grass词汇表：关键术语解释

想要更深入地了解 Grass 并了解其运作方式的更大图景？以下部分分解了关键术语，解释了它们的含义、它们为什么重要以及它们如何与 Grass 相关联。

术语含义为什么您应该关心
Internet 带宽您的互联网连接的速度和容量;一次可以发送或接收多少数据。您的 Internet 连接并不总是被充分利用。把它想象成一条多车道的高速公路。大多数时候，一些车道是空的。该未使用的容量是您未使用的 Internet 带宽。

Grass 创建了一个合乎道德的代理网络，奖励您与经过验证的机构共享未使用的互联网带宽，允许他们访问网络以获取 AI 训练或增强其在线产品和服务所需的公共 Web 数据。
代理连接到 Internet 的设备，代表其他人发送 Web 请求。企业、营销人员和研究人员使用代理通过真实的住宅 IP 地址路由他们的 Web 请求，使他们的活动看起来好像来自他们家中的普通互联网用户。这有助于他们访问受地理限制的内容、验证广告、抓取 Web 数据、测试本地化的在线体验并维护隐私。
住宅代理网络用于路由其他人的 Web 请求的人的 Internet 连接网络。许多免费应用程序、VPN 和后台服务在没有明确同意或补偿的情况下秘密地将人们的家庭互联网连接变成住宅代理。然后，这些公司充当中间人，向企业、营销人员和研究人员出售代理，以使用您的互联网带宽访问网络。这意味着您的互联网连接在您没有意识到的情况下被其他人使用，从而降低了您的互联网速度并使您面临安全风险。
道德来源的代理在用户完全同意和公平补偿的情况下共享的 Internet 连接。与通过免费应用程序和 VPN 中的隐藏条款秘密出售您的互联网带宽的公司不同，Grass 允许用户自愿分享他们未使用的互联网带宽并获得公平的补偿。这确保了 Grass 的代理来源合乎道德，创造了一个公平透明的数字生态系统。

当您的互联网连接成为 Grass 节点时，您允许将您的互联网连接用作合乎道德来源的代理。
个人数据这是关于您或您在 Internet 上做什么的信息。当您连接到 Grass 时，您只会共享未使用的互联网带宽，您绝不会共享任何个人信息或您在网上做什么。

共享未使用的互联网带宽与让您家的朋友在他们的手机上连接到 WiFi 相同。当您与 Grass 分享时，唯一的区别是您会获得奖励。
公共 Web 数据您无需登录即可看到互联网上的内容。公共 Web 数据为搜索引擎、市场研究、价格比较和 AI 训练提供支持。
值提取从某人那里获取价值，却没有公平地回报。许多在线服务从您的活动、数据或注意力中赚钱，而不会与您分享任何价值。社交媒体平台、搜索引擎和广告网络从用户生成的内容和行为中提取了数十亿美元，而用户几乎没有得到任何回报。了解价值提取有助于您了解谁真正从您使用的服务中受益，以及是否有更公平的选择。
Web 请求从您的设备发送到网站请求加载的消息。当您浏览 Internet 时，您的设备会不断向网站发送 Web 请求，以加载页面上的文本、图像和视频，以便您访问它们。
IP地址IP 地址类似于您设备在 Internet 上的街道地址。它可以帮助网站、应用程序和网络知道谁在发出 Web 请求，以便知道将数据发送到何处。您的 IP 地址决定了您的在线身份、位置和对在线服务的访问。它会影响隐私、安全和连接性，并可用于跟踪、阻止或授予对内容的访问权限。这就是为什么纽约人看到美国的 Netflix 节目，而巴黎的人看到法国的 Netflix 节目。
节点住宅 IP 代理网络中的单个设备。每个节点都是 Grass 基础设施的一部分，使网络能够提供代理服务。

当您注册 Grass 时，您的设备将成为与网络共享未使用的 Internet 带宽的“节点”。
网页抓取查找和收集存储在公共 Web 上的信息。每次您搜索航班价格、比较产品或查看评论时，公司很可能使用网络抓取来收集这些信息。虽然大公司会抓取数据以改善他们的服务，但一些公司会阻止抓取工具以保持对有价值信息的控制。这造成了权力不平衡，只有少数公司从公共 Web 数据中受益，而不是让每个人都可以访问这些数据。
数据可用于查找模式、进行预测或生成见解的信息集合。它可以像足球统计数据列表一样简单，也可以像用于 AI 训练的大量医学图像集合一样复杂。了解数据集有助于人们认识到 AI、业务和研究中的决策是如何受到所用数据的影响的。数据集为从搜索引擎到 AI 助手和财务模型的一切提供支持。数据集的质量会影响 AI 模型的准确性，这意味着有偏见或不完整的数据可能会导致错误的预测或不公平的结果。
多模态数据混合了不同类型的数据，如文字、图片和声音。多模式数据通过提供更丰富的洞察来增强 AI、医疗保健和自动驾驶系统等领域的决策。它支持更好的自然语言处理、更准确的医疗诊断和改进的人机交互，使技术更具适应性和智能性。
AI 训练通过提供大量数据来教授 AI 模型，以便它可以了解事物之间的相互关系，从而更好地响应您的提示。AI 的好坏取决于它从中学习的数据。如果训练数据有偏见、过时或由少数公司控制，AI 模型将反映相同的问题。AI 训练影响着从聊天机器人到语音助手，甚至自动驾驶汽车的方方面面。