Το κορυφαίο σύνολο δεδομένων AI διαθέτει ιστότοπους κρυπτονομισμάτων στη ροή δεδομένων του

• Το Colossal Clean Crawled Corpus εξαρτάται από πολλαπλές πλατφόρμες κρυπτογράφησης για δεδομένα.
• Η ανάλυση δείχνει ότι μέρος των αποσπασμάτων κειμένου του C4 εξάγεται από ιστότοπους που βασίζονται σε κρυπτογράφηση.
• Η παρουσία τοποθεσιών κρυπτογράφησης στο σύνολο δεδομένων του C4 θα μπορούσε να επηρεάσει το επίπεδο μεροληψίας του.

Το κορυφαίο εργαλείο AI, Colossal Clean Crawled Corpus (C4), εξαρτάται από πολλές πλατφόρμες κρυπτογράφησης για ένα σημαντικό μέρος των δεδομένων του. Μια ανάλυση δείχνει ότι το C4 εξάγει εκατομμύρια αποσπάσματα κειμένου από ιστότοπους που βασίζονται σε κρυπτογράφηση ή πλατφόρμες Ιστού που σχετίζονται στενά με cryptocurrency.

Σύμφωνα με αναφορές, η Επιτροπή Κεφαλαιαγοράς των ΗΠΑ (SEC), η οποία τώρα περιέχει σημαντικό όγκο πληροφοριών που σχετίζονται με κρυπτογράφηση, αντιπροσωπεύει 36 εκατομμύρια μάρκες C4, που αντιπροσωπεύουν το 0.02% του συνόλου δεδομένων της πλατφόρμας. Ο ιστότοπος της SEC (sec.gov), από τον οποίο το C4 ανακτά τα δεδομένα, κατατάχθηκε στην 39η θέση μεταξύ των ιστοτόπων που εμπλέκονται από το C4.

Το Bitcointalk.org του Satoshi Nakamoto αντιπροσώπευε 6.1 εκατομμύρια μάρκες C4, που ισοδυναμούν με το 0.004% του συνόλου των μάρκων. Κατατάχθηκε ως ο 780ος ιστότοπος που δεσμεύεται από την πλατφόρμα.

Άλλες πλατφόρμες κρυπτογράφησης που δραστηριοποιούνται από το C4 για απόκτηση δεδομένων περιλαμβάνουν τον ιστότοπο ειδήσεων κρυπτογράφησης, την Cointelegraph και την πλατφόρμα συγκέντρωσης διακριτικών, CoinmarketCap. Αυτοί και έξι άλλοι σχετικοί ιστότοποι αντιπροσώπευαν το 0.008% όλων των κουπονιών C4, ενώ άλλοι ιστότοποι που σχετίζονται με συγκεκριμένα κρυπτονομίσματα αποτελούσαν ένα αμελητέο μέρος της εκπροσώπησης.

Το IPFS (ipfs.io) και το Steemit (steemit.com) εμφανίστηκαν σημαντικά στο σύνολο δεδομένων του C4. Η IPFS κατέλαβε την 16η θέση, ενώ η Steemit στην 594η θέση. Και οι δύο αυτοί ιστότοποι δεν εμπλέκονται άμεσα στην κρυπτογράφηση, αλλά έχουν σημαντικές κλίσεις προς τη βιομηχανία κρυπτογράφησης.

Η εμπλοκή πλατφορμών που σχετίζονται με κρυπτογράφηση σε C4 Εκπαίδευση AI διαδικασία εκθέτει την καταπάτηση των κρυπτονομισμάτων στο mainstream. Η έκταση εκπροσώπησης των ιστοτόπων κρυπτογράφησης είναι αρκετά σημαντική ώστε να επηρεάσει το αποτέλεσμα του C4, παρόλο που οι κύριοι ιστότοποι όπως η Google και το Facebook τους ξεπερνούν σημαντικά.

Το C4 έχει αντιμετωπίσει κριτική για πειρατικά δεδομένα και ρητορική μίσους, παρά τις αναφορές για «καθαρισμό» του συνόλου δεδομένων. Με μόνο 400 λέξεις στη λίστα του για τη λογοκρισία συγκεκριμένου περιεχομένου, υποδηλώνει ότι μπορεί να υπάρχει ακόμα αμφιλεγόμενο περιεχόμενο στο C4. Η παρουσία τοποθεσιών κρυπτογράφησης στο σύνολο δεδομένων του θα μπορούσε επίσης να επηρεάσει το επίπεδο μεροληψίας του.

Δημοσίευση Προβολές: 125