AI market. For instance, the token of GOAT surged over 100 times in 24 hours, and ACT rose nearly 20 times in a single day, igniting the Crypto world's enthusiasm for AI Agents.

Nach großen Sprachmodellen sind KI-Agenten zum Motor dieser Runde des KI-Marktes geworden. Beispielsweise stieg der Token von GOAT innerhalb von 24 Stunden um mehr als das Hundertfache und ACT stieg an einem einzigen Tag um fast das Zwanzigfache, was die Begeisterung der Kryptowelt für KI-Agenten entfachte.

However, behind the rapid development of AI, there are also concerns. According to an article by Dr. Max Li, founder and CEO of OORT, published in Forbes titled "AI Failures Will Surge in 2025: A Call for Decentralized Innovation," the AI industry faces numerous issues, such as data privacy, ethical compliance, and trust crises caused by centralization, which increase the risk of AI failures. Therefore, decentralized innovation has become an urgent priority.

Allerdings stecken hinter der rasanten Entwicklung der KI auch Bedenken. Laut einem in Forbes veröffentlichten Artikel von Dr. und durch Zentralisierung verursachte Vertrauenskrisen, die das Risiko von KI-Ausfällen erhöhen. Daher ist dezentrale Innovation zu einer dringenden Priorität geworden.

Currently, OORT has established one of the world's largest decentralized cloud infrastructures, with network nodes covering over 100 countries, generating millions of dollars in revenue, and launching the open-source Layer 1 Olympus protocol (its consensus algorithm is "Proof of Honesty" PoH, protected by U.S. patents). Through the native token OORT, it encourages everyone to contribute data, achieving an incentive closed loop. Recently, OORT launched OORT DataHub, marking a further step towards global, diverse, and transparent data collection, laying a solid foundation for the explosion of DeAI.

Derzeit hat OORT eine der weltweit größten dezentralen Cloud-Infrastrukturen mit Netzwerkknoten in über 100 Ländern aufgebaut, die Einnahmen in Millionenhöhe generieren und das Open-Source-Layer-1-Olympus-Protokoll eingeführt haben (sein Konsensalgorithmus ist „Proof of Honesty“ PoH). , geschützt durch US-Patente). Durch den nativen Token OORT wird jeder dazu ermutigt, Daten beizutragen, wodurch ein geschlossener Anreizkreislauf entsteht. Kürzlich hat OORT den OORT DataHub ins Leben gerufen, was einen weiteren Schritt in Richtung globaler, vielfältiger und transparenter Datenerfassung darstellt und eine solide Grundlage für die Explosion von DeAI legt.

OORT Born from Accidental Classroom Moments

OORT Geboren aus zufälligen Momenten im Klassenzimmer

To understand the OORT project, one must first understand the problems OORT aims to solve. This involves discussing the current bottlenecks in AI development, primarily related to data and centralization issues:

Um das OORT-Projekt zu verstehen, muss man zunächst die Probleme verstehen, die OORT lösen möchte. Dabei geht es darum, die aktuellen Engpässe in der KI-Entwicklung zu diskutieren, die vor allem mit Daten- und Zentralisierungsproblemen zusammenhängen:

1. Disadvantages of Centralized AI

1. Nachteile zentralisierter KI

1. Lack of transparency leading to trust crises. The decision-making process of centralized AI models is often opaque, seen as "black box" operations. Users find it difficult to understand how AI systems make decisions, which can lead to severe consequences in critical applications such as medical diagnosis and financial risk control.

1. Mangelnde Transparenz führt zu Vertrauenskrisen. Der Entscheidungsprozess zentralisierter KI-Modelle ist oft undurchsichtig und wird als „Black-Box“-Vorgang angesehen. Für Benutzer ist es schwierig zu verstehen, wie KI-Systeme Entscheidungen treffen, was bei kritischen Anwendungen wie der medizinischen Diagnose und der Kontrolle finanzieller Risiken schwerwiegende Folgen haben kann.

2. Data monopoly and unequal competition. A few large tech companies control vast amounts of data, creating a data monopoly. This makes it difficult for new entrants to obtain sufficient data to train their own AI models, hindering innovation and market competition. Additionally, data monopolies may lead to the misuse of user data, further exacerbating data privacy issues.

