Delphi ilə Grass-ın təsisçisi arasında söhbət: Biz AI dövrünün gizli məlumat təminatçılarıyıq

"Gələcəkdə hansı AI sistemi olursa olsun, ona məlumatlara giriş lazımdır."

Təşkilat – Tərcümə: Foresight News

Qonaq: Andrej Radonjic, Wyn Labs-ın həmtəsisçisi və CEO-su, Grass rəhbəri

Aparıcı: Delphi Digital

2026-cı ilin oktyabrında Delphi Digital podkastı Wyn Labs-ın həmtəsisçisi və CEO-su Andrej Radonjic ilə müsahibə etdi. Grass layihəsinin rəhbəri olaraq, Andrej Grass-ın necə kiçik bir bant genişliyi paylaşma layihəsindən başlayaraq OpenAI, Anthropic kimi qabaqcıl AI laboratoriyalarına gizli məlumat təminatçısına çevrildiyini ətraflı izah etdi. Hal-hazırda Grass şəbəkəsində milyonlarla düyün var və AI laboratoriyalarına 1 milyard GB-lıq veb məlumatı təqdim edib. Bu söhbətdə, Andrej Grass-ın biznes strukturu, təlim məlumatları və çıxarış məlumatları bazarları, robot video məlumatlarının böyük imkanları və yeni təqdim olunan Live Context Retrieval məhsul dəstini tam şəkildə açıqladı.

Maraqlı fikirlər

• "İnternetin perspektivindən baxanda, bu adi istifadəçilərin normal internetə girməsi kimidir. Amma əslində bu, AI-nın qabaqcıl inkişafına qida verən böyük bir məlumat infrastrukturu platformasıdır."
• "Düzü, hazırda insanlara nəzərdə tutulmuş internetin əksəriyyətinə AI agentləri çətinliklə daxil ola bilirlər. Veb saytların standart siyasəti, bütün məlumat mərkəzi IP-lərini birbaşa bloklamaqdır."
• "Hazırda təlim məlumatları və çıxarış məlumatları iki ayrı şeydir, amma gələcəkdə bunlar birləşəcək. Nəticə modeli, yanğın su borusu kimi, davamlı olaraq real vaxt məlumatı alacaq."
• "Robot şirkətləri üçün ən çox istənilən şey, modellərin milyardlarla videoya baxaraq, alətləri necə istifadə etməyi, ev işlərini necə görməyi öyrənməsidir."
• "Həqiqi müdafiə divarı budur: siz infrastrukturunuza qoyduğunuz hər bir dollar, rəqiblərinizdən daha çox iqtisadi nəticə yaradır."
• "Grass-ın son vizyonu, AI-nın məlumatlara girişini təmin edən vasitə olmaqdır. Gələcəkdə hansı AI sistemi olursa olsun, ona məlumatlara giriş lazımdır ------ və Grass o borudur."

Aşağıda podkast söhbətinin tərcümə edilmiş xülasəsi (məzmun azaldılmışdır):

Grass VPN deyil, AI-nın gizli məlumat təminatçısıdır

Aparıcı: İlk öncə dinləyicilərimizə Grass-ın nə olduğunu izah edin. Siz bu sahəyə necə daxil oldunuz?

Andrej: Grass, milyonlarla düyündən ibarət bir şəbəkədir, istifadəçilər öz bant genişliyini könüllü olaraq paylaşır və bunun qarşılığında mükafat alırlar. Digər tərəfdən, müxtəlif məlumat infrastrukturları bu milyonlarla istifadəçinin bant genişliyindən istifadə edərək, geniş miqyasda veb məlumatlarına daxil olurlar.

