آرکا (Arca)، اپلیکیشن دسکتاپی جدیدی که توسط تیم پشت پروژه Brevis توسعه یافته است، امروز به صورت عمومی عرضه شد. این اپلیکیشن به کاربران برای جلسات هوش مصنوعی که در غیر این صورت بلا استفاده میماندند، پول پرداخت میکند. آرکا تاریخچه جلسات ابزارهای هوش مصنوعی کاربران را که در رایانه آنها ذخیره شده است، پیدا کرده و به آنها اجازه میدهد جلسات مورد نظر خود را انتخاب کنند. این اپلیکیشن جزئیات حساس را قبل از بارگذاری اطلاعات، در خود دستگاه حذف کرده و سپس برای جلسات تایید شده، پرداخت انجام میدهد. از امروز، هر کسی میتواند با یک آدرس ایمیل، بدون نیاز به دعوتنامه یا لیست انتظار، در آرکا ثبتنام کند.
بسیاری از کارهای دانشی امروزی از طریق ابزارهای هوش مصنوعی انجام میشوند. کاربران یک مدل را در طول انجام یک وظیفه هدایت کرده، آن را اصلاح میکنند، آنچه را که ناموفق است دور میریزند و آنچه را که کارآمد است نگه میدارند. هر یک از این جلسات، سابقه دقیقی از کار واقعی را بر جای میگذارد: رفت و برگشتها، بنبستها و اصلاحی که در نهایت کارساز بوده است. این سوابق به هزاران مورد در رایانههای کاربران انباشته میشوند و پس از بسته شدن پنجره، هیچ ارزشی برای فردی که کار را انجام داده، ندارند. آرکا به این کار ارزش میبخشد.
نحوه عملکرد آرکا
آرکا با ابزارهای هوش مصنوعی که کاربران در حال حاضر استفاده میکنند، از جمله Claude Code، Codex، Cursor و Claude Desktop، کار میکند. پس از نصب اپلیکیشن، کاربران جلساتی را که آرکا در دستگاه آنها پیدا کرده است، از جمله موارد گذشته، مشاهده میکنند. آنها یک جلسه را برای بارگذاری انتخاب میکنند و آرکا قبل از خروج اطلاعات، آن را در رایانه کاربر ناشناس میکند، سپس محدودهای از قیمت را ارائه میدهد. کاربران یا تایید میکنند که این جلسه برای بررسی ارسال شود، یا انصراف میدهند که در این صورت بارگذاری حذف میشود. جلسات تایید شده به صورت هفتگی پرداخت میشوند.
حفظ حریم خصوصی و امنیت دادهها
آرکای تنها جلساتی را میخواند که از قبل در رایانه کاربر وجود دارند و تمام موارد پیدا شده را لیست میکند. هیچ اطلاعاتی به صورت پسزمینه بارگذاری نمیشود و هیچ دادهای تا زمانی که کاربر جلسهای را انتخاب و تایید نکند، از دستگاه خارج نمیشود. قبل از بارگذاری یک جلسه، آرکا نامها، مسیرهای فایل، جزئیات حساب و کلیدها را حذف میکند و فرآیند ناشناسسازی بیشتر در سمت آرکا اجرا میشود.
مایکل، همبنیانگذار و مدیرعامل Brevis، گفت: «هر جلسه هوش مصنوعی سندی از تفکر واقعی و کار واقعی است و تا به امروز فردی که آن کار را انجام داده بود، هیچ سودی از آن دریافت نمیکرد. آرکا به افراد اجازه میدهد ارزش جلسات خود را ببینند و خودشان تصمیم بگیرند چه چیزی را به اشتراک بگذارند. ما ابتدا آن را در دستههای کوچک باز کردیم تا تجربه را درست کنیم. امروز برای همه باز است.»
کاربرد در حوزههای مختلف
آرکا برای هر کسی که با هوش مصنوعی کار واقعی انجام میدهد، از کدنویسی گرفته تا بررسی قراردادها، تحقیقات و مکالمات طولانی کاری، ساخته شده است. جلسات با Claude Opus و Fable، و با آخرین مدلهای GPT در Codex، در حال حاضر واجد شرایط هستند و موارد بیشتری در راه است. جلسات بسیار کوتاه واجد شرایط نیستند و هر ارسالی قبل از پرداخت، بررسی میشود. کاربران میتوانند GitHub را برای تقویت پروفایل خود متصل کنند که میتواند ارزش جلساتشان را افزایش دهد، اما این مورد الزامی نیست.
آرکا اصل و اساس کار محاسباتی قابل تایید Brevis را به حوزهای جدید منتقل میکند: چیزهایی که میتوانید تأیید کنید، ارزشمندتر از چیزهایی هستند که باید به آنها اعتماد کنید.
دسترسی و جزئیات عرضه
آرکا اولین بار در ۱۳ اکتبر به صورت دسترسی زودهنگام با دعوتنامه باز شد و کاربران را در دستههای کوچک پذیرفت. با راهاندازی امروز، الزام دعوتنامه برداشته شده است. کاربران با یک آدرس ایمیل یا حساب گوگل ثبتنام میکنند و میتوانند بلافاصله شروع کنند. استفاده از آرکا رایگان است و هماکنون برای مک و ویندوز در arca.market در دسترس است.
تا ۳۰ نوامبر، چالش راهاندازی آرکا ۱۰,۰۰۰ دلار جایزه اضافی به همراه پرداختهای منظم برای جلسات تایید شده اضافه میکند.
درباره آرکا
آرکا به افراد برای جلسات هوش مصنوعی که در غیر این صورت دور ریخته میشدند، پول پرداخت میکند. این اپلیکیشن دسکتاپی جلساتی را که ابزارهای هوش مصنوعی افراد نگه میدارند، پیدا کرده، به آنها اجازه میدهد آنچه را به اشتراک میگذارند انتخاب کنند، قبل از بارگذاری جلسات را در دستگاه ناشناس میکند و برای جلسات تایید شده پول پرداخت میکند. آرکا توسط تیم پشت Brevis ساخته شده است. اطلاعات بیشتر در arca.market.
درباره Brevis
Brevis زیرساخت محاسباتی قابل تایید را میسازد. فناوری اثبات دانش صفر آن، از جمله Pico zkVM متنباز، به برنامهها اجازه میدهد نتایج محاسبات پیچیده را اثبات کنند. اطلاعات بیشتر در brevis.network.




