7 найкращих децентралізованих платформ штучного інтелекту, за якими варто стежити
Коротко
У цій статті ми виділимо 7 найкращих децентралізованих платформ штучного інтелекту, які вирівнюють правила гри.
Інновації у сфері штучного інтелекту (ШІ) зазнали величезного зростання з моменту появи ChatGPT у листопаді 2022 року. Однак, незважаючи на поширення, деякі суттєві перешкоди продовжують уповільнювати розробку та впровадження ШІ – однією з найбільших проблем, з якими стикається ця галузь, що зароджується, є якість даних та контроль.
Відповідно до оцінити Згідно з Epoch AI, загальний ефективний запас публічних текстових даних, згенерованих людиною, становить близько 300 трильйонів токенів; цей запас даних, ймовірно, буде повністю використаний мовними моделями для навчання між 2026 і 2032 роками. Цей дефіцит даних, що назріває, у поєднанні з побоюваннями щодо прозорості та вартості, є головним чином результатом централізації більшості конвеєрів даних ШІ.
З іншого боку, децентралізовані інфраструктури виявляються цінними у вирішенні деяких із цих проблемних питань. У цій статті ми виділимо 7 найкращих децентралізованих платформ штучного інтелекту, які вирівнюють правила гри. Ці нові платформи надають розробникам штучного інтелекту та підприємствам можливість отримувати перевірені набори даних, керовані спільнотою, не покладаючись на централізованих посередників.
OORT: Повна хмара даних для децентралізованого штучного інтелекту
ООРТ — це комплексне децентралізоване рішення на основі штучного інтелекту, розроблене для того, щоб дозволити як підприємствам, так і приватним особам збирати, обробляти та монетизувати дані штучного інтелекту.
Що відрізняє цю хмару даних штучного інтелекту від її централізованих аналогів, так це підхід глобальної спільноти; замість того, щоб покладатися на непрозорі процеси збору даних, OORT запроваджує децентралізовану омніланцюгову платформу збору даних під назвою OORT DataHub. Ця платформа використовує внески глобальної спільноти для надання різноманітних, високоякісних та перевірених наборів даних для вирішення існуючих недоліків у якості та контролі даних штучного інтелекту.
OORT DataHub підтримується децентралізованою мережею OORT Edge, яка забезпечує зберігання та обробку зібраних даних; це робиться через апаратний пристрій граничного вузла – Deimos.
Таким чином, користувачі екосистеми OORT мають можливість отримувати монетизовані винагороди шляхом внесок до DataHub або стаючи частиною периферійної мережі шляхом хостинг вузол через пристрій Deimos. Наразі в цій децентралізованій екосистемі штучного інтелекту зареєстровано понад 330 000 учасників, понад 83 000 вузлів та понад 10 000 користувачів щодня.
Bittensor: Децентралізована розвідувальна мережа
Біттензор – ще одна цікава децентралізована платформа штучного інтелекту; по суті, ця екосистема на основі блокчейну підтримує виробництво цифрових товарів у мережі, включаючи виведення на основі штучного інтелекту, навчання та пов’язану з цим інфраструктуру.
Отже, як це працює? Bittensor використовує концепцію підмереж для створення спільнот, які виробляють ці цифрові товари за конкурентними цінами. Це базується на моделі стимулювання, де найкращі майнери (учасники) винагороджуються за виконання певного завдання. Деякі із завдань у підмережі штучного інтелекту можуть включати такі послуги, як навчання, прогнозування або спеціалізований висновок.
Мережа Bittensor також включає валідаторів, роль яких полягає у перевірці роботи, виконаної майнерами. Це гарантує, що лише якісні послуги винагороджуються завдяки моделі стимулювання Bittensor – екосистема щодня випускає 7200 токенів TAO для цієї мети. Розподіл у підмережах поділено на три групи: творець підмережі (18%), валідатори (41%) та майнери (41%).
Децентралізовані підмережі Bittensor – це відхід від централізованого процесу навчання штучного інтелекту, де великі технологічні компанії мають монополію на збір даних та інші послуги штучного інтелекту.