Mən bu sahəyə necə daxil oldum? Bu, təsadüfi bir şeydir. Mən Kanadada mühəndislik fizikasını oxuyurdum, ixtisasım nüvə mühəndisliyi və fotonika idi. Məzun olanda, nüvə mühəndisliyi işləri Kanadanın daha uzaq yerlərində idi, mən isə 20 yaşlarımda oraya köçmək istəmirdim. Sonra başa düşdüm ki, fizika sahəsində öyrəndiyim bir çox bacarıqları maliyyə sahəsində istifadə edə bilərəm, buna görə bir neçə il maliyyə işində çalışdım, sonra isə hesablama fizikasında doktorantura oxumağa qayıtdım.

Pandemiya başlayanda, mən tətbiqi riyaziyyat üzrə doktorantura oxuyurdum, mürəkkəb fiziki tənlikləri modelləşdirirdim. Pandemiya dövründə çox boş vaxtım oldu, müxtəlif qəribə şeylər etməyə başladım. Bunlardan biri arbitraj robotu idi ------ fərqli veb saytlar arasında qiymət fərqlərini tapıb arbitraj etmək. Bu, böyük miqdarda veb tarayıcı tələb edirdi, beləliklə, veb tarayıcı sahəsinə düşdüm. Bir neçə ildən sonra iki həmtəsisçi ilə tanış oldum, hər birimizin təcrübələrini müzakirə etdik, bunun açıq-aşkar bir şey olduğunu düşündük və bu günə qədər davam etdik.

Niyə Agentlərin bu gün internetdə girməsi çətindir

Aparıcı: Siz o zaman başqalarının görmədiyi nələri gördünüz? Niyə bunu etməyə qərar verdiniz?

Andrej: Ən böyük siqnal pandemiya idi. Pandemiya dövründə əksər bizneslər onlayn mühitə keçdi, bir çox müəssisə məlumat əldə etmə yollarını ------ məsələn, qiymət məlumatları, hətta dövlətin CPI-ni ------ əvvəllər mağazalarda qiymətləri yazan adamlar göndərərək əldə edirdilər. Pandemiya dövründə mağazalar bağlandı, hamı onlayn alış-veriş etməyə məcbur oldu.

Veb infrastrukturu getdikcə daha inkişaf etmiş oldu, amma eyni zamanda veb məlumatlarına tələbat da partladı. Bir çox veb saytlar başa düşdü: biz məlumatları açıq etməliyik ki, insanlar bizi tapsın, məhsullarımızı alsın. Amma biz müştərilərin yalnız daxil olmasına icazə verən bir bağçalı divar qurmalıyıq, bütün məlumat mərkəzi IP-lərini bloklamalıyıq.

Avtomatlaşdırılmış veb məlumat infrastrukturu üçün tələbat o zaman partladı. O vaxt biz düşündük ki, bu tendensiya dayanmayacaq ------ maşın öyrənmə alqoritmləri getdikcə güclənir, bu, bütün internetə yayılacaq.

Aparıcı: Bəs indi AI Agentləri nələri edə bilmir? Nə şeylər getdikcə daha çətin olur?

Andrej: Düzü, hazırda insanlara nəzərdə tutulmuş internetin əksəriyyətinə AI agentləri çətinliklə daxil ola bilirlər. Və bu vəziyyət uzun müddət davam edəcək.

Bir çox səbəblər var. Bir çox veb saytlar müxtəlif səbəblərdən AI tarayıcılarını bloklayır ------ ya rəqiblərinin məlumatları taramasından qorxurlar, ya da AI-nın onların məzmununu istifadə etməsindən narahatdırlar. Amma səbəb nə olursa olsun, onlar kimlərin daxil olduğunu ayırd etməkdə çətinlik çəkirlər, buna görə də standart siyasət birbaşa bloklamaqdır: bütün məlumat mərkəzi IP-lərini bloklayın.

Əgər sizin Agent AWS-də işləyirsə, hər bir veb sayt bunun AWS IP-sini aşkar edə bilər. Sizin Agentiniz və rəqiblərinizin qiymətləri tarayan tarayıcıları veb saytın gözündə heç bir fərq yaratmır. Standart olaraq birbaşa bloklanır. Və bu vəziyyətin getdikcə daha çox yayıldığını görürük.

