۷ پلتفرم برتر هوش مصنوعی غیرمتمرکز برای بررسی
به طور خلاصه
در این مقاله، ما 7 پلتفرم برتر هوش مصنوعی غیرمتمرکز را که در حال ایجاد تعادل در بازار هستند، برجسته میکنیم.
نوآوریهای هوش مصنوعی (AI) از زمان آغاز به کار، شاهد رشد چشمگیری بودهاند. ChatGPT در نوامبر ۲۰۲۲. با این حال، علیرغم فراگیر شدن، برخی تنگناهای قابل توجه همچنان توسعه و پذیرش هوش مصنوعی را کند میکنند - یکی از بزرگترین چالشهای پیش روی این صنعت نوپا، کیفیت و کنترل دادهها است.
با توجه به تخمین زدن طبق گفتهی Epoch AI، کل موجودی مؤثر دادههای متنی عمومی تولید شده توسط انسان حدود ۳۰۰ تریلیون توکن است؛ این موجودی داده احتمالاً بین سالهای ۲۰۲۶ تا ۲۰۳۲ به طور کامل توسط مدلهای زبانی برای آموزش مورد استفاده قرار خواهد گرفت. این کمبود قریبالوقوع دادهها، همراه با نگرانیها در مورد شفافیت و هزینه، عمدتاً نتیجهی متمرکز شدن اکثر خطوط لولهی دادههای هوش مصنوعی است.
از جنبه مثبت، زیرساختهای غیرمتمرکز در حل برخی از این مشکلات ارزشمند هستند. در این مقاله، ما 7 پلتفرم برتر هوش مصنوعی غیرمتمرکز را که در حال ایجاد تعادل در بازار هستند، برجسته میکنیم. این پلتفرمهای نوظهور به سازندگان و شرکتهای هوش مصنوعی این امکان را میدهند که بدون تکیه بر واسطههای متمرکز، مجموعه دادههای قابل تأیید و مبتنی بر جامعه را تهیه کنند.
OORT: ابر داده کامل برای هوش مصنوعی غیرمتمرکز
OORT یک راهکار هوش مصنوعی غیرمتمرکز سرتاسری است که به گونهای طراحی شده است که هم شرکتها و هم افراد را قادر میسازد تا دادههای هوش مصنوعی را جمعآوری، پردازش و از آنها کسب درآمد کنند.
آنچه که این ابر داده هوش مصنوعی را در مقایسه با همتایان متمرکز آن متمایز میکند، رویکرد جامعه جهانی است؛ OORT به جای تکیه بر فرآیندهای جمعآوری دادههای مبهم، یک پلتفرم جمعآوری داده غیرمتمرکز چند زنجیرهای با نام OORT DataHub معرفی میکند. این پلتفرم از مشارکتهای یک جامعه جهانی برای ارائه مجموعه دادههای متنوع، با کیفیت بالا و قابل تأیید برای مقابله با کاستیهای موجود در کیفیت و کنترل دادههای هوش مصنوعی بهره میبرد.
پشتیبانی از OORT DataHub توسط یک شبکه غیرمتمرکز به نام OORT Edge انجام میشود که ذخیرهسازی و پردازش دادههای جمعآوریشده را از طریق یک دستگاه سختافزاری گره لبهای به نام Deimos امکانپذیر میسازد.
به این ترتیب، کاربران اکوسیستم OORT این فرصت را دارند که از طریق موارد زیر پاداشهای قابل تبدیل به پول کسب کنند: کمک به سمت DataHub یا تبدیل شدن به بخشی از شبکه لبه توسط میزبانی وب یک گره از طریق دستگاه Deimos. در حال حاضر بیش از ۳۳۰،۰۰۰ مشارکتکننده داده، بیش از ۸۳،۰۰۰ گره و بیش از ۱۰،۰۰۰ کاربر روزانه در این اکوسیستم هوش مصنوعی غیرمتمرکز وجود دارد.
بیتنزور: شبکه اطلاعاتی غیرمتمرکز
گزنده یکی دیگر از پلتفرمهای هوش مصنوعی غیرمتمرکز جالب است؛ در هسته خود، این اکوسیستم مبتنی بر بلاکچین از تولید درون زنجیرهای کالاهای دیجیتال، از جمله استنتاج هوش مصنوعی، آموزش و زیرساختهای مرتبط، پشتیبانی میکند.
