Vi ser fram emot att dela med oss av @BloombergTV den kommande lanseringen av @psdnai (Poseidon AI), som inkuberas av Story och bygger på Story Blockchain.

Nästa våg av AI kommer inte bara att finnas i din webbläsare. Och det är inte datorer eller modeller som är problemet. Kommer snart – håll utkik.

Aria i överhuset 🇬🇧 Vi deltar i en panel om AI och de kreativa näringarna nästa vecka i London som arrangeras av @WIRED Summer Lab och @aifaventures. Arias @PalomarRo kommer att tala tillsammans med ledare från musik, mode, film och konst.

<Story, att få ny fart> En ny figur har anslutit sig till @StoryProtocol, som omformar innehållsindustrin genom IP-tokenisering. Han är Sandeep Chinchali, professor vid UT Austin och expert på AI, robotik och distribuerade system. Sandeep Chinchali, en före detta NASA-forskare, studerade generativ AI och molnrobotik vid Stanford och är för närvarande professor vid UT Austin, där han arbetar med autonom körning och distribuerade maskininlärningsmodeller. Under sin forskning installerade han svarta lådor direkt i fordon för att samla in data från den verkliga världen och analysera sällsynta scener som kallas "long-tail"-händelser. Han insåg djupt vikten av datakvalitet och knapphet genom att märka dessa data och träna lätta AI-modeller på TPU-hårdvara för djupinlärning. I samma veva ställde han en fråga till sig själv. – För att AI ska fungera korrekt i verkligheten behöver den data av hög kvalitet, inte bara modeller. Och för att samla in den informationen frivilligt är det nödvändigt med en effektiv incitamentsstruktur. Han hittade svaret på Story. @StoryProtocol definierar data inte bara som en resurs utan som IP och bygger ett belöningssystem i kedjan. Insamling av sällsynta data → Märkning → syntes → registrering på kedjan → royaltydistribution Varje steg spåras transparent i kedjan. Professor Sandeep förklarar det på följande sätt. "Jag registrerar en sällsynt körscen som fångats av min dashcam på Story, och en vän märker den. Baserat på detta skapar AI syntetisk data, genererar ansluten IP vid varje steg, och royalties distribueras automatiskt till alla bidragsgivare." Som Chief AI Officer för Story kommer professor Sandeep Chinchali att leda den övergripande AI-strategin, infrastrukturen för inlärningsdata på kedjan och utformningen av ett distribuerat databelöningssystem. Han definierar värdet av data på följande sätt. "Data är den nya IP-adressen."

Vi frågade @SPChinchali om IP:s roll i AI-eran. – I princip alla publika datamängder har en icke-kommersiell licens. "Ibland kan generativa AI-modeller som skapar bilder ha tränats på IP-osäkra data och de kan inte ens använda syntetiska data." "Det @StoryProtocol verkligen fokuserar på är nästa generations grundläggningsmodeller." "Du kan inte bara skrapa den informationen på internet."

Ett team av utvecklingsteam för AI-agenter

<Nästa kapitel börjar: Vi välkomnar Sandeep Chinchali som Chief AI Officer> Förra veckan delade vi med oss av Storys kapitel 2. Vår vision är att bygga den AI-baserade infrastrukturen för den sjuttio biljoner dollar stora IP-ekonomin. I dag går den visionen framåt. Jag är glad över att välkomna @SPChinchali som vår Chief AI Officer. När jag först såg Sandeeps bakgrund (Stanford PhD, NASA JPL, UT Austin professor, tidig ingenjör på ett nystartat företag som förvärvats av VMware) förväntade jag mig en djupt teknisk, akademisk profil. Det som stack ut var hur tydligt han kopplade sin kompetens till det som faktiskt behöver byggas. Han har tillbringat över ett decennium med att arbeta med ett av AI:s svåraste problem: hur man samlar in och strukturerar rätt verkliga data för att träna intelligenta system. Han har samlat in och märkt long-tail-data, tränat modeller på edge-enheter och mött samma begränsningar som AI-laboratorier nu stöter på. Hans tro på krypto kom från förstahandserfarenhet. Han såg det som den enda hållbara grunden för incitament, härkomst och samordning i stor skala. Med tiden blev den övertygelsen skarpare. Efter att ha arbetat med dessa problem i åratal i robotlaboratorier, i klassrum och på nystartade företag kom Sandeep till en tydlig slutsats: att lösa dem kräver något som är specialbyggt. När han såg vad vi hade byggt på Story klickade det direkt. Detta var den saknade biten. Och han tar människor med sig. En av de saker jag lade märke till tidigt i våra samtal är hur ofta han pratar om sina elever. Inte bara i förbifarten, utan med äkta stolthet och nyfikenhet. Han refererar till vad de bygger, vad som gör dem upphetsade, vilka frågor de ställer. Och på något sätt går dessa berättelser alltid tillbaka till det vi arbetar med på Story. Vanan att väva idéer mellan människor och discipliner är inte performativ. Det är bara så han tänker. Den nyfikenheten och öppenheten är en del av det som gör honom till en så kraftfull kommunikatör. Han minskar inte komplexiteten för tillgänglighetens skull. Han bygger broar. Oavsett om han pratar med forskare, byggare eller partners möter han människor där de är och för dem framåt. Det är precis den typen av tankesätt som passar stunden. Riktningen för den artificiella intelligensen blir allt tydligare. Tävlingen handlar inte längre om beräkning eller modelldesign. Beräkningen är koncentrerad. Modeller klonas inom några veckor. Det som fortfarande är sällsynt är data: särskilt IP-godkända, verkliga data som inte kan skrapas eller simuleras. Under de senaste månaderna har ledande AI-team kommit till oss och letat efter infrastruktur som gör den här typen av data användbar. De vill ha system där proveniens, behörigheter och royaltyflöden är inbäddade från början. Story är den enda infrastrukturen som är särskilt utformad för att möjliggöra detta i stor skala. Vi registrerar verkliga data som IP, spårar dess hela livscykel från registrering till annotering till syntetisk generering och dirigerar royalties för alla bidragsgivare. För att leda detta arbete behövde vi mer än teknisk expertis. Vi behövde någon som kunde matcha skalan och ambitionen i det vi bygger: någon med den sällsynta kombinationen av djupt systemtänkande, praktisk erfarenhet och genuin nyfikenhet. Det är Sandeep. Han har byggt inom robotik, maskininlärning och decentraliserad infrastruktur. Lika viktigt är att han bidrar med öppenhet och intellektuell generositet som gör honom till en kontakt. Han lyssnar noga, drar insikter över domäner och grundar allt i den större bilden. Den kombinationen av noggrannhet, tydlighet och syfte är precis vad det här ögonblicket kräver. Sandeep kommer att leda Storys AI-strategi inom forskning, produkt- och ekosystemutveckling, inklusive lanseringen av nya primitiver för decentraliserad data och träning. Detta är ett viktigt steg framåt för Story. Vi tror att data-IP kommer att definiera nästa era av AI. Med Sandeep ombord är den framtiden inom räckhåll. Låt oss bygga. Mer kommer nästa vecka.