Bu yalnız Agentlərə deyil, həm də standart böyük modellərin istifadə senarilərinə, hətta böyük modellərin təlim prosesi üçün də aiddir ------ siz veb səhifələrdən təlim məlumatları toplamaq istədiyiniz zaman, eyni problemlə qarşılaşacaqsınız. Ən yaxşı təlim məlumatlarını əldə etmək üçün mümkün qədər çox məlumat əldə etməli, sonra onları süzgəcdən keçirməli və doğru məlumatları modelin çəkilərinə daxil etməlisiniz.

Təlim məlumatları vs Çıxarış məlumatları: AI-nın iki fərqli məlumat növünə ehtiyacı var

Aparıcı: İndi sizin işiniz həm təlim məlumatları, həm də çıxarış məlumatları var. Bu iki bazarın fərqləri haqqında danışa bilərsinizmi?

Andrej: Hazırda AI modellərinin təlimi belədir, bir təlim dövrü çox uzun müddət tələb edir. Əksər vaxt, əslində, məlumatları təlim üçün uyğun formata çevirməkdə keçir. Sonra siz modelin çıxışı əsasında daha çox məlumat yaradırsınız, buna gücləndirilmiş öyrənmə deyilir, sonra bu məlumatlara əsasən modeli tənzimləyirsiniz.

Amma model bir dəfə təlim olunduqdan sonra, real dünyada yerləşdirildikdə, onun bilikləri bir neçə saniyə içində bitir, real vaxtda davamlı öyrənə bilmir. Davamlı öyrənmə istiqaməti tədqiqatda olsa da, hələ də həll olunmayıb.

Beləliklə, hazırda iki tamamilə fərqli proses var:

• Təlim prosesi: internetin geniş miqyaslı məzmununu taramaq, çox faydalı əvvəlcədən təlim edilmiş məlumat dəstləri yaratmaq. Ölçüsü çox böyükdür, bəzən xüsusi bir dil, xüsusi bir fayl növü, xüsusi məzmun üçün hədəfli tarama edilir.
• Çıxarış prosesi: model təlim olunduqdan sonra, internetdə nələri görməli olduğunu bilmək lazımdır. Siz modeli AWS-də yerləşdirə bilərsiniz, amma əgər o məlumat mərkəzindədirsə, bir çox məzmunu görə bilmir ------ məsələn, yalnız müəyyən ölkələrə daxil olmaq mümkündür. Geniş miqyasda real vaxtda daxil olmaq üçün Grass kimi bir şəbəkə vasitəsilə trafik yönləndirmək lazımdır.

İndi bizi çox həyəcanlandıran yeni bir sahə çıxarış məlumatlarıdır. Əsas fikir budur ki, model real vaxtda kontekst məlumatı əldə etməlidir. Siz modeli istifadə edərkən, ya da model başqa bir model tərəfindən çağırıldığında, modelin faydalı olması üçün, o, ən son real dünya məlumatlarına daxil olmalıdır.

Gələcək illərdə, davamlı öyrənmə çərçivəsi kifayət qədər yetkinləşib geniş miqyasda işləyəndə, bu iki şey birləşəcək. Model, yanğın su borusu kimi, internetin real vaxt məlumatlarını davamlı olaraq alacaq, daim yenilənəcək.

AI-nın milyardlarla videoya baxaraq özünü öyrətməsi

Aparıcı: Siz qeyd etdiniz ki, artıq 100 milyarddan çox açıq veb video indeksləşmisiniz. Robot şirkətləri bu məlumatları necə istifadə edir?

Andrej: Dəqiq rəqəm artıq köhnəlmiş ola bilər, hazırda indeksləşdirdiyimiz 1000 milyarddan çoxdur. Mən "indeks" dediyimdə, çünki biz hər videonu kor-koranə yükləmirik ------ video bu vasitə çox sıxdır, saxlamaq və işləmək çox bahalıdır. Biz hədəfli tarama edirik.