خب، چطور کار میکند؟ بیتنزور از مفهوم زیرشبکهها برای معرفی جوامعی که این کالاهای دیجیتال را با نرخهای رقابتی تولید میکنند، بهره میبرد. این مبتنی بر یک مدل تشویقی است که در آن بهترین ماینرها (مشارکتکنندگان) برای انجام یک کار خاص پاداش میگیرند. برخی از وظایف درون یک زیرشبکه هوش مصنوعی میتواند شامل خدماتی مانند آموزش، پیشبینی یا استنتاج تخصصی باشد.
شبکه بیتنزور همچنین شامل اعتبارسنجهایی است که نقش آنها اعتبارسنجی کار انجام شده توسط ماینرها است. این امر تضمین میکند که فقط خدمات باکیفیت از طریق مدل تشویقی بیتنزور پاداش داده میشوند - این اکوسیستم هر روز ۷۲۰۰ توکن TAO برای این منظور منتشر میکند. تخصیصها در زیرشبکهها به سه دسته تقسیم میشوند: خالق زیرشبکه (۱۸٪)، اعتبارسنجها (۴۱٪) و ماینرها (۴۱٪).
زیرشبکههای غیرمتمرکز بیتنزور، تغییر رویکردی به فرآیند آموزش متمرکز هوش مصنوعی هستند، جایی که شرکتهای بزرگ فناوری انحصار جمعآوری دادهها و سایر خدمات هوش مصنوعی را در اختیار دارند.
پروتکل اقیانوس: بازاری برای دادههای آماده برای هوش مصنوعی
پروتکل اقیانوس یکی از بازیگران تثبیتشده در این حوزه نوپای نوآوری است. این پلتفرم که به عنوان یک پروتکل غیرمتمرکز ساخته شده است، دو مؤلفه اصلی مورد نیاز برای پیشرفت هوش مصنوعی - داده و محاسبات - را تسهیل میکند.
این مجموعه فناوری شامل سه بخش اصلی است: توکنهای داده (Datatokens)، گرههای اقیانوس (Ocean Nodes) و تبدیل محاسبات به داده (Compute-to-Data). با استفاده از توکنهای داده، کاربران پروتکل اقیانوس میتوانند دادههای خصوصی خود را توکنیزه کرده و در عین حفظ حریم خصوصی خود، آن را برای آموزش مدل در دسترس قرار دهند. رویکردی که «token-gating» نامیده میشود و به موجب آن صاحبان دادهها میتوانند از طریق یک مدل کنترل دسترسی غیرمتمرکز، خدمات داده را در بازار پروتکل اقیانوس منتشر کنند.
در مورد گرههای اقیانوسی، این گرهها امکان کسب درآمد از منابع محاسباتی بیکار را فراهم میکنند. دارندگان دستگاه در سراسر جهان میتوانند قدرت محاسباتی بیکار خود را برای پشتیبانی از شبکه اقیانوسی در ازای دریافت پاداشهای اکوسیستم اختصاص دهند.
قابلیت محاسبه به داده، ویژگی بارز این اکوسیستم است؛ این قابلیت به مصرفکنندگان (مربیان مدل) اجازه میدهد تا مجموعه دادههایی را خریداری کنند که میتوانند مدلهای خود را بدون فاش شدن حریم خصوصی ارائهدهنده، روی آنها اجرا کنند. این همان چیزی است که به پروتکل اوشن به عنوان یک «بازار غیرمتمرکز برای دادههای آماده هوش مصنوعی» برتری میدهد.
سینگیولاریتینت: پیشگام خدمات هوش مصنوعی غیرمتمرکز
SingularityNET این شرکت پیشگام در حوزه هوش مصنوعی غیرمتمرکز است؛ این پروژه در سال ۲۰۱۷ راهاندازی شد و در عرض یک دقیقه ۳۶ میلیون دلار ICO جمعآوری کرد. از آن زمان، به یک پلتفرم معتبر مبتنی بر بلاکچین تبدیل شده است که در آن کاربران میتوانند خدمات هوش مصنوعی را ایجاد، به اشتراک بگذارند و از آن کسب درآمد کنند.
برخلاف همتایان خود که بر مجموعه دادهها و محاسبات خام تمرکز دارند، SingularityNET در خدمات هوش مصنوعی مانند APIها، مدلها و عواملی تخصص دارد که توسعهدهندگان میتوانند از آنها کسب درآمد کنند یا برای پشتیبانی از طرحهای توسعه خود خریداری کنند. این امر از طریق توکن بومی این پلتفرم $AGIX امکانپذیر است که به شرکتکنندگان اجازه میدهد هزینه خدمات هوش مصنوعی را بپردازند.
