7 geriausios decentralizuotos dirbtinio intelekto platformos, į kurias verta atkreipti dėmesį
Trumpai
Šiame straipsnyje apžvelgiame 7 geriausias decentralizuotas dirbtinio intelekto platformas, kurios sulygina žaidimo sąlygas.
Dirbtinio intelekto (DI) inovacijos nuo pat debiuto patyrė didžiulį augimą. ChatGPT 2022 m. lapkritį. Tačiau, nepaisant to, kad dirbtinis intelektas tapo plačiai paplitęs, kai kurie reikšmingi trukdžiai ir toliau stabdo jo plėtrą ir diegimą – vienas didžiausių iššūkių, su kuriais susiduria ši besiformuojanti pramonės šaka, yra duomenų kokybė ir kontrolė.
Pagal apskaičiuoti „Epoch AI“ duomenimis, bendras efektyvus žmogaus sugeneruotų viešųjų tekstinių duomenų kiekis yra apie 300 trilijonų žetonų; tikėtina, kad šis duomenų kiekis bus visiškai panaudotas kalbos modelių mokymui nuo 2026 iki 2032 m. Šis gresiantis duomenų trūkumas, kartu su susirūpinimu dėl skaidrumo ir išlaidų, daugiausia yra daugelio dirbtinio intelekto duomenų srautų centralizavimo rezultatas.
Iš gerosios pusės, decentralizuotos infrastruktūros pasirodo esančios vertingos sprendžiant kai kurias iš šių problemų. Šiame straipsnyje apžvelgiame 7 geriausias decentralizuotas dirbtinio intelekto platformas, kurios sulygina sąlygas. Šios besiformuojančios platformos suteikia dirbtinio intelekto kūrėjams ir įmonėms galimybę gauti patikrinamus, bendruomenės valdomus duomenų rinkinius, nepasikliaujant centralizuotais tarpininkais.
OORT: pilnas duomenų debesis decentralizuotam dirbtiniam intelektui
OORT yra visapusiškas decentralizuotas dirbtinio intelekto sprendimas, skirtas sudaryti sąlygas tiek įmonėms, tiek privatiems asmenims rinkti, apdoroti ir monetizuoti dirbtinio intelekto duomenis.
Šis dirbtinio intelekto duomenų debesis, palyginti su centralizuotais analogais, išsiskiria pasaulinės bendruomenės požiūriu; užuot pasikliovęs neskaidriais duomenų rinkimo procesais, OORT pristato decentralizuotą daugiagrandinę duomenų rinkimo platformą, pavadintą OORT DataHub. Ši platforma pasitelkia pasaulinės bendruomenės indėlį, kad pateiktų įvairius, aukštos kokybės ir patikrinamus duomenų rinkinius, siekiant pašalinti esamus dirbtinio intelekto duomenų kokybės ir kontrolės trūkumus.
„OORT DataHub“ palaiko decentralizuotas tinklas „OORT Edge“, kuris saugo ir apdoroja surinktus duomenis; tai daroma per krašto mazgo aparatinės įrangos įrenginį – „Deimos“.
Todėl OORT ekosistemos naudotojai turi galimybę uždirbti monetizuojamų atlygių, prisidėti link „DataHub“ arba tapti periferinio tinklo dalimi, Hostingas mazgas per „Deimos“ įrenginį. Šiuo metu šioje decentralizuotoje dirbtinio intelekto ekosistemoje yra daugiau nei 330 000 duomenų teikėjų, daugiau nei 83 000 mazgų ir daugiau nei 10 000 vartotojų per dieną.
„Bittensor“: decentralizuotas žvalgybos tinklas
Bittensor yra dar viena įdomi decentralizuota dirbtinio intelekto platforma; iš esmės ši blokų grandinės pagrindu sukurta ekosistema palaiko skaitmeninių prekių gamybą grandinėje, įskaitant dirbtinio intelekto išvadas, mokymą ir susijusią infrastruktūrą.
