想要深入了解 Grass 并更全面地了解其运作方式吗？以下部分将分解关键术语，解释它们的含义、重要性以及它们与 Grass 的联系。
| 学期 | 这意味着什么 | 为什么你应该关心 |
|---|---|---|
| 互联网带宽 | 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。 | 您的网络连接并非总是被充分利用。想象一下一条多车道的高速公路。大多数时候，有些车道是空的。这些未使用的容量就是您未使用的互联网带宽。Grass创建了一个符合道德标准的代理网络，当您将未使用的互联网带宽分享给经过验证的机构时，您将获得奖励，从而使他们能够访问网络以获取 AI 训练或增强其在线产品和服务所需的公共网络数据。 |
| 代理人 | 连接到互联网并代表其他人发送网络请求的设备。 | 企业、营销人员和研究人员使用代理，通过真实的住宅 IP 地址路由他们的网络请求，使他们的活动看起来像是来自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、抓取网络数据、测试本地化的在线体验，并保护隐私。 |
| 住宅代理网络 | 用于路由其他人的网络请求的人们的互联网连接网络。 | 许多免费应用程序、VPN 和后台服务会在未经明确同意或支付任何费用的情况下，秘密地将人们的家庭互联网连接转换为住宅代理。这些公司随后充当中间人，将代理出售给企业、营销人员和研究人员，以便他们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不知情的情况下被他人使用，从而降低您的网速并使您面临安全风险。 |
| 符合道德标准的代理 | 在用户完全同意和公平补偿的情况下共享的互联网连接。 | 与那些通过免费应用程序和 VPN 中的隐藏条款秘密出售互联网带宽的公司不同，Grass 允许用户自愿分享未使用的互联网带宽并获得公平的补偿。这确保了 Grass 代理的来源合乎道德，从而构建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，即表示您允许将您的互联网连接用作合乎道德的代理。 |
| 个人资料 | 这是关于您或您在互联网上所做的事情的信息。 | 连接到 Grass 后，您只会共享未使用的互联网带宽，绝不会分享任何个人信息或您的在线活动。共享未使用的互联网带宽就像您家的朋友用手机连接 WiFi 一样。唯一的区别在于，通过 Grass 共享带宽后，您会获得奖励。 |
| 公共网络数据 | 您无需登录即可查看互联网上的内容。 | 公共网络数据为搜索引擎、市场研究、价格比较和人工智能训练提供支持。 |
| 价值提取 | 从某人那里获取价值，却不给予公平的回报。 | 许多在线服务利用您的活动、数据或注意力赚钱，却不与您分享任何价值。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榨取了数十亿美元，而用户却几乎得不到任何回报。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，以及是否存在更公平的替代方案。 |
| Web 请求 | 您的设备向网站发送一条消息，要求其加载。 | 当您浏览互联网时，您的设备会不断向网站发送网络请求，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 地址就像您的设备在互联网上的街道地址。它可以帮助网站、应用程序和网络了解谁在发出网络请求，从而知道将数据发送到哪里。 | 您的 IP 地址决定了您的在线身份、位置以及对在线服务的访问权限。它会影响隐私、安全和连接，并可用于追踪、屏蔽或授予内容访问权限。这就是为什么纽约人观看美国 Netflix 节目，而巴黎人观看法国 Netflix 节目的原因。 |
| 节点 | 住宅 IP 代理网络中的单个设备。 | 每个节点都构成 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 后，您的设备就成为一个“节点”，与网络共享未使用的互联网带宽。 |
| 网页抓取 | 查找和收集存储在公共网络上的信息。 | 每次你搜索机票价格、比较产品或查看评论时，很可能有公司利用网络爬虫收集这些信息。虽然大公司会抓取数据来改进服务，但有些公司会屏蔽爬虫，以控制有价值的信息。这造成了权力失衡，只有少数公司从公共网络数据中获益，而不是让所有人都能访问。 |
| 数据集 | 可用于发现模式、进行预测或生成洞察的信息集合。它可以简单到只是一份足球统计数据列表，也可以复杂到用于 AI 训练的海量医学图像集合。 | 了解数据集有助于人们认识到人工智能、商业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人工智能助手和金融模型等一切事物提供支持。数据集的质量会影响人工智能模型的准确性，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 | 不同种类数据的混合，例如文字、图片和声音。 | 多模态数据能够提供更丰富的洞察，增强人工智能、医疗保健和自主系统等领域的决策能力。它能够实现更强大的自然语言处理、更精准的医疗诊断以及更佳的人机交互，从而提升技术的适应性和智能化程度。 |
| 人工智能训练 | 通过向人工智能模型提供大量数据来对其进行训练，以便它能够了解事物之间的关系，从而更好地响应您的提示。 | 人工智能的优劣取决于其学习的数据。如果训练数据存在偏见、过时或受少数公司控制，人工智能模型也会反映出同样的问题。人工智能训练影响着从聊天机器人到语音助手，甚至自动驾驶汽车等方方面面。 |