مدل زیرساخت SingularityNET همچنین توجه زیادی به قابلیت همکاری دارد و سرویسهای مختلف را قادر میسازد تا یکدیگر را فراخوانی کنند. این امر یک اکوسیستم مبتنی بر هوش مصنوعی ایجاد میکند که در آن مشارکتکنندگان مستقل میتوانند خطوط لوله پیچیده را مونتاژ کنند.
یکی دیگر از ویژگیهای برجسته این پروژه خاص، چشمانداز بنیانگذار آن، دکتر بن گورتزل، برای پیشبرد هوش مصنوعی عمومی (AGI) است - عصری که در آن هوش مصنوعی توانایی انجام هر کاری را که انسانها میتوانند انجام دهند، خواهد داشت و به طور بالقوه در چندین حوزه از هوش انسانی پیشی خواهد گرفت.
Fetch.ai: عاملهای غیرمتمرکز و اقتصاد داده
گرفتن .ai نوآوری جدید دیگری است که در اقتصاد عامل محورِ آینده که توسط عاملهای هوش مصنوعی پشتیبانی میشود، عمل میکند. این پروژه به عنوان یک پلتفرم چندعاملی طراحی شده است و به عاملهای نرمافزاری مستقل اجازه میدهد تا از طرف کاربران، سازمانها یا دستگاهها با دادهها تعامل، مذاکره و تراکنش داشته باشند و در عین حال از فناوری بلاکچین برای ایمنسازی کانالهای ارتباطی استفاده کنند.
یکی از اجزای اصلی این اکوسیستم، چارچوب عامل (AEA) است. این چارچوب وظایفی مانند جمعآوری و تحلیل دادهها، تعامل با سایر عاملها یا منابع داده، تصمیمگیریها، تراکنشها و مشارکت در یادگیری ماشین یا بهینهسازی وظایف را بر عهده دارد. میتوان آنها را به عنوان دوقلوهای دیجیتالی در نظر گرفت که به نمایندگی از کاربران عمل میکنند.
آنچه در مورد آن برجسته است گرفتن .ai عبارت است از امکان جریان دادههای پویا و بلادرنگ بین عوامل خودمختار. این یک پیشرفت نسبت به خطوط لوله سنتی هوش مصنوعی است که نه تنها متمرکز، بلکه ماهیتی ایستا نیز دارند. به عنوان مثال، یک سیستم مدیریت ترافیک در یک شهر شلوغ میتواند به لطف مدل اقتصاد مبتنی بر عامل، از عوامل هوش مصنوعی برای خرید دادههای ترافیک زنده از حسگرهای شهر استفاده کند.
Gensyn: محاسبات غیرمتمرکز برای آموزش هوش مصنوعی
با توجه به اخیر گزارش طبق گزارش مککینزی، پروژهها نشان میدهند که مراکز داده در سراسر جهان برای پاسخگویی به تقاضای رو به رشد برای قدرت محاسباتی، به حدود ۶.۷ تریلیون دلار نیاز خواهند داشت. جنسین از طریق پروتکل غیرمتمرکز خود، که بر محاسبات یادگیری ماشینی تمرکز دارد، به این ریسک هزینهای نوظهور رسیدگی میکند.
در اصل، Gensyn امکان تجمیع منابع محاسباتی جهان را در یک شبکه واحد فراهم میکند. این امر از طریق یک چارچوب غیرمتمرکز امکانپذیر است که فرصتی را برای هر کسی که محاسبات بیکار دارد فراهم میکند تا به شبکه اختصاص دهد و از نوآوران هوش مصنوعی با محاسبات جهانی موجود که میتوانند برای مقیاسبندی آموزش مدلهای بزرگ اجاره کنند، پشتیبانی میکند.
اکوسیستم Gensyn از چهار مؤلفه اساسی تشکیل شده است: اجرای یکپارچه یادگیری ماشین، تأیید بدون نیاز به اعتماد، ارتباط نظیر به نظیر و هماهنگی غیرمتمرکز. همه این جنبهها به طور هماهنگ کار میکنند تا یادگیری ماشینی غیرمتمرکز و قابل تأیید را در مقیاس جهانی امکانپذیر سازند.
همچنین لازم به ذکر است که این پروژه هنوز در مراحل اولیه است و شبکه آزمایشی آن در حال حاضر در دسترس است. این پروژه شامل سه برنامه است که کاربران میتوانند آنها را امتحان کنند: RL Swarm، BlockAssist و Judge.