Taigi, kaip tai veikia? „Bittensor“ pasitelkia potinklių koncepciją, kad sukurtų bendruomenes, kurios gamina šias skaitmenines prekes konkurencingomis kainomis. Tai pagrįsta skatinamuoju modeliu, kai geriausi kasėjai (prisidarytojai) yra apdovanojami už tam tikros užduoties atlikimą. Kai kurios užduotys dirbtinio intelekto potinklyje gali būti tokios paslaugos kaip mokymas, prognozavimas ar specializuotas išvadų darymas.
„Bittensor“ tinkle taip pat yra validatorių, kurių vaidmuo – patvirtinti kasėjų atliktą darbą. Tai užtikrina, kad pagal „Bittensor“ skatinimo modelį būtų atlyginama tik už kokybiškas paslaugas – šiuo tikslu ekosistema kasdien išleidžia 7200 TAO žetonų. Potinkliuose paskirstymai skirstomi į tris grupes: potinklio kūrėją (18 %), validatorius (41 %) ir kasėjus (41 %).
„Bittensor“ decentralizuoti potinkliai yra poslinkis nuo centralizuoto dirbtinio intelekto mokymo proceso, kur didelės technologijos turi duomenų rinkimo ir kitų dirbtinio intelekto paslaugų monopolį.
„Ocean Protocol“: dirbtiniam intelektui pritaikytų duomenų prekyvietė
Vandenyno protokolas yra vienas iš įsitvirtinusių žaidėjų šioje besiformuojančioje inovacijų srityje. Sukurta kaip decentralizuotas protokolas, ši platforma palengvina dviejų pagrindinių dirbtinio intelekto pažangai reikalingų komponentų – duomenų ir skaičiavimo – veikimą.
Technologijų rinkinį sudaro trys pagrindinės dalys: duomenų žetonai, „Ocean Nodes“ ir skaičiavimo į duomenis procesai. Naudodami duomenų žetonus, „Ocean Protocol“ naudotojai gali tokenizuoti savo privačius duomenis ir padaryti juos prieinamus modelių mokymui, tuo pačiu išsaugodami savo privatumą. Šis metodas, vadinamas „token-gating“, kai duomenų savininkai gali skelbti duomenų paslaugas „Ocean Protocol“ prekyvietėje naudodami decentralizuotą prieigos kontrolės modelį.
Kalbant apie „Ocean Nodes“, jie leidžia monetizuoti nenaudojamus skaičiavimo išteklius. Įrenginių savininkai visame pasaulyje gali skirti savo nenaudojamą skaičiavimo galią „Ocean Network“ palaikymui mainais už ekosistemos atlygį.
Šios ekosistemos išskirtinis bruožas yra skaičiavimo pavertimas duomenimis; jis leidžia vartotojams (modelių dėstytojams) pirkti duomenų rinkinius, su kuriais jie gali paleisti savo modelius neatskleidžiant tiekėjo privatumo. Būtent tai suteikia „Ocean Protocol“ pranašumą kaip decentralizuotai „dirbtiniam intelektui pritaikytų duomenų rinkai“.
„SingularityNET“: decentralizuotų dirbtinio intelekto paslaugų pradininkas
SingularityNET yra decentralizuoto dirbtinio intelekto srities pradininkė; projektas buvo paleistas dar 2017 m., per minutę pritraukiant 36 mln. USD vertės ICO. Nuo tada ji išsivystė į patikimą blokų grandinės pagrindu veikiančią platformą, kurioje vartotojai gali kurti, bendrinti ir monetizuoti dirbtinio intelekto paslaugas.
Kitaip nei jos analogai, kurie daugiausia dėmesio skiria duomenų rinkiniams ir neapdorotiems skaičiavimams, „SingularityNET“ specializuojasi dirbtinio intelekto paslaugose, tokiose kaip API, modeliai ir agentai, kuriuos kūrėjai gali monetizuoti arba įsigyti, kad paremtų savo kūrimo iniciatyvas. Tai įmanoma per platformos žetoną $AGIX, kuris leidžia dalyviams mokėti už dirbtinio intelekto paslaugas.
