值得关注的 7 个最佳去中心化人工智能平台
简单来说
本文重点介绍 7 个正在创造公平竞争环境的顶级去中心化人工智能平台。
自人工智能（AI）诞生以来，人工智能创新取得了巨大的发展。 ChatGPT 2022 年 11 月。然而，尽管人工智能正在走向主流，但一些重大瓶颈仍在减缓人工智能的发展和应用——这个新兴行业面临的最大挑战之一是数据质量和控制。
根据一个 评估 据 Epoch AI 估计，人类生成的公共文本数据的有效总量约为 300 万亿代币；这些数据很可能在 2026 年至 2032 年间被语言模型充分利用进行训练。这种迫在眉睫的数据稀缺性，加上对透明度和成本的担忧，主要是由于大多数人工智能数据管道的集中化造成的。
从积极的一面来看，去中心化基础设施在解决这些痛点方面展现出了巨大的价值。本文将重点介绍七个顶尖的去中心化人工智能平台，它们正在创造一个更加公平的竞争环境。这些新兴平台使人工智能开发者和企业能够获取可验证的、社区驱动的数据集，而无需依赖中心化的中介机构。
OORT：面向去中心化人工智能的完整数据云
奥鲁特 是一个端到端的去中心化人工智能解决方案，旨在使企业和个人能够收集、处理人工智能数据并从中获利。
与集中式人工智能数据云相比，OORT 最突出的特点在于其全球社区模式；OORT 没有依赖不透明的数据收集流程，而是引入了一个名为 OORT DataHub 的去中心化全链数据收集平台。该平台利用全球社区的贡献，提供多样化、高质量且可验证的数据集，以解决人工智能数据质量和控制方面存在的现有缺陷。
OORT DataHub 的支持来自去中心化网络 OORT Edge，它通过边缘节点硬件设备 Deimos 为收集的数据提供存储和处理功能。
因此，OORT生态系统用户有机会通过以下方式获得可变现的奖励： 贡献 通过以下方式接入数据中心或成为边缘网络的一部分 托管 通过Deimos设备连接到一个节点。目前，这个去中心化的AI生态系统拥有超过330,000万名数据贡献者、83,000万多个节点和10,000万多名日活跃用户。
Bittensor：去中心化智能网络
比特张量 是另一个有趣的去中心化人工智能平台；从本质上讲，这个基于区块链的生态系统支持链上生产数字商品，包括人工智能推理、训练和相关基础设施。
那么，它是如何运作的呢？Bittensor 利用子网的概念，构建能够以具有竞争力的价格生产这些数字商品的社区。这基于一种激励模型，其中表现最佳的矿工（贡献者）会因完成特定任务而获得奖励。人工智能子网中的一些任务可以包括训练、预测或专门的推理等服务。
Bittensor 网络还包含验证者，其职责是验证矿工的工作成果。这确保只有高质量的服务才能通过 Bittensor 的激励机制获得奖励——为此，该生态系统每天会发行 7200 个 TAO 代币。子网内的代币分配分为三类：子网创建者 (18%)、验证者 (41%) 和矿工 (41%)。
Bittensor 的去中心化子网正在改变集中式 AI 训练流程，在这种流程中，大型科技公司垄断了数据收集和其他 AI 服务。
Ocean Protocol：面向人工智能数据的交易平台
海洋协议 是这一新兴创新领域中已确立地位的参与者之一。该平台采用去中心化协议构建，为人工智能发展提供两大关键要素——数据和计算。
该技术栈包含三个主要部分：数据令牌（Datatokens）、Ocean 节点和计算到数据（Compute-to-Data）。借助数据令牌，Ocean Protocol 用户可以将他们的私有数据令牌化，并在保护隐私的同时将其用于模型训练。这种方法被称为“令牌门控”，数据所有者可以通过去中心化的访问控制模型在 Ocean Protocol 市场上发布数据服务。
至于海洋节点，它们能够将闲置的计算资源货币化。世界各地的设备所有者可以将闲置的计算能力用于支持海洋网络，从而获得生态系统奖励。