Robotlar və robot məlumatları hazırda çox maraqlı bir sahədir. İlk öncə maşın öyrənmə tədqiqatının əsas məntiqini izah edim: əgər siz nəyi optimallaşdırmağı bilirsinizsə, məlumat formatı da uyğun olarsa, o zaman maşın öyrənmə ilə işləmək çox xoşdur. Siz tanış alqoritmlərə bir dəstə məlumat atırsınız, o, tez bir zamanda oradan öyrənir.

İndi robot tədqiqatçıların ideal vəziyyəti, modellərin milyonlarla videoya (dəqiq desək, onlarla milyard videoya), milyonlarla podkastı dinləməyə, trilyonlarla internet məzmununu oxumağa imkan verməkdir, sonra bu məlumatlardan necə hərəkət etməyi, necə ümumiləşdirməyi öyrənməkdir. Məsələn, mən bir insanın ot biçənlə necə işlədiyini gördüm, o zaman robot kimi mən bunu necə etməyi bilirəm. Mən onun necə getdiyini, necə hərəkət etdiyini, alətləri necə tutduğunu gördüm, milyonlarla dəfə baxdıqdan sonra, yalnız alqoritm və parametrlər doğru olduqda, mən bunu özüm öyrənəcəyəm.

Bədən intellekti şirkəti Generalist AI-nın modeli, insanların bu davranışı yalnız videolara baxaraq öyrənə biləcəyini sübut edən ilk model ola bilər ------ məsələn, müəyyən rəngli bir topu götürüb bir stəkana qoymaq. Onlar həmçinin real vaxtda göstərdilər: bir insan bu hərəkəti etdi, model bunu gördükdən sonra, robot eyni hərəkəti tam şəkildə təkrarladı.

O vaxtdan bəri, başqa bir bədən intellekti şirkəti Skild AI də bir məqalə yayımladı ki, bu davranış veb videoları ilə miqyaslana bilər. Beləliklə, hazırda veb videolarına tələbat sürətlə artır.

Live Context Retrieval: Anti-tarayıcı mühəndisliyi bir API-yə çevirmək

Aparıcı: Siz son zamanlarda Live Context Retrieval (LCR) adlı yeni məhsul dəstini təqdim etdiniz, bunun haqqında ətraflı danışa bilərsinizmi?

Andrej: Bəli, bu, yeni təqdim etdiyimiz Məzmun API-sidir, bütün məhsul dəstinin ilkidir. Sonra axtarış (search) məhsulu olacaq, daha sonra multimodal qabiliyyətlər əlavə ediləcək ------ məsələn, audio dinləmək, şəkil oxumaq, semantik anlamaq və s.

Məzmun API-nin ən gözəl tərəfi budur ki, bu, əvvəllər daxili istifadə üçün olan bir alətdir. Komanda müxtəlif modalitələrin təlim məlumatlarını geniş miqyasda toplamaq üçün yalnız yaşayış IP şəbəkəsindən istifadə etmək bəzən kifayət deyil ------ siz TLS izini idarə etməlisiniz, serverdə effektiv şəkildə brauzeri render etməlisiniz, davamlı olaraq dəyişən sorğu modelləri ilə işləməlisiniz, əks halda veb sayt sizi bloklayacaq. (Qeyd: TLS, hazırda internetdə brauzer və veb sayt arasında olan o şifrələmə tunelidir, sizin göndərdiyiniz məlumatların başqaları tərəfindən oğurlanmadığını təmin edir, həmçinin qarşı tərəfin həqiqi veb sayt olduğunu təsdiqləyir.) Daxili olaraq təlim məlumatlarını effektiv şəkildə toplamaq üçün mühəndislərimiz çox istifadə olunan bir veb məzmun API-sini yaratdılar, hər kəs birbaşa çağırır, hər dəfə sıfırdan tarayıcı yazmağa ehtiyac yoxdur.