گراس: شبکهی غیرمتمرکز جمعآوری دادهها
بسیاری از اوقات، وقتی هزینه خدمات اینترنتی را پرداخت میکنیم، در نهایت از تمام پهنای باند اختصاص داده شده استفاده نمیکنیم. چمنکه قبلاً Grassdata نام داشت، یک مفهوم نوآورانه را معرفی کرد که در آن کاربران جهانی اینترنت میتوانند از پهنای باند بیکار خود استفاده کنند.
این پروژه این روایت را از طریق مدل توزیعشده خود که به هر کسی اجازه میدهد تا از طریق مراحل ساده مشارکت کند و پاداش کسب کند، به واقعیت تبدیل میکند و پهنای باند بلااستفاده را به منبعی ارزشمند برای آموزش هوش مصنوعی تبدیل میکند. به عبارت ساده، گراس به عنوان یک شبکه فیزیکی غیرمتمرکز (DepIN) برای دسترسی به دادههای وب عمل میکند، که در آن کاربران میتوانند گرهها را از دستگاههای روزمره خود اجرا کنند و به عنوان منابع داده برای هوش مصنوعی و هوش وب عمل کنند.
این رویکرد بدون نیاز به مجوز و توزیعشده نه تنها در آموزش مدل هوش مصنوعی، بلکه در استفاده از منابع دیجیتال روزمره نیز انقلابی ایجاد میکند. کاربران میتوانند به عنوان ارائهدهنده داده، یک شبکه باز را تقویت کنند که قادر به رقابت با خزندههای وب متمرکز و جمعآوریکنندگان داده است که در حال حاضر توسط تعداد انگشتشماری از شرکتهای بزرگ فناوری کنترل میشوند.
نتیجه
همانطور که در مقدمه ذکر شد، تکامل و پذیرش هوش مصنوعی بدون مجموعهای از چالشهای منحصر به فرد خود نبوده است. این چالشها شامل کنترل دادهها، کیفیت و افزایش هزینه محاسبات میشود. با این حال، همانطور که در مثالهای این فهرست برجسته شده است، پیشرفت قابل توجهی در حوزه نوآوری هوش مصنوعی غیرمتمرکز وجود داشته است. این پروژهها نگاهی اجمالی به آنچه معماریهای غیرمتمرکز برای ارائه به هوش مصنوعی و برعکس دارند، هستند. این یک برد-برد برای هر دو طرف، یعنی بلاکچین و نوآوریهای هوش مصنوعی است.
جدول مقایسه پلتفرمهای هوش مصنوعی غیرمتمرکز
| پروژه | تمرکز اصلی | آنچه برجسته است |
| OORT | ابر دادههای هوش مصنوعی غیرمتمرکز که کاربران را قادر میسازد دادهها را جمعآوری، پردازش و از آنها کسب درآمد کنند | دیتاهاب و شبکه لبه (Deimos) مبتنی بر جامعه با بیش از ۳۳۰ هزار مشارکتکننده و مجموعه دادههای قابل تأیید |
| گزنده | شبکه بلاکچین برای آموزش و استنتاج هوش مصنوعی غیرمتمرکز | زیرشبکههای تشویقی که به خروجیهای باکیفیت هوش مصنوعی با انتشار روزانه TAO پاداش میدهند |
| پروتکل اقیانوس | بازاری برای دادهها و محاسبات آماده برای هوش مصنوعی | مدل حریم خصوصی محاسبه-به-داده که امکان اشتراکگذاری امن دادهها را بدون افشای مجموعه دادههای خام فراهم میکند |
| SingularityNET | بازار خدمات هوش مصنوعی و APIها | کسب درآمد از عاملهای هوش مصنوعیِ سازگار؛ چشماندازی پیشگامانه برای هوش مصنوعی عمومی (AGI) |
| گرفتن .ai | اقتصاد هوش مصنوعی چندعاملی برای تبادل خودکار دادهها | مذاکره داده در زمان واقعی از طریق عوامل خودمختار (AEA) |
| جنسین | شبکه محاسباتی غیرمتمرکز برای یادگیری ماشینی | تأیید بدون نیاز به اعتماد و تجمیع منابع محاسباتی جهانی برای آموزش هوش مصنوعی |
| چمن | شبکهی غیرمتمرکز پهنای باند و دادهی انبوهسپاری | پهنای باند اینترنت بلااستفاده را به منابع داده آموزش هوش مصنوعی تبدیل میکند |
پرسش و پاسخهای متداول
هوش مصنوعی غیرمتمرکز چیست؟
هوش مصنوعی غیرمتمرکز به سیستمهای هوش مصنوعی اشاره دارد که بر روی اکوسیستمهای توزیعشده مانند بلاکچین یا زیرساختهای نظیر به نظیر ساخته شدهاند. جوامع جهانی نقش دادهها، محاسبات و آموزش مدل را بر عهده میگیرند، برخلاف محیط متمرکز که در آن شرکتهای بزرگ تمام این عملکردها را کنترل میکنند.
