在2022年，我（Anna）提出了一种全新的用户数据拥有模型，该模型通过私人数据而非公共数据来训练基础模型。尽管可以利用公共数据（如维基百科、4Chan）来训练基础模型，但要实现更高水平的智能，需要优质的私人数据，这些数据通常存在于需要权限或登录才能访问的封闭平台（如Twitter、个人消息、公司信息）中。

数据隐私与平台控制的现状

如今，这一预测正在变成现实。Reddit和Twitter等平台已经意识到其数据的价值，因此限制了开发者访问其API（1、2），以防止其他公司使用其文本数据进行训练。这与两年前的情况截然不同。风险投资人Sam Lessin总结道：“这些平台以前就像随意丢弃垃圾，突然间意识到这些垃圾实际上是金子，于是开始锁紧垃圾箱。”例如，GPT-3曾使用WebText2进行训练，该数据汇总了Reddit中至少有三个赞的链接文本（3、4）。但使用Reddit的新API后，这种做法已不再可能。

互联网的开放性正在减少，孤立的平台正在筑起更高的围墙，以保护其宝贵的数据资源。

用户数据的潜力与挑战

尽管开发者面临访问限制，个人用户仍可以跨平台访问和导出自己的数据（5、6）。这一现象提供了一个重要机会：如果一亿用户能够导出他们的数据，就可以创建全球最大的数据宝库。这一宝库将汇总各大科技公司及其他机构收集的用户数据，这些公司通常不愿意分享这些数据。这将构建一个规模比当前领先模型大100倍的数据集（1）。

用户驱动的基础模型

用户可以利用这些数据创建一个用户拥有的基础模型，该模型的数据量超出任何单一公司的聚合能力。虽然训练基础模型需要大量的GPU计算，但每个用户可以利用自己的硬件贡献一部分计算能力，从而集合成一个更强大的模型（7、8、9）。例如，以太坊矿工的总计算能力是目前领先基础模型训练所需计算能力的50倍。

数据DAO：重塑数据所有权

为该模型做出贡献的用户将共同拥有和管理该模型。他们可以在使用模型时获得回报，甚至可以根据其数据对模型改进的程度获得奖励。用户集体可以制定使用规则，包括访问权限和控制措施。也许每个国家的用户都会创建自己的模型，代表各自的意识形态和文化，或者形成一个全球网络国家，每个网络国家都有其基于成员数据的基础模型。

个人服务器与未来展望

我鼓励大家思考自己希望拥有哪些基础模型的一部分，以及可以贡献哪些平台数据。您可能拥有的数据比想象中的更多——您的研究论文、未发布的艺术品、Google文档、约会资料、医疗记录、Slack消息等。通过个人服务器，您可以轻松整合这些数据，与本地的LLM（大语言模型）一起使用，并在未来训练您拥有的用户基础模型的一部分。

基础模型通常垄断市场，因为它们需要大量的前期数据和计算投资。我们不应仅满足于使用过时的开源模型，而应利用我们拥有的数据和计算能力创建最优秀的模型。随着人工智能越来越能够完成有价值的经济工作，经济结构正在经历巨大的变革。大型科技公司已经通过用户数据训练人工智能模型，并从中赚取巨额利润（1）。他们正追逐那些在公共互联网无法获取的数据，如从Reddit等公司购买私人数据，以提升收入至数万亿美元（2、3）。

数据DAO的角色

您是否不希望拥有由您的数据帮助创建的AI模型的一部分？数据DAO的使命正是解决这一问题。数据DAO是一个去中心化的实体，允许用户汇集和管理自己的数据，并通过数据集特定代币奖励贡献者。它类似于数据的工会，能够创建并出售超越大型科技公司数据集的数据（4）。DAO拥有对数据集的完全控制权，可以选择出租或出售匿名副本。例如，Reddit数据可以用于创建新的用户拥有平台，包括好友、历史帖子和其他数据，这些数据可以在新平台上随时使用。

结论

数据DAO不仅使用户受益，还推动了AI的发展，使得像开源软件一样构建AI成为可能，并让所有贡献者共享收益。随着开源AI努力寻找商业模式，数据DAO的技术架构可以应用于模型DAO，用户和开发者可以通过贡献数据、计算和研究获得模型的所有权。

当前社会的默认选项是允许大型科技公司掌握我们的数据，并用这些数据训练人工智能模型，从中获利。这对社会是不利的，但对科技公司却是有利的。防止这种情况的唯一方法是集体行动。数据就是货币，集体数据就是力量。我鼓励您参与：世界上第一个专注于Reddit数据的数据DAO已在Vana网络上线。通过打破少数特权阶层对数据的控制，数据DAO开启了真正用户拥有互联网的新篇章。