Ocean Protocol: Ринок даних, готових до використання штучним інтелектом
Протокол океану є одним із визнаних гравців у цій новій галузі інновацій. Побудована як децентралізований протокол, ця платформа забезпечує два основні компоненти, необхідні для розвитку штучного інтелекту – дані та обчислення.
Технологічний стек включає три основні частини: Datatokens, Ocean Nodes та Compute-to-Data. За допомогою Datatokens користувачі Ocean Protocol можуть токенізувати свої особисті дані та робити їх доступними для навчання моделей, зберігаючи при цьому свою конфіденційність. Цей підхід, що отримав назву «токенгейтинг», дозволяє власникам даних публікувати сервіси даних на торговому майданчику Ocean Protocol за допомогою децентралізованої моделі контролю доступу.
Що стосується вузлів Ocean Nodes, вони дозволяють монетизувати ресурси, що простоюють. Власники пристроїв по всьому світу можуть присвятити свої обчислювальні потужності, що простоюють, підтримці мережі Ocean Network в обмін на винагороду екосистеми.
Обчислення в дані (Compute-to-Data) є відмінною рисою цієї екосистеми; вона дозволяє споживачам (тренерам моделей) купувати набори даних, на яких вони можуть запускати свої моделі, не розкриваючи конфіденційність постачальника. Саме це дає Ocean Protocol перевагу як децентралізованому «ринку даних, готових до використання штучного інтелекту».
SingularityNET: Піонер децентралізованих послуг штучного інтелекту
SingularityNET є піонером у сфері децентралізованого штучного інтелекту; проєкт було запущено ще у 2017 році, зібравши 36 мільйонів доларів ICO протягом хвилини. Відтоді він перетворився на авторитетну платформу на основі блокчейну, де користувачі можуть створювати, ділитися та монетизувати послуги штучного інтелекту.
На відміну від своїх аналогів, які зосереджені на наборах даних та необроблених обчисленнях, SingularityNET спеціалізується на послугах штучного інтелекту, таких як API, моделі та агенти, які розробники можуть монетизувати або купувати для підтримки своїх ініціатив у сфері розробки. Це можливо завдяки власному токену платформи $AGIX, який дозволяє учасникам оплачувати послуги штучного інтелекту.
Модель інфраструктури SingularityNET також приділяє пильну увагу взаємодії, дозволяючи різним сервісам взаємодіяти. Це створює екосистему, що підтримує штучний інтелект, де незалежні учасники можуть збирати складні конвеєри.
Ще однією визначною особливістю цього конкретного проєкту є бачення засновника, доктора Бена Гертцеля, щодо розвитку загального штучного інтелекту (ЗШІ) – епохи, коли ШІ матиме здатність виконувати будь-які завдання, які може виконувати людина, і потенційно перевершить людський інтелект у кількох сферах.
Fetch.ai: Децентралізовані агенти та економіка даних
Fetch.ai – це ще одна новаторська розробка, що працює в рамках майбутньої агентної економіки, що базується на агентах штучного інтелекту. Цей проєкт розроблений як багатоагентна платформа, що дозволяє автономним програмним агентам взаємодіяти, узгоджувати та обробляти дані від імені користувачів, організацій або пристроїв, використовуючи технологію блокчейн для захисту каналів зв'язку.
Одним з основних компонентів цієї екосистеми є агентний фреймворк (AEA). Він виконує такі функції, як збір та аналіз даних, взаємодія з іншими агентами або джерелами даних, прийняття рішень, транзакції та участь у машинному навчанні або оптимізації завдань. Їх можна розглядати як цифрових двійників, що діють від імені користувачів.
Що виділяється Fetch.ai – це забезпечення динамічних потоків даних у режимі реального часу між автономними агентами. Це прогрес у порівнянні з традиційними конвеєрами штучного інтелекту, які є не лише централізованими, а й статичними за своєю природою. Наприклад, система управління дорожнім рухом у жвавому місті може використовувати агенти штучного інтелекту для купівлі даних про дорожній рух у реальному часі з міських датчиків завдяки агентно-орієнтованій моделі економіки.