2. Datenmonopol und ungleicher Wettbewerb. Einige große Technologieunternehmen kontrollieren riesige Datenmengen und schaffen so ein Datenmonopol. Dies macht es für Neueinsteiger schwierig, ausreichende Daten zu erhalten, um ihre eigenen KI-Modelle zu trainieren, was Innovation und Marktwettbewerb behindert. Darüber hinaus können Datenmonopole zum Missbrauch von Benutzerdaten führen, was die Datenschutzprobleme weiter verschärft.

3. Ethical and moral risks are hard to control. The development of centralized AI has raised a series of ethical and moral issues, such as algorithmic discrimination and bias amplification. Moreover, the application of AI technology in military and surveillance fields has raised concerns about human rights, security, and social stability.

3. Ethische und moralische Risiken sind schwer zu kontrollieren. Die Entwicklung der zentralisierten KI hat eine Reihe ethischer und moralischer Probleme aufgeworfen, wie etwa algorithmische Diskriminierung und die Verstärkung von Vorurteilen. Darüber hinaus hat der Einsatz von KI-Technologie im Militär- und Überwachungsbereich Bedenken hinsichtlich der Menschenrechte, der Sicherheit und der sozialen Stabilität geweckt.

2. Data Bottleneck

2. Datenengpass

1. Data desert. In the booming development of artificial intelligence, the issue of data deserts has gradually emerged as a key factor restricting further development. The demand for data from AI researchers has exploded, yet the supply of data has struggled to keep up. Over the past decade, the continuous expansion of neural networks has relied on large amounts of data for training, as seen in the development of large language models like ChatGPT. However, traditional datasets are nearing exhaustion, and data owners are beginning to restrict content usage, making data acquisition increasingly difficult.

1. Datenwüste. In der boomenden Entwicklung der Künstlichen Intelligenz hat sich nach und nach die Problematik der Datenwüsten als zentraler Hemmfaktor für die weitere Entwicklung herauskristallisiert. Die Nachfrage nach Daten von KI-Forschern ist explodiert, doch das Datenangebot kann kaum mithalten. Im letzten Jahrzehnt war die kontinuierliche Erweiterung neuronaler Netze auf große Datenmengen für das Training angewiesen, wie die Entwicklung großer Sprachmodelle wie ChatGPT zeigt. Allerdings sind herkömmliche Datensätze fast erschöpft und Dateneigentümer beginnen, die Nutzung von Inhalten einzuschränken, was die Datenerfassung immer schwieriger macht.

The causes of data deserts are multifaceted. On one hand, data quality is uneven, with issues of incompleteness, inconsistency, noise, and bias severely affecting model accuracy. On the other hand, scalability challenges are significant; collecting sufficient data is costly and time-consuming, maintaining real-time data is difficult, and manual annotation of large datasets poses a bottleneck. Additionally, access and privacy restrictions cannot be ignored; data silos, regulatory constraints, and ethical issues make data collection arduous.

Die Ursachen für Datenwüsten sind vielfältig. Einerseits ist die Datenqualität ungleichmäßig, da Unvollständigkeit, Inkonsistenz, Rauschen und Verzerrungen die Modellgenauigkeit erheblich beeinträchtigen. Andererseits sind die Herausforderungen bei der Skalierbarkeit erheblich; Das Sammeln ausreichender Daten ist kostspielig und zeitaufwändig, die Pflege von Echtzeitdaten ist schwierig und die manuelle Annotation großer Datensätze stellt einen Engpass dar. Darüber hinaus können Zugriffs- und Datenschutzbeschränkungen nicht ignoriert werden. Datensilos, regulatorische Einschränkungen und ethische Probleme machen die Datenerfassung mühsam.

Data deserts have a profound impact on AI development. They limit model training and optimization, potentially forcing AI models to shift from pursuing large-scale to more specialized and efficient approaches. In industry applications, achieving precise predictions and decisions becomes challenging, hindering AI's greater role in fields like healthcare and finance.

Datenwüsten haben tiefgreifende Auswirkungen auf die KI-Entwicklung. Sie schränken das Training und die Optimierung von Modellen ein und zwingen KI-Modelle möglicherweise dazu, von der Verfolgung groß angelegter Ansätze auf spezialisiertere und effizientere Ansätze umzusteigen. Bei Industrieanwendungen wird es zu einer Herausforderung, präzise Vorhersagen und Entscheidungen zu treffen, was die größere Rolle der KI in Bereichen wie dem Gesundheitswesen und dem Finanzwesen behindert.