Недавно я ознакомился с анализом «Crypto Theses for 2026», опубликованным Messari, и в нем есть очень интересная точка зрения: современные большие модели обучаются на накапливаемых и синтезируемых данных, но их потенциал явно ограничен — настоящие преграды создают реальные взаимодействия в физическом мире и данные о них.

Это кажется логичным. Без достаточного количества сенсоров, информации о местоположении, экологических переменных и других первичных данных, модели в реальных сценариях применения легко сталкиваются с проблемами. Это не проблема алгоритмов, а проблема источников данных.

Это наблюдение прямо указывает на одну важную сторону: почему путь децентрализованных сетей данных (DePAI) вдруг стал таким важным. Вместо того чтобы позволять централизованным организациям монополизировать сбор и маркировку данных, лучше привлечь к участию глобальные сенсорные узлы, IoT-устройства и обычных пользователей, чтобы они вносили реальные данные. Это решает проблему недостатка достоверных данных для AI-моделей и одновременно дает владельцам данных справедливое стимулирование.