ערכת הנתונים המובילים של AI כולל אתרי אינטרנט של מטבעות קריפטו בפיד הנתונים שלו

• Colossal Clean Crawled Corpus תלוי במספר פלטפורמות קריפטו לנתונים.
• ניתוח מראה שחלק מקטעי הטקסט של C4 מופקים מאתרים מבוססי קריפטו.
• נוכחותם של אתרי קריפטו במערך הנתונים של C4 עלולה להשפיע על רמת ההטיה שלו.

כלי הבינה המלאכותית המובילה, נקי סריקה נקייה קורפוס (C4), תלוי במספר פלטפורמות קריפטו עבור חלק ניכר מהנתונים שלה. ניתוח מראה ש-C4 מחלץ מיליוני קטעי טקסט מאתרים מבוססי קריפטו או פלטפורמות אינטרנט הקשורות קשר הדוק ל מטבע מבוזר.

על פי דיווחים, רשות ניירות הערך האמריקאית (SEC), המכילה כעת כמות משמעותית של מידע הקשור לקריפטו, אחראית ל-36 מיליון אסימוני C4, המהווים 0.02% ממערך הנתונים של הפלטפורמה. אתר האינטרנט של ה-SEC (sec.gov), שממנו C4 שואבת את הנתונים, דורג במקום ה-39 מבין האתרים ש-C4 עוסקת בהם.

Bitcointalk.org של Satoshi Nakamoto היווה 6.1 מיליון אסימוני C4, שווה ערך ל-0.004% מסך האסימונים. הוא דורג כאתר ה-780 שבו עוסקת הפלטפורמה.

פלטפורמות קריפטו אחרות שבהן מעורבת C4 לרכישת נתונים כוללות את אתר חדשות הקריפטו, Cointelegraph, ופלטפורמת צבירת האסימונים, CoinmarketCap. אלו ושישה אתרים קשורים נוספים היוו 0.008% מכלל האסימונים של C4, בעוד שאתרים אחרים הקשורים למטבעות קריפטוגרפיים ספציפיים היוו חלק זניח מהייצוג.

IPFS (ipfs.io) ו- Steemit (steemit.com) הופיעו באופן משמעותי במערך הנתונים של C4. IPFS מדורגת במקום ה-16, בעוד Steemit מדורגת במקום ה-594. שני האתרים הללו אינם מעורבים ישירות בקריפטו אך יש להם נטיות משמעותיות לתעשיית הקריפטו.

המעורבות של פלטפורמות הקשורות לקריפטו ב-C4's אימון AI התהליך חושף את פלישת מטבעות קריפטוגרפיים לזרם המרכזי. מידת הייצוג של אתרי קריפטו משמעותית מספיק כדי להשפיע על התוצאה של C4, למרות שאתרי אינטרנט מיינסטרים כמו גוגל ופייסבוק מדרגים אותם בצורה משמעותית.

C4 התמודדה עם ביקורת על נתונים פיראטיים ודברי שטנה, למרות הדיווחים על "ניקוי" של מערך הנתונים. עם רק 400 מילים ברשימה שלו לצנזור תוכן ספציפי, הוא מציע שעדיין יכול להיות תוכן שנוי במחלוקת בתוך C4. נוכחותם של אתרי קריפטו במערך הנתונים שלו עשויה גם להשפיע על רמת ההטיה שלו.

צפיות הודעה: 125