هوش مصنوعی غیرمتمرکز چه تفاوتی با پلتفرمهای سنتی هوش مصنوعی دارد؟
برخلاف همتایان سنتی خود که به مراکز داده متمرکز و تکنیکهای جمعآوری داده غیرشفاف متکی هستند، هوش مصنوعی غیرمتمرکز، منابع داده، قدرت محاسباتی و آموزش مدل را بین شرکتکنندگان متنوع اکوسیستم توزیع میکند. این امر شفافیت، امنیت و شمول را بهبود میبخشد.
چرا کنترل کیفیت دادهها برای توسعه هوش مصنوعی مهم است؟
کیفیت دادهها تأثیر مستقیمی بر دقت و انصاف مدلهای هوش مصنوعی دارد. به همین ترتیب، خطوط لوله دادههای هوش مصنوعی باید قابل تأیید باشند، از نظر اخلاقی تأمین شوند و به صورت ایمن به اشتراک گذاشته شوند.
شرکتکنندگان در اکوسیستمهای هوش مصنوعی غیرمتمرکز چگونه درآمد کسب میکنند؟
روشهای مختلفی برای کسب درآمد از این اکوسیستمها وجود دارد، از جمله مشارکت منابع ارزشمندی مانند دادهها و قدرت محاسباتی. اکثر پلتفرمهای DeAI دارای مکانیسمهای تشویقی هستند که در آنها کاربران میتوانند پاداشهای قابل تبدیل به پول دریافت کنند.
کدام پروژههای هوش مصنوعی غیرمتمرکز در حال حاضر پیشرو در این حوزه هستند؟
بازیگران برجسته شامل OORT (ابر داده)، Bittensor (شبکه اطلاعاتی هوش مصنوعی)، Ocean Protocol (بازار داده آماده هوش مصنوعی)، SingularityNET (مرکز خدمات هوش مصنوعی)، Fetch.ai (اقتصاد عامل)، Gensyn (محاسبات غیرمتمرکز) و Grass (شبکه جمعسپاری داده) هستند.
رفع مسئولیت
در خط با دستورالعمل های پروژه اعتماد، لطفاً توجه داشته باشید که اطلاعات ارائه شده در این صفحه به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا هر شکل دیگری در نظر گرفته نشده است و نباید تفسیر شود. مهم است که فقط در موردی سرمایه گذاری کنید که توانایی از دست دادن آن را دارید و در صورت شک و تردید به دنبال مشاوره مالی مستقل باشید. برای کسب اطلاعات بیشتر، پیشنهاد می کنیم به شرایط و ضوابط و همچنین صفحات راهنمایی و پشتیبانی ارائه شده توسط صادرکننده یا تبلیغ کننده مراجعه کنید. MetaversePost متعهد به گزارش دقیق و بی طرفانه است، اما شرایط بازار بدون اطلاع قبلی ممکن است تغییر کند.
درباره نویسنده
گرگوری، یک عشایر دیجیتالی که اهل لهستان است، نه تنها یک تحلیلگر مالی است، بلکه یک مشارکت کننده ارزشمند در مجلات مختلف آنلاین است. با انبوهی از تجربه در صنعت مالی، بینش و تخصص او باعث شناخته شدن او در نشریات متعدد شده است. گرگوری با استفاده موثر از اوقات فراغت خود، در حال حاضر به نوشتن کتابی در مورد ارزهای دیجیتال و بلاک چین اختصاص دارد.
مقالات بیشتر
گرگوری، یک عشایر دیجیتالی که اهل لهستان است، نه تنها یک تحلیلگر مالی است، بلکه یک مشارکت کننده ارزشمند در مجلات مختلف آنلاین است. با انبوهی از تجربه در صنعت مالی، بینش و تخصص او باعث شناخته شدن او در نشریات متعدد شده است. گرگوری با استفاده موثر از اوقات فراغت خود، در حال حاضر به نوشتن کتابی در مورد ارزهای دیجیتال و بلاک چین اختصاص دارد.