Jag har ägnat min karriär åt att jaga en fråga: Hur samlar vi in rätt data för att få AI att fungera i den verkliga världen? Från Stanfords labb till UT Austins klassrum sökte jag överallt. Svaret är inte ännu ett AI-labb, utan en blockkedja byggd för att behandla data som IP. Det är därför jag ansluter mig till @StoryProtocol som deras Chief AI Officer. På Stanford studerade jag "cloud robotics", hur flottor av robotar kan använda distribuerad databehandling för att lära sig tillsammans. Jag monterade till och med en dashcam i min bil för att lösa detta: Om robotar bara kunde ladda upp 5–10 % av det de ser, hur skulle vi då kunna välja ut den mest värdefulla datan? Det mesta var tråkiga motorvägsfilmer. Men <1 % fångade sällsynta scener: självkörande Waymos, byggarbetsplatser, oförutsägbara människor. Dessa "long-tail"-data gjorde modellerna smartare. Jag handmärkte den, betalade till och med Google Clouds märkningstjänst för att kommentera mina filmer med nischade koncept som "LIDAR-enhet" och "autonomt fordon", och tränade modeller som kördes på en TPU i USB-storlek. Men akademin når bara till en viss gräns. På UT Austin skiftade mina frågor: → Hur crowdsourcar vi sällsynta data för att förbättra ML? → Vilka incitamentsystem fungerar egentligen? Det drog mig in på krypto – blockkedjor, tokenekonomier, till och med DePIN. Jag bloggade, skrev artiklar om decentraliserad ML, men undrade ändå: vem är det egentligen som bygger den här infrastrukturen? Av en ren slump kom jag i kontakt med Story-teamet. Jag blev inbjuden att hålla ett föredrag på deras kontor i Palo Alto. Klockan var 18.00 och rummet var fortfarande fullsatt. Jag svamlade om "Neuro-Symbolic AI" och avslutade med en bild som hette "A Dash of Crypto". Det samtalet övergick i en rådgivande roll, som nu blev något mycket större. Vi befinner oss i ett avgörande skede. Beräkning är till största delen löst. Modellarkitekturer kopieras över natten. Den verkliga vallgraven är data. Inte skrapad Reddit. Inte oändligt språk. Men rättighetssäkrade, long-tail, verkliga data som tränar förkroppsligad AI – robotar, AV, system som navigerar i vår röriga värld. Föreställ dig detta: Jag fångar en sällsynt körscen med dashcam och registrerar den på Story. En vän sätter en etikett på det. En AI-agent skapar syntetiska varianter. På Storys grafstrukturerade kedja blir var och en länkad IP. Royalties flödar tillbaka automatiskt. Alla får betalt, varje steg kan spåras i kedjan. Det är därför jag nu är Chief AI Officer på Story och bygger rälsen för decentraliserad, IP-godkänd träningsdata. Det är dags att göra data till den nya IP-adressen. Story är platsen att göra det på. Mycket mer kommer snart. Kom så går vi.

Robotik har varit ett område som utvecklats snabbt och har gjort betydande framsteg under de senaste åren, särskilt i samband med de senaste framstegen inom VLM. Detta får mig att undra hur ägandet av robotar ska hanteras.

Data är IP:s mest värdefulla tillgång. @StoryProtocol skriver om IP-infrastrukturen för att påskynda nästa våg av AI-innovation. Från träningsdata till IP-RWA:er – kapitel 2 är här, och det har bara börjat. 🧵⤵️