计算到数据是该生态系统的标志性特征；它允许消费者（模型训练者）购买数据集，并在不泄露提供者隐私的情况下运行模型。这使得 Ocean Protocol 作为去中心化的“人工智能就绪数据市场”具有优势。
SingularityNET：去中心化人工智能服务的先驱
SingularityNET 是去中心化人工智能领域的先驱；该项目于 2017 年启动，在短短一分钟内就完成了 36 万美元的 ICO。此后，它发展成为一个信誉卓著的区块链平台，用户可以在该平台上创建、分享人工智能服务并从中获利。
与专注于数据集和原始计算的同类平台不同，SingularityNET 专注于人工智能服务，例如 API、模型和智能体，开发者可以通过购买或变现这些服务来支持其开发项目。这可以通过平台的原生代币 $AGIX 实现，参与者可以使用该代币支付人工智能服务费用。
SingularityNET 的基础设施模型也高度重视互操作性，使不同的服务能够相互调用。这创建了一个支持人工智能的生态系统，独立的贡献者可以在其中构建复杂的管道。
该项目的另一个突出特点是创始人 Ben Goertzel 博士的愿景，即推进通用人工智能 (AGI) 的发展——在那个时代，人工智能将拥有执行人类可以执行的任何任务的能力，并有可能在多个领域超越人类智能。
Fetch.ai：去中心化代理和数据经济
Fetch.ai 这是另一项创新，它运行于由人工智能代理驱动的新兴代理经济体系中。该项目被设计为一个多代理平台，允许自主软件代理代表用户、组织或设备进行交互、协商和数据交易，同时利用区块链技术来保障通信渠道的安全。
该生态系统的主要组成部分之一是代理框架（AEA）。它负责数据收集和分析、与其他代理或数据源交互、决策、交易以及参与机器学习或任务优化等功能。可以将其视为代表用户执行操作的数字孪生体。
有什么突出的 Fetch.ai 它实现了自主代理之间实时、动态的数据流。这比传统的AI流程有了显著的进步，传统的AI流程不仅集中式，而且本质上是静态的。例如，得益于基于代理的经济模型，繁忙城市的交通管理系统可以利用AI代理从城市传感器购买实时交通数据。
Gensyn：用于人工智能训练的去中心化计算
据最近的一项 报告 麦肯锡公司的预测显示，全球数据中心预计需要 6.7 万亿美元才能满足不断增长的计算能力需求。 根生 它通过去中心化的协议来应对这种迫在眉睫的成本风险，该协议专注于机器学习计算。
Gensyn 的核心在于将全球计算资源聚合到一个单一的网络中。这得益于其去中心化的框架，该框架允许任何拥有闲置计算资源的用户将其贡献给网络，从而为人工智能创新者提供全球可用的计算资源，供他们租用以扩展大型模型的训练规模。
Gensyn的生态系统由四个基础组件构成：一致的机器学习执行、无需信任的验证、点对点通信和去中心化协调。所有这些方面协同工作，在全球范围内实现去中心化、可验证的机器学习。
值得一提的是，该项目仍处于早期阶段，目前仅提供测试网。它包含三个可供用户试用的应用程序：RL Swarm、BlockAssist 和 Judge。
Grass：去中心化数据众包网络
很多时候，我们付费使用网络服务后，最终并没有用完所有分配的带宽。 Grass该公司前身为 Grassdata，推出了一项创新理念，让全球互联网用户能够利用闲置的带宽。
该项目通过其分布式模型将这一理念付诸实践，任何人都可以通过简单的步骤做出贡献并获得奖励，从而将闲置带宽转化为人工智能训练的宝贵资源。简而言之，Grass 作为一个去中心化的物理网络 (DepIN) 运行，用于访问网络数据，用户可以在其日常设备上运行节点，作为人工智能和网络智能的数据源。
这种无需许可的分布式方法不仅彻底改变了人工智能模型训练，也改变了日常数字资源的利用方式。用户可以作为数据提供者，构建一个开放的网络，与目前由少数几家大型科技公司控制的中心化网络爬虫和数据聚合器展开竞争。