„SingularityNET“ infrastruktūros modelis taip pat skiria daug dėmesio sąveikumui, suteikdamas skirtingoms paslaugoms galimybę kreiptis viena į kitą. Tai sukuria dirbtinį intelektą palaikančią ekosistemą, kurioje nepriklausomi dalyviai gali kurti sudėtingus procesus.
Kitas išskirtinis šio konkretaus projekto bruožas yra įkūrėjo dr. Beno Goertzelio vizija skatinti dirbtinį bendrąjį intelektą (DGBI) – amžių, kai DI galės atlikti bet kokias užduotis, kurias gali atlikti žmonės, ir potencialiai pranokti žmogaus intelektą keliose srityse.
„Fetch.ai“: decentralizuoti agentai ir duomenų ekonomika
Fetch.ai yra dar viena inovacija, veikianti būsimoje agentų ekonomikoje, kurioje veikia dirbtinio intelekto agentai. Šis projektas sukurtas kaip daugiaagentė platforma, leidžianti autonominiams programinės įrangos agentams sąveikauti, derėtis ir atlikti duomenų operacijas vartotojų, organizacijų ar įrenginių vardu, kartu naudojant blokų grandinės technologiją ryšio kanalams apsaugoti.
Vienas iš pagrindinių šios ekosistemos komponentų yra agentų sistema (AEA). Jai pavestos tokios funkcijos kaip duomenų rinkimas ir analizė, sąveika su kitais agentais ar duomenų šaltiniais, sprendimai, operacijos ir dalyvavimas mašininio mokymosi ar užduočių optimizavimo procesuose. Juos galima laikyti skaitmeniniais dvyniais, veikiančiais vartotojų vardu.
Kuo išsiskiria Fetch.ai yra realaus laiko, dinamiškų duomenų srautų tarp autonominių agentų įgalinimas. Tai yra pažanga, palyginti su tradiciniais dirbtinio intelekto kanalais, kurie yra ne tik centralizuoti, bet ir statiniai. Pavyzdžiui, eismo valdymo sistema judriame mieste gali naudoti dirbtinio intelekto agentus, kad pirktų tiesioginius eismo duomenis iš miesto jutiklių, dėka agentais pagrįsto ekonomikos modelio.
„Gensyn“: decentralizuotas skaičiavimas dirbtinio intelekto mokymui
Pagal neseniai pranešti „McKinsey“ atlikti projektai rodo, kad duomenų centrams visame pasaulyje reikės maždaug 6.7 trilijono dolerių, kad patenkintų augančią skaičiavimo galios paklausą. Gensyn Šią kylančią išlaidų riziką ji sprendžia taikydama decentralizuotą protokolą, kuris orientuotas į mašininio mokymosi skaičiavimus.
Iš esmės „Gensyn“ leidžia sujungti pasaulinę skaičiavimo sistemą į vieną tinklą. Tai įmanoma naudojant decentralizuotą sistemą, kuri suteikia galimybę visiems, turintiems laisvų skaičiavimų, juos paskirstyti tinklui, taip padedant dirbtinio intelekto novatoriams naudotis visame pasaulyje prieinamais skaičiavimais, kuriuos jie gali išsinuomoti didelių modelių mokymui.
„Gensyn“ ekosistemą sudaro keturi pagrindiniai komponentai: nuoseklus mašininio mokymosi vykdymas, nepatikimas patikrinimas, tarpusavio ryšys ir decentralizuotas koordinavimas. Visi šie aspektai veikia kartu, kad būtų užtikrintas decentralizuotas, patikrinamas mašininis mokymasis pasauliniu mastu.
Taip pat verta paminėti, kad šis projektas vis dar yra ankstyvosiose stadijose, šiuo metu veikia „Testnet“. Jame yra trys programos, kurias vartotojai gali išbandyti: „RL Swarm“, „BlockAssist“ ir „Judge“.
Žolė: decentralizuotas duomenų sutelktinio finansavimo tinklas
Dažnai, mokėdami už interneto paslaugas, neišnaudojame viso paskirto pralaidumo. Grass, anksčiau žinoma kaip „Grassdata“, pristatė novatorišką koncepciją, pagal kurią interneto vartotojai visame pasaulyje gali panaudoti savo laisvą pralaidumą.