Gensyn: Децентралізовані обчислення для навчання ШІ
Відповідно до недавнього звітом За даними McKinsey, проекти показують, що центрам обробки даних у всьому світі знадобиться приблизно 6.7 трильйона доларів, щоб задовольнити зростаючий попит на обчислювальну потужність. Gensyn вирішує цей загрозливий ризик витрат за допомогою свого децентралізованого протоколу, який зосереджений на обчисленнях машинного навчання.
По суті, Gensyn дозволяє агрегувати світові обчислювальні ресурси в єдину мережу. Це можливо завдяки децентралізованій платформі, яка надає можливість будь-кому, хто має вільні обчислення, виділити їх у мережу, підтримуючи новаторів у галузі штучного інтелекту глобально доступними обчисленнями, які вони можуть орендувати для масштабування навчання великих моделей.
Екосистема Gensyn складається з чотирьох фундаментальних компонентів: послідовне виконання машинного навчання, бездовірна перевірка, взаємодія між вузлами та децентралізована координація. Всі ці аспекти працюють разом, щоб забезпечити децентралізоване, перевірене машинне навчання в глобальному масштабі.
Варто також зазначити, що цей проєкт все ще перебуває на ранній стадії, і тестова мережа вже доступна. Вона пропонує три програми, які користувачі можуть спробувати: RL Swarm, BlockAssist та Judge.
Grass: Децентралізована мережа краудсорсингу даних
Часто, коли ми платимо за інтернет-послуги, ми не використовуємо всю виділену пропускну здатність. Grass, раніше Grassdata, представила інноваційну концепцію, за якою користувачі Інтернету з усього світу можуть використовувати свою неактивну пропускну здатність.
Проєкт втілює цю історію в життя завдяки своїй розподіленій моделі, яка дозволяє будь-кому робити свій внесок і отримувати винагороду за допомогою простих кроків, перетворюючи вільну пропускну здатність на цінний ресурс для навчання ШІ. Простіше кажучи, Grass працює як децентралізована фізична мережа (DepIN) для доступу до веб-даних, завдяки якій користувачі можуть запускати вузли зі своїх щоденних пристроїв, слугуючи джерелами даних для ШІ та веб-інтелекту.
Такий розподілений підхід без дозволів змінює правила гри не лише в навчанні моделей штучного інтелекту, але й у використанні повсякденних цифрових ресурсів. Користувачі можуть виступати постачальниками даних для підтримки відкритої мережі, здатної конкурувати з централізованими веб-сканерами та агрегаторами даних, які наразі контролюються кількома великими технологічними компаніями.
Висновок
Як згадувалося у вступі, еволюція та впровадження штучного інтелекту не обійшлися без унікального набору проблем. Це включає контроль даних, якість та зростання вартості обчислень. Однак, як показано на прикладах у цьому списку, у сфері децентралізованих інновацій у сфері штучного інтелекту досягнуто значного прогресу. Ці проекти є коротким уявленням про те, що децентралізовані архітектури можуть запропонувати штучному інтелекту, і навпаки; це взаємовигідна угода як для блокчейну, так і для інновацій у сфері штучного інтелекту.