结语
正如引言所述，人工智能的发展和应用并非一帆风顺，它面临着诸多独特的挑战，包括数据控制、质量以及日益增长的计算成本。然而，正如本文列举的案例所示，去中心化人工智能创新领域已取得了显著进展。这些项目展现了去中心化架构能够为人工智能带来的益处，反之亦然；这对区块链和人工智能创新而言都是双赢的局面。
去中心化人工智能平台对比表
| 项目 | 主要焦点 | 突出之处 |
| 奥鲁特 | 去中心化人工智能数据云，使用户能够收集、处理数据并将其货币化。 | 社区驱动的数据中心和边缘网络（Deimos），拥有超过 330 万名贡献者和可验证的数据集 |
| 比特张量 | 用于去中心化人工智能训练和推理的区块链网络 | 激励子网通过每日 TAO 排放量奖励高质量的 AI 输出 |
| 海洋协议 | 面向人工智能就绪数据和计算的市场 | 计算到数据隐私模型允许在不暴露原始数据集的情况下安全共享数据 |
| SingularityNET | 人工智能服务和API市场 | 实现可互操作人工智能代理的商业化；开创通用人工智能（AGI）的愿景 |
| Fetch.ai | 用于自主数据交换的多智能体人工智能经济 | 通过自主代理（AEA）进行实时数据协商 |
| 根生 | 用于机器学习的去中心化计算网络 | 用于人工智能训练的全球计算资源无需信任的验证和聚合 |
| Grass | 去中心化带宽和数据众包网络 | 将闲置的互联网带宽转化为人工智能训练数据资源 |
常见问题 (FAQ)
什么是去中心化人工智能？
去中心化人工智能指的是构建在分布式生态系统（例如区块链或点对点基础设施）上的人工智能系统。全球社区承担数据、计算和模型训练的角色，这与大型企业控制所有这些功能的集中式模式截然不同。
去中心化人工智能与传统人工智能平台有何不同？
与依赖集中式数据中心和不透明数据收集技术的传统人工智能不同，去中心化人工智能将数据源、计算能力和模型训练分配给不同的生态系统参与者。这提高了透明度、安全性和包容性。
为什么数据质量控制对人工智能开发至关重要？
数据质量直接影响人工智能模型的准确性和公平性。因此，人工智能数据管道需要具备可验证性，数据来源符合伦理规范，并且共享过程必须安全可靠。
参与者如何在去中心化的人工智能生态系统中获利？
从这些生态系统中获利的方式有很多种，包括贡献数据和计算能力等宝贵资源。大多数去中心化人工智能（DeAI）平台都设有激励机制，用户可以从中获得可变现的奖励。
目前哪些去中心化人工智能项目处于领先地位？
主要参与者包括 OORT（数据云）、Bittensor（人工智能网络）、Ocean Protocol（人工智能就绪数据市场）、SingularityNET（人工智能服务中心）、Fetch.ai（代理经济）、Gensyn（去中心化计算）和 Grass（数据众包网络）。
免责声明
在与行 信托项目指南，请注意，本页提供的信息无意且不应被解释为法律、税务、投资、财务或任何其他形式的建议。 重要的是，仅投资您可以承受损失的金额，并在有任何疑问时寻求独立的财务建议。 如需了解更多信息，我们建议您参阅条款和条件以及发行人或广告商提供的帮助和支持页面。 MetaversePost 致力于提供准确、公正的报告，但市场状况如有变更，恕不另行通知。
关于作者
格雷戈里是一位来自波兰的数字游牧者，他不仅是一名金融分析师，也是各种在线杂志的重要撰稿人。 凭借在金融行业的丰富经验，他的见解和专业知识为他赢得了众多出版物的认可。 格雷戈里有效地利用业余时间，致力于撰写一本有关加密货币和区块链的书。
更多文章
格雷戈里是一位来自波兰的数字游牧者，他不仅是一名金融分析师，也是各种在线杂志的重要撰稿人。 凭借在金融行业的丰富经验，他的见解和专业知识为他赢得了众多出版物的认可。 格雷戈里有效地利用业余时间，致力于撰写一本有关加密货币和区块链的书。