Projektas įgyvendina šį pasakojimą per paskirstytą modelį, kuris leidžia kiekvienam prisidėti ir gauti atlygį atliekant paprastus veiksmus, paverčiant nenaudojamą pralaidumą vertingu dirbtinio intelekto mokymo ištekliumi. Paprastai tariant, „Grass“ veikia kaip decentralizuotas fizinis tinklas (DepIN), skirtas prieigai prie žiniatinklio duomenų, kuriame vartotojai gali paleisti mazgus iš savo kasdienių įrenginių, kurie tarnauja kaip duomenų šaltiniai dirbtiniam intelektui ir žiniatinklio žvalgybai.
Šis leidimų nereikalaujantis ir paskirstytas metodas keičia ne tik dirbtinio intelekto modelių mokymą, bet ir kasdienių skaitmeninių išteklių naudojimą. Vartotojai gali veikti kaip duomenų teikėjai, maitindami atvirą tinklą, galintį konkuruoti su centralizuotomis žiniatinklio paieškos robotais ir duomenų agregatoriais, kuriuos šiuo metu kontroliuoja kelios didelės technologijų įmonės.
Išvada
Kaip minėta įvade, dirbtinio intelekto evoliucija ir diegimas neapsiėjo be savų unikalių iššūkių. Tai apima duomenų kontrolę, kokybę ir didėjančias skaičiavimo sąnaudas. Tačiau, kaip pabrėžiama šiame sąraše pateiktais pavyzdžiais, decentralizuoto dirbtinio intelekto inovacijų srityje padaryta didelė pažanga. Šie projektai yra puiki proga pamatyti, ką decentralizuotos architektūros gali pasiūlyti dirbtiniam intelektui ir atvirkščiai; tai naudinga tiek blokų grandinės, tiek dirbtinio intelekto inovacijoms.
Decentralizuotų dirbtinio intelekto platformų palyginimo lentelė
| PROJEKTAS | Pagrindinis tikslas | Kas išsiskiria |
| OORT | Decentralizuotas dirbtinio intelekto duomenų debesis, leidžiantis vartotojams rinkti, apdoroti ir monetizuoti duomenis | Bendruomenės valdomas duomenų centras ir periferinis tinklas („Deimos“) su daugiau nei 330 tūkst. bendraautorių ir patikrinamais duomenų rinkiniais |
| Bittensor | Blokų grandinės tinklas decentralizuotam dirbtinio intelekto mokymui ir išvadoms | Skatinamieji potinkliai, apdovanojantys kokybiškus dirbtinio intelekto rezultatus kasdieniais TAO išmetimais |
| Vandenyno protokolas | Dirbtiniam intelektui pritaikytų duomenų ir skaičiavimo reikmenų prekyvietė | „Compute-to-Data“ privatumo modelis, leidžiantis saugiai dalytis duomenimis neatskleidžiant neapdorotų duomenų rinkinių |
| SingularityNET | Dirbtinio intelekto paslaugų ir API prekyvietė | Sąveikių dirbtinio intelekto agentų monetizavimas; novatoriška dirbtinio bendrojo intelekto (DBI) vizija |
| Fetch.ai | Daugiagentė dirbtinio intelekto ekonomika autonominiam duomenų mainams | Duomenų derinimas realiuoju laiku per autonominius agentus (AEA) |
| Gensyn | Decentralizuotas skaičiavimo tinklas mašininiam mokymuisi | Nepatikimas pasaulinio skaičiavimo tiekimo patikrinimas ir agregavimas dirbtinio intelekto mokymui |
| Grass | Decentralizuotas pralaidumo ir duomenų sutelktinio finansavimo tinklas | Konvertuoja nenaudojamą interneto pralaidumą į dirbtinio intelekto mokymo duomenų išteklius |
Dažnai užduodami klausimai
Kas yra decentralizuotas dirbtinis intelektas?
