La IA necesita datos. Muchos datos. Pero el problema más grande no es solo almacenarlos, sino confiar en ellos. Si los datos de entrenamiento cambian, se envenenan o desaparecen, los modelos se vuelven poco fiables. En un mundo centralizado, confías en quien aloja el conjunto de datos. En un mundo descentralizado, quieres garantías más sólidas.
Walrus es útil aquí porque está diseñado para almacenar grandes conjuntos de datos como blobs en una red que apunta a la disponibilidad e integridad verificables. Para los constructores de IA, el valor es: las referencias del conjunto de datos pueden ser estables, la disponibilidad está diseñada para ser resiliente, y los sistemas pueden probar que están utilizando el conjunto de datos que afirman.
Ejemplo: Un mercado de agentes de IA podría requerir que los agentes hagan referencia a conjuntos de datos específicos almacenados en Walrus, para que las personas puedan verificar que el agente no está cambiando secretamente su “fuente de verdad.”