Таблиця порівняння децентралізованих платформ штучного інтелекту
| Проекти | Основний фокус | Що виділяється |
| ООРТ | Децентралізована хмара даних на основі штучного інтелекту, що дозволяє користувачам збирати, обробляти та монетизувати дані | Центр даних та периферійна мережа Deimos, керовані спільнотою, з понад 330 тис. учасників та перевіреними наборами даних |
| Біттензор | Блокчейн-мережа для децентралізованого навчання та логічного висновку ШІ | Стимульовані підмережі винагороджують якісні результати ШІ щоденними викидами TAO |
| Протокол океану | Ринок даних та обчислень, готових до використання штучного інтелекту | Модель конфіденційності «Обчислення-дані», що дозволяє безпечний обмін даними без розкриття необроблених наборів даних |
| SingularityNET | Маркетплейс для послуг та API штучного інтелекту | Монетизація сумісних агентів штучного інтелекту; новаторське бачення загального штучного інтелекту (ЗШІ) |
| Fetch.ai | Багатоагентна економіка штучного інтелекту для автономного обміну даними | Узгодження даних у режимі реального часу через автономні агенти (AEA) |
| Gensyn | Децентралізована обчислювальна мережа для машинного навчання | Бездовірна перевірка та агрегація глобального обчислювального ресурсу для навчання ШІ |
| Grass | Децентралізована мережа краудсорсингу пропускної здатності та даних | Перетворює неактивну пропускну здатність інтернету на ресурси даних для навчання ШІ |
Поширені запитання
Що таке децентралізований ШІ?
Децентралізований ШІ стосується систем штучного інтелекту, побудованих на розподілених екосистемах, таких як блокчейн або однорангові інфраструктури. Глобальні спільноти беруть на себе роль даних, обчислень та навчання моделей, на відміну від централізованого середовища, де великі корпорації контролюють усі ці функції.
Чим децентралізований ШІ відрізняється від традиційних платформ ШІ?
На відміну від своїх традиційних аналогів, які покладаються на централізовані центри обробки даних та непрозорі методи збору даних, децентралізований штучний інтелект розподіляє джерела даних, обчислювальну потужність та навчання моделей між різними учасниками екосистеми. Це підвищує прозорість, безпеку та інклюзивність.
Чому контроль якості даних важливий для розробки штучного інтелекту?
Якість даних безпосередньо впливає на точність та справедливість моделей ШІ. Таким чином, канали даних ШІ повинні бути перевіреними, етично отриманими та безпечно поширюватися.
Як учасники заробляють у децентралізованих екосистемах штучного інтелекту?
Існує кілька способів заробітку на цих екосистемах, зокрема за рахунок цінних ресурсів, таких як дані та обчислювальна потужність. Більшість платформ DeAI мають механізми стимулювання, за допомогою яких користувачі можуть отримувати монетизовані винагороди.
Які децентралізовані проекти штучного інтелекту зараз лідирують у цій галузі?
Серед відомих гравців – OORT (хмара даних), Bittensor (мережа штучного інтелекту), Ocean Protocol (ринок даних, готовий до використання штучного інтелекту), SingularityNET (центр послуг штучного інтелекту), Fetch.ai (агентна економіка), Gensyn (децентралізовані обчислення) та Grass (мережа краудсорсингу даних).
відмова
Відповідно до Правила проекту Trust, будь ласка, зверніть увагу, що інформація, надана на цій сторінці, не призначена і не повинна тлумачитися як юридична, податкова, інвестиційна, фінансова або будь-яка інша форма консультації. Важливо інвестувати лише те, що ви можете дозволити собі втратити, і звернутися за незалежною фінансовою порадою, якщо у вас виникнуть сумніви. Щоб отримати додаткову інформацію, ми пропонуємо звернутися до положень та умов, а також до сторінок довідки та підтримки, наданих емітентом або рекламодавцем. MetaversePost прагне до точного, неупередженого звітування, але ринкові умови можуть змінюватися без попередження.
про автора
Грегорі, цифровий кочівник родом із Польщі, є не лише фінансовим аналітиком, але й цінним автором різноманітних онлайн-журналів. Маючи багатий досвід роботи у фінансовій галузі, його знання та досвід заслужили визнання в численних публікаціях. Ефективно використовуючи свій вільний час, Грегорі зараз присвячений написанню книги про криптовалюту та блокчейн.
інші статті
Грегорі, цифровий кочівник родом із Польщі, є не лише фінансовим аналітиком, але й цінним автором різноманітних онлайн-журналів. Маючи багатий досвід роботи у фінансовій галузі, його знання та досвід заслужили визнання в численних публікаціях. Ефективно використовуючи свій вільний час, Грегорі зараз присвячений написанню книги про криптовалюту та блокчейн.
