Pundi AI 已與 ZenO 合作，革新物理 AI 系統的訓練方式。透過來自現實世界和第一人稱人類經驗的更多資訊，為機器人和自主機器提供動力，隨著我們進入人工智慧能夠從除文字與程式碼之外的事物中學習的時代，這次合作將結合 ZenO 的數據集與鏈上記錄數據來源，打造一個獲取逼真且可驗證數據的市場，連結數位智慧（AI）與現實世界的物理環境。
缺失的連結 – 為何物理 AI 需要現實
為了讓機器人在實驗室之外的任何地方都能運作，它們需要理解人類的動作、這些動作周圍的空間，以及如何在考慮情境的情況下做出決策。大多數使用的數據集缺少一個關鍵元素——“第一人稱”視角的世界觀。這是建立能像人類一樣在擁擠城市中運作或操控極其脆弱物品的機器人的重要資訊。
此次合作利用現實世界的人類經驗來建立機器可讀的工作負載數據集。發布指出：“物理 AI 需要直接體驗世界。”像智慧眼鏡這樣的穿戴式科技將用來收集來自用戶眼睛和聽覺的感官數據，作為一個活生生的實體。以自我為中心的數據最適合用來訓練自主系統，因為它反映了生物體和自主系統如何體驗其環境。
確保數據完整性：鏈上溯源
這次合作的一個重要方面是專注於鏈上溯源。隨著 AI 出現幻覺和深偽技術變得普遍，訓練數據的完整性變得至關重要。透過在區塊鏈上記錄數據溯源，Pundi AI 建立了一個系統，使其市場中的數據能被確認、追蹤且不可篡改。
透過去中心化管理數據，開發者可以追溯所購買數據集的來源和歷史，因此較不可能用被篡改或偏見的數據來訓練機器人模型。這將帶來更安全、更可靠的自主 AI。這也符合在 Web3 領域中利用區塊鏈保障供應鏈安全的更廣泛趨勢，包括體育數據整合和創意資產。
賦能 Pundi AI 數據市場
作為一個即將推出的 AI-to-earn 市場，Pundi AI 數據市場將成為現實數據的中心來源，讓 AI 訓練提供者能夠獎勵用戶的貢獻。這將幫助 Pundi AI 建立一個更民主的 AI 發展模式及其更廣泛的應用。
ZenO 將通過提供“物理 AI”數據集，為數據獲取提供額外途徑，提升市場的實用性，而非僅依賴數位手段。麥肯錫預估，隨著生成式 AI 向物理自動化邁進，對高品質、專門化數據集的需求將呈爆炸性增長。Pundi AI 的基礎設施提供了一個高效的方式來分享和分發這些專門數據，讓新創公司和大型科技公司都能獲得改善其機器人算法所需的資源。
結論
在 Web3 和人工智慧的交匯點上，這次合作標誌著一個重要的發展。雙方將利用區塊鏈來保障數位資產的稀有性，並保存這些開發中機器人的歷史真實性，創造出第一人稱的體驗，讓人類能透過他們的視角來感知世界。機器人和物理 AI 將每天更頻繁地觸及物理世界。像 Pundi AI 這樣的平台將讓 AI 驅動的裝置在現實世界中以最優、最準確的方式進行訓練，以反映它們的真實狀況。