Sonra gördük ki, bu məhsul artıq sənayedə ən yüksək səviyyəyə çatıb, bazardakı əksər şeylərdən daha yaxşıdır. Buna görə də, onu LCR dəstinin ilk açıq məhsulu kimi təqdim etdik.

Bu nədir? Biz bütün prosesi ------ qlobal yaşayış agentlərinin veb sorğularını idarə etmək, brauzeri yükləmək, anti-tarayıcı strategiyalarını konfiqurasiya etmək ------ bir API çağırışına sadələşdirdik. Siz yalnız ona bir URL verməlisiniz, o, tez bir zamanda sizə veb saytın məzmununu təqdim edəcək. Siz həmçinin hansı ölkənin perspektivindən daxil olmağı seçə bilərsiniz, Markdown və ya düz mətn formatında çıxara bilərsiniz.

Növbəti təqdim ediləcək axtarışdır. Niyə axtarışın LCR-nin qəbulunu sürətləndirəcəyini deyirəm? Çünki adi agent hər dəfə internetə daxil olarkən 5-dən 50-yə qədər veb səhifəyə daxil olmalıdır, mürəkkəb çıxarış zamanı daha çox. Məzmun API, artıq hansı veb saytları izləmək istədiyini bilən müştərilər üçün uyğundur. Axtarış işə düşdükdən sonra, model haradan məzmun tapacağını bilmək lazım olmayacaq ------ birbaşa Axtarış API-sini çağıracaq, sonra Məzmun API-sini çağıraraq məzmunu çıxaracaq.

Qabaqcıl AI laboratoriyaları ilə əməkdaşlıq, müdafiə texnologiyası kimi gizli

Aparıcı: Bu qabaqcıl AI laboratoriyaları ilə əməkdaşlıq etmək necədir? Onların tələbləri necə dəyişir?

Andrej: Çox gözəldir, dostum. Tamamilə abartmadan, AI-nın geriyə baxanda bu nəsil, hətta insan tarixinin bir dövrünü müəyyən edən bir texnologiya olacağını düşünürəm. Bu modellərin necə tədricən inkişaf etdiyini görmək, insan sivilizasiyasının qabiliyyətlərini artırmaqda kömək etmək, bu, özü də insanı çox həyəcanlandırır. Bizim komandamızın bir çoxu üçün bu, ən çox nailiyyət hissi verən, motivasiyanı qorumaq üçün ən yaxşı şeydir.

Təbii ki, resurslar yüksək dərəcədə mərkəzləşib, bu laboratoriyalarda ən ağıllı insanlar var. Hər bir söhbət çox intellektual bir çağırışdır, çox gözəl şeyləri görmək imkanı verir. Ən çətin hissəsi isə dünyaya paylaşa bilməməkdir ------ məsələn, biz çox gözəl bir layihənin təqdimatında iştirak etdik, son bir neçə ayda bunun gələcəyini bilirdik, çünki biz orada iştirak etdik. Amma bunu deyə bilmirik.

Bir neçə ay əvvəl Handsome podkastında bunu qeyd etdim, biz tez-tez müdafiə texnologiyasını misal gətiririk: bir hökumətə terrorçuları tapmağa kömək edən müdafiə şirkəti, açıq-aşkar dünyaya etdikləri işləri açıqlamayacaq. Çünki siz bunu dediyinizdə, başqaları bunu geri qaytararaq, qarşı durmağı bacaracaqlar. İndi AI sənayesi də belədir ------ hamı sürətlənir, ən yaxşı qabiliyyətə çatmağa çalışır. Əgər hər kəs bilsə ki, hansı model şirkəti hansı məlumatlara fokuslanır, o zaman onların nə etdiyini geri qaytararaq, onların təqdimatından əvvəl onları ələ keçirə bilərlər.

Beləliklə, biz tez-tez görürük ki, növbəti 6-12 ay ərzində bütün AI sənayesi hansı istiqamətdə gedəcək, amma bunu deyə bilmirik.

