OORT: 教室での偶然の瞬間から生まれ、AI 開発の民主化を目指す

AI 分野は爆発的な時代に突入しました。コンサルティング会社ディールルームの調査報告書「2024年AI投資報告書」によると、世界のAI投資は650億ドルに達すると予想されており、ベンチャーキャピタル全体の5分の1を占める。

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.

人工知能は爆発的な時代に突入しました。コンサルティング会社ディールルームの調査報告書「2024年AI投資報告書」によると、世界のAI投資は650億ドルに達すると予想されており、ベンチャーキャピタル全体の5分の1を占める。ゴールドマン・サックスの調査部門も、世界のAI投資は2025年までに2000億ドルに近づく可能性があると述べた。

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.

AIブームのおかげで、AIターゲットに資金が集まっている。例えば、A株企業キャンブリコンは今年2月の安値から560％以上急騰し、時価総額は2500億人民元を超えた。米国企業ブロードコムは時価総額1兆ドルを超え、米国で8番目に大きな上場企業となった

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.

AIと暗号通貨の組み合わせも熱い傾向を示しています。 Nvidia が主催した人工知能カンファレンスでは、Bittensor (TAO) が 45 億ドルを超える市場価値で首位に立った一方、Render (RND) や Fetch.ai (FET) などの資産は急速に価値が成長しました。

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.

大規模な言語モデルに従って、AI エージェントがこの AI 市場のエンジンとなっています。たとえば、GOAT トークンは 24 時間で 100 倍以上に急騰し、ACT は 1 日で 20 倍近く上昇し、暗号通貨業界の AI エージェントに対する熱意に火をつけました。

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.

しかし、AIの急速な発展の裏には懸念もあります。 Forbes に掲載された OORT の創設者兼 CEO の Max Li 博士による「2025 年に AI の失敗が急増: 分散型イノベーションへの呼びかけ」と題した記事によると、AI 業界はデータ プライバシー、倫理コンプライアンス、そして中央集権化によって引き起こされる信頼の危機により、AI の障害のリスクが増大します。したがって、分散型イノベーションが緊急の優先事項となっています。

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.

現在、OORT は、100 か国以上をカバーするネットワーク ノードを備えた世界最大の分散型クラウド インフラストラクチャを確立し、数百万ドルの収益を生み出し、オープンソースのレイヤー 1 オリンパス プロトコル (そのコンセンサス アルゴリズムは「Proof of Honesty」PoH) を開始しています。 、米国特許によって保護されています）。ネイティブ トークン OORT を通じて、全員がデータを投稿することを奨励し、インセンティブの閉ループを実現します。最近、OORT は OORT DataHub を立ち上げ、グローバルで多様かつ透明性のあるデータ収集に向けたさらなる一歩を示し、DeAI の爆発的な普及に向けた強固な基盤を築きました。

OORT Born from Accidental Classroom Moments

OORT は教室での偶然の瞬間から生まれました

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:

OORT プロジェクトを理解するには、まず OORT が解決しようとしている問題を理解する必要があります。これには、主にデータと集中化の問題に関連する、AI 開発における現在のボトルネックについての議論が含まれます。

1. Disadvantages of Centralized AI

1. 集中型AIのデメリット

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. 信頼の危機につながる透明性の欠如。集中型 AI モデルの意思決定プロセスは多くの場合不透明であり、「ブラック ボックス」操作とみなされます。ユーザーは、AI システムがどのように意思決定を行うかを理解することが難しいと感じており、医療診断や財務リスク管理などの重要なアプリケーションでは重大な結果につながる可能性があります。

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. データの独占と不平等な競争。少数の大手テクノロジー企業が膨大な量のデータを管理し、データ独占を生み出しています。このため、新規参入者が独自の AI モデルをトレーニングするのに十分なデータを取得することが困難になり、イノベーションと市場競争が妨げられます。さらに、データの独占はユーザーデータの悪用につながり、データプライバシーの問題をさらに悪化させる可能性があります。

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. 倫理的および道徳的リスクを制御するのは困難です。集中型 AI の開発は、アルゴリズムによる差別や偏見の増幅など、一連の倫理的および道徳的問題を引き起こしています。さらに、AI技術の軍事および監視分野への応用は、人権、安全保障、社会の安定に対する懸念を引き起こしています。

2. Data Bottleneck

2. データのボトルネック

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. データ砂漠。人工知能の開発が急成長する中、データ砂漠の問題がさらなる開発を制限する重要な要因として徐々に浮上してきました。 AI 研究者からのデータに対する需要は爆発的に増加していますが、データの供給が追いつくのに苦労しています。 ChatGPT のような大規模な言語モデルの開発に見られるように、過去 10 年間にわたり、ニューラル ネットワークの継続的な拡張はトレーニング用の大量のデータに依存してきました。しかし、従来のデータセットは枯渇に近づき、データ所有者はコンテンツの使用を制限し始めており、データ取得はますます困難になっています。

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.

データ砂漠の原因は多岐にわたります。一方で、データの品質にはばらつきがあり、不完全性、不整合、ノイズ、バイアスの問題がモデルの精度に深刻な影響を及ぼします。一方で、スケーラビリティの課題は重大です。十分なデータを収集するにはコストと時間がかかり、リアルタイム データの維持は難しく、大規模なデータセットへの手動のアノテーションがボトルネックとなります。さらに、アクセスとプライバシーの制限を無視することはできません。データサイロ、規制上の制約、倫理上の問題により、データ収集が困難になります。

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.

データ砂漠は AI 開発に大きな影響を与えます。これらはモデルのトレーニングと最適化を制限し、AI モデルが大規模なアプローチからより専門的で効率的なアプローチへの移行を余儀なくされる可能性があります。産業用途では、正確な予測と決定を達成することが困難になり、医療や金融などの分野での AI の大きな役割が妨げられます。