Where Do Frontier AI Models Actually Keep Their Data?

Frontier AI models touch four distinct data categories: training corpora (petabyte-scale, private), model weights (hundreds of GB to ~2 TB), inference logs (your prompts, retained longer than policies suggest), and enterprise retrieval data. All of it concentrates in a handful of hyperscale data centers financed increasingly by debt. Courts have already ordered OpenAI to preserve and produce chat logs users thought were deleted. Over 100 US municipalities have imposed moratoriums on new data centers, and the BIS has flagged AI capex as a financial stability risk. The EU AI Act's Article 53 now requires training data summaries, but the entire compliance chain rests on trust since no independent verification exists. Decentralized storage networks like Filecoin, Arweave, and Walrus don't train models but can provide cryptographic custody and verifiability for datasets, checkpoints, and audit logs — turning compliance claims into checkable receipts. The piece also promotes Xandeum, a storage layer readable by smart contracts, currently at 110 nodes and 355 TB capacity with minimal actual usage.

Nguồn: https://medium.com/@abdoubada/where-do-frontier-ai-models-actually-keep-their-data-6ec855d23213. 8sync News chỉ tóm tắt và dẫn link; bản quyền nội dung thuộc tác giả và nguồn gốc.

Đề xuất cho bạn

Medium1 Hot17 phút7 giờ trướcAI

Building a hybrid demand forecasting service: classical ML for the number, an LLM for the why

Bài viết đề xuất thiết kế một dịch vụ dự báo nhu cầu bán lẻ kết hợp mô hình học máy cổ điển (XGBoost/LightGBM) cho dự đoán số liệu cùng LLM để giải thích bằng ngôn ngữ tự nhiên. Tác giả thảo luận hai thách thức: rò rỉ dữ liệu trong phân chia train/test cho chuỗi thời gian và thiếu bộ dữ liệu kết hợp chuỗi nhu cầu với văn bản phong phú, đồng thời đề xuất các chiến lược dữ liệu và phương pháp đánh giá (TimeSeriesSplit, MASE) cho cả hai phần. Kiến trúc đề xuất sử dụng Microsoft Fabric/OneLake, Azure ML và Foundry Agent Service, nhưng lưu ý đây chỉ là bản thiết kế chưa triển khai thực tế.

Những lập trình viên xây dựng hệ thống dự báo doanh số thực tế sẽ tìm hiểu cách kết hợp ML truyền thống và LLM để tránh lỗi phân chia dữ liệu thời gian và tối ưu hóa giải thích cho người dùng mà không cần phải xây dựng từ scratch lại.