Decentralizuotas DI reiškia dirbtinio intelekto sistemas, sukurtas paskirstytose ekosistemose, tokiose kaip blokų grandinės arba tarpusavio ryšio infrastruktūros. Pasaulinės bendruomenės atlieka duomenų, skaičiavimo ir modelių mokymo vaidmenį, o ne centralizuotoje aplinkoje, kur didelės korporacijos kontroliuoja visas šias funkcijas.
Kuo decentralizuotas dirbtinis intelektas skiriasi nuo tradicinių dirbtinio intelekto platformų?
Kitaip nei tradiciniai analogai, kurie remiasi centralizuotais duomenų centrais ir neskaidriais duomenų rinkimo metodais, decentralizuotas dirbtinis intelektas paskirsto duomenų šaltinius, skaičiavimo galią ir modelių mokymą įvairiems ekosistemos dalyviams. Tai pagerina skaidrumą, saugumą ir įtrauktį.
Kodėl duomenų kokybės kontrolė yra svarbi kuriant dirbtinį intelektą?
Duomenų kokybė daro tiesioginę įtaką dirbtinio intelekto modelių tikslumui ir teisingumui. Todėl dirbtinio intelekto duomenų srautai turi būti patikrinami, etiškai gaunami ir saugiai bendrinami.
Kaip dalyviai uždirba decentralizuotose dirbtinio intelekto ekosistemose?
Yra keletas būdų užsidirbti iš šių ekosistemų, įskaitant vertingų išteklių, tokių kaip duomenys ir skaičiavimo galia, indėlį. Daugumoje DeAI platformų yra skatinimo mechanizmai, pagal kuriuos vartotojai gali gauti monetizuojamą atlygį.
Kurie decentralizuoti dirbtinio intelekto projektai šiuo metu pirmauja šioje srityje?
Tarp žymiausių žaidėjų yra OORT (duomenų debesis), „Bittensor“ (DI žvalgybos tinklas), „Ocean Protocol“ (DI pritaikyta duomenų prekyvietė), „SingularityNET“ (DI paslaugų centras), „Fetch.ai“ (agentų ekonomika), „Gensyn“ (decentralizuotas skaičiavimas) ir „Grass“ (duomenų sutelktinio finansavimo tinklas).
Atsakomybės neigimas
Remdamasi tuo, Pasitikėjimo projekto gairės, atkreipkite dėmesį, kad šiame puslapyje pateikta informacija nėra skirta ir neturėtų būti aiškinama kaip teisinė, mokesčių, investicinė, finansinė ar bet kokia kita konsultacija. Svarbu investuoti tik tai, ką galite sau leisti prarasti, ir, jei turite kokių nors abejonių, kreiptis į nepriklausomą finansinę konsultaciją. Norėdami gauti daugiau informacijos, siūlome peržiūrėti taisykles ir nuostatas bei pagalbos ir palaikymo puslapius, kuriuos pateikia išdavėjas arba reklamuotojas. MetaversePost yra įsipareigojusi teikti tikslias, nešališkas ataskaitas, tačiau rinkos sąlygos gali keistis be įspėjimo.
Apie autorių
Gregory, skaitmeninis klajoklis, kilęs iš Lenkijos, yra ne tik finansų analitikas, bet ir vertingas įvairių internetinių žurnalų bendradarbis. Turėdamas didelę patirtį finansų sektoriuje, jo įžvalgos ir kompetencija pelnė jam pripažinimą daugelyje publikacijų. Efektyviai išnaudodamas savo laisvalaikį, Gregory šiuo metu yra pasišventęs rašyti knygą apie kriptovaliutą ir blokų grandinę.
Daugiau straipsnių
Gregory, skaitmeninis klajoklis, kilęs iš Lenkijos, yra ne tik finansų analitikas, bet ir vertingas įvairių internetinių žurnalų bendradarbis. Turėdamas didelę patirtį finansų sektoriuje, jo įžvalgos ir kompetencija pelnė jam pripažinimą daugelyje publikacijų. Efektyviai išnaudodamas savo laisvalaikį, Gregory šiuo metu yra pasišventęs rašyti knygą apie kriptovaliutą ir blokų grandinę.