Grass-ın biznes modeli: Sahibi olmayan fond + xidmət şirkəti

Aparıcı: Siz son zamanlarda gəlir sübutunu təqdim etdiniz, bazar reaksiyası çox müsbət oldu. Grass-ın strukturu haqqında danışa bilərsinizmi?

Andrej: Grass-ın strukturu həqiqətən də unikal, bir çox müştərilər üçün bir az qəribə görünə bilər, amma bu cür dizaynın çox vacib səbəbləri var ------ hamısı motivasiyaların uyğunlaşdırılması üçündür.

O audit hesabatı mühasibat şirkəti tərəfindən hazırlanıb, onlar Grass-ın müxtəlif AI laboratoriyaları və digər müştərilərlə bütün satınalma sifarişlərini yoxlayıblar, sonra isə faktiki alınan nağd pullarla müqayisə ediblər. Təbii ki, bir az zaman fərqi var ------ bəziləri 60 gün sonra ödənilir ------ amma ümumilikdə uyğun gəlir.

Bir çox insan bəlkə də başa düşmür ki, bu audit hesabatındakı subyekt Grass fondudur, səhmdar qurumu deyil. Grass fondu, sahibi olmayan bir fondur, bütün müştərilər ------ istər əvvəlcədən təlim məlumatları, istərsə də mikro tənzimləmə məlumatları, çıxarış məhsulları alanlar ------ nəticədə Grass fonduna müraciət edirlər. Bu, sahibi olmayan bir strukturdur, heç kimin onu sahibi yoxdur, müstəqil direktorlar tərəfindən idarə olunur, hər hansı maliyyə əməliyyatı direktorların təsdiqini tələb edir.

Mən Wyn Labs-da çalışıram, Wyn Labs Grass fondunun xidmət təminatçısıdır. Niyə Wyn Labs olmalıdır? Çünki reallıqda siz hələ də insanları işə götürməlisiniz, sosial təminat ödəməlisiniz, sığorta almalısınız, bu işləri görmək üçün bir səhmdar qurumu olmalıdır. Amma Wyn Labs özü heç bir intellektual mülkiyyətə sahib deyil ------ bütün intellektual mülkiyyət Grass fonduna keçirilib. Wyn Labs birbaşa müştərilərlə əlaqə saxlamır, Wyn Labs ilə Grass fondu arasındakı hər hansı əməkdaşlıq Grass fondunun direktorlarının təsdiqini tələb edir ------ və bu direktorların Wyn Labs-da heç bir iqtisadi marağı yoxdur. Təbii ki, Wyn Labs komandası da token sahibləridir.

Gələcək vizyonu AI-nın məlumatlara giriş borusu olmaqdır

Aparıcı: Sonuncu sual. Əgər hər şey sizin vizyonunuza uyğun inkişaf edərsə, 5-10 ildən sonra Grass necə olacaq?

Andrej: İndi bu inkişaf sürətinə baxın, eksponensial irəliləyiş, heç kim 5 ildən sonra dünyanın necə olacağını deyə bilmir. Amma Grass-ın missiyası aydındır, biz AI-nın məlumatlara giriş yolu olmalıyıq.

İstər Agentlərin internetə girməsi, istərsə də gələcəkdə daha mürəkkəb AI sistemlərinin daha yaxşı, daha ədalətli şəkildə məlumat əldə etməsi ------ Grass o vasitədir. 5 ildən sonra necə olacaq? Kim bilir? Bəlkə o zaman biz məlumatları toplamaq üçün kosmosa peyk göndərəcəyik, indi olduğu kimi, dünya üzrə milyonlarla IP-lərlə rəqəmsal peyk olaraq, hər birinin perspektivindən dünyaya baxacağıq.

Dünya necə dəyişsə də, AI sistemləri məlumatlara girişə ehtiyac duyacaq, istər öyrənmək üçün, istər yeni məlumatlar sintez etmək üçün, istərsə də nəticədə böyük bir davamlı öyrənmə prosesinə çevrilmək üçün. Grass-ın vizyonu, onun məlumatlara giriş borusu olmaqdır.