值得關注的 7 個最佳去中心化人工智慧平台
簡單來說
本文重點介紹 7 個正在創造公平競爭環境的頂級去中心化人工智慧平台。
自從人工智慧（AI）誕生以來，人工智慧創新取得了巨大的發展。 ChatGPT 2022 年 11 月。然而，儘管人工智慧正在走向主流，但一些重大瓶頸仍在減緩人工智慧的發展和應用——這個新興產業面臨的最大挑戰之一是數據品質和控制。
根據一個 估計 根據 Epoch AI 估計，人類產生的公共文字資料的有效總量約為 300 兆代幣；這些資料很可能在 2026 年至 2032 年間被語言模型充分利用進行訓練。這種迫在眉睫的數據稀缺性，加上對透明度和成本的擔憂，主要是由於大多數人工智慧數據管道的集中化所造成的。
從正面的一面來看，去中心化基礎設施在解決這些痛點方面展現出了巨大的價值。本文將重點放在七個頂尖的去中心化人工智慧平台，它們正在創造一個更公平的競爭環境。這些新興平台使人工智慧開發者和企業能夠獲取可驗證的、社群驅動的資料集，而無需依賴中心化的中介機構。
OORT：去中心化人工智慧的完整資料雲
歐特 是一個端到端的去中心化人工智慧解決方案，旨在使企業和個人能夠收集、處理人工智慧資料並從中獲利。
與集中式人工智慧資料雲相比，OORT 最突出的特點在於其全球社群模式；OORT 沒有依賴不透明的資料收集流程，而是引進了一個名為 OORT DataHub 的去中心化全鏈資料收集平台。該平台利用全球社群的貢獻，提供多樣化、高品質且可驗證的資料集，以解決人工智慧資料品質和控制方面存在的現有缺陷。
OORT DataHub 的支援來自去中心化網路 OORT Edge，它透過邊緣節點硬體設備 Deimos 為收集的資料提供儲存和處理功能。
因此，OORT生態系統用戶有機會透過以下方式獲得可變現的獎勵： 貢獻 透過以下方式連接資料中心或成為邊緣網路的一部分 託管 透過Deimos設備連接到一個節點。目前，這個去中心化的AI生態系統擁有超過330,000萬名資料貢獻者、83,000萬多個節點和10,000萬多名日活躍用戶。
Bittensor：去中心化智慧網絡
比特張量 是另一個有趣的去中心化人工智慧平台；從本質上講，這個基於區塊鏈的生態系統支援鏈上生產數位商品，包括人工智慧推理、訓練和相關基礎設施。
那麼，它是如何運作的呢？ Bittensor 利用子網的概念，建構能夠以具有競爭力的價格生產這些數位商品的社群。這基於一種激勵模型，其中表現最佳的礦工（貢獻者）會因完成特定任務而獲得獎勵。人工智慧子網路中的一些任務可以包括訓練、預測或專門的推理等服務。
Bittensor 網路也包含驗證者，其職責是驗證礦工的工作成果。這確保只有高品質的服務才能透過 Bittensor 的激勵機制獲得獎勵——為此，該生態系統每天發行 7200 個 TAO 代幣。子網路內的代幣分配分為三類：子網路創建者 (18%)、驗證者 (41%) 和礦工 (41%)。
Bittensor 的去中心化子網正在改變集中式 AI 訓練流程，在這種流程中，大型科技公司壟斷了資料收集和其他 AI 服務。
Ocean Protocol：人工智慧資料的交易平台
海洋議定書 是這一新興創新領域中已確立地位的參與者之一。該平台採用去中心化協議構建，為人工智慧發展提供兩大關鍵要素—數據和計算。
此技術堆疊包含三個主要部分：資料令牌（Datatokens）、Ocean 節點和計算到資料（Compute-to-Data）。借助資料令牌，Ocean Protocol 用戶可以將他們的私人資料令牌化，並在保護隱私的同時將其用於模型訓練。這種方法被稱為“令牌門控”，資料擁有者可以透過去中心化的存取控制模型在 Ocean Protocol 市場上發布資料服務。
至於海洋節點，它們能夠將閒置的運算資源貨幣化。世界各地的設備所有者可以將閒置的運算能力用於支援海洋網絡，從而獲得生態系統獎勵。
計算到資料是該生態系統的標誌性特徵；它允許消費者（模型訓練者）購買資料集，並在不洩露提供者隱私的情況下運行模型。這使得 Ocean Protocol 作為去中心化的「人工智慧就緒資料市場」具有優勢。
SingularityNET：去中心化人工智慧服務的先驅
SingularityNET 是去中心化人工智慧領域的先驅；該計畫於 2017 年啟動，在短短一分鐘內就完成了 36 萬美元的 ICO。此後，它發展成為一個信譽卓著的區塊鏈平台，用戶可以在該平台上創建、分享人工智慧服務並從中獲利。
與專注於資料集和原始運算的同類平台不同，SingularityNET 專注於人工智慧服務，例如 API、模型和智慧體，開發者可以透過購買或變現這些服務來支援其開發專案。這可以透過平台的原生代幣 $AGIX 實現，參與者可以使用該代幣支付人工智慧服務費用。
SingularityNET 的基礎架構模型也高度重視互通性，使不同的服務能夠相互呼叫。這創建了一個支援人工智慧的生態系統，獨立的貢獻者可以在其中建立複雜的管道。
該計畫的另一個突出特點是創辦人 Ben Goertzel 博士的願景，即推進通用人工智慧 (AGI) 的發展——在那個時代，人工智慧將擁有執行人類可以執行的任何任務的能力，並有可能在多個領域超越人類智慧。
Fetch.ai：去中心化代理商和資料經濟
Fetch.ai 這是另一項創新，它運行於由人工智慧代理商驅動的新興代理經濟體系。該專案被設計為一個多代理平台，允許自主軟體代理代表使用者、組織或設備進行互動、協商和資料交易，同時利用區塊鏈技術來確保通訊管道的安全。
此生態系的主要組成部分之一是代理框架（AEA）。它負責資料收集和分析、與其他代理程式或資料來源互動、決策、交易以及參與機器學習或任務優化等功能。可以將其視為代表使用者執行操作的數位孿生體。
有什麼突出的 Fetch.ai 它實現了自主代理之間即時、動態的資料流。這比傳統的AI流程有了顯著的進步，傳統的AI流程不僅集中式，而且本質上是靜態的。例如，由於基於代理商的經濟模型，繁忙城市的交通管理系統可以利用AI代理商從城市感測器購買即時交通數據。
Gensyn：用於人工智慧訓練的去中心化計算
根據最近的一項 report 麥肯錫的預測顯示，全球資料中心預計需要 6.7 兆美元才能滿足不斷增長的運算能力需求。 根生 它透過去中心化的協議來應對這種迫在眉睫的成本風險，該協議專注於機器學習計算。
Gensyn 的核心在於將全球運算資源聚合到單一的網路中。這得益於其去中心化的框架，該框架允許任何擁有閒置運算資源的用戶將其貢獻給網絡，從而為人工智慧創新者提供全球可用的計算資源，供他們租用以擴展大型模型的訓練規模。
Gensyn的生態系統由四個基礎組件組成：一致的機器學習執行、無需信任的驗證、點對點通訊和去中心化協調。所有這些方面協同工作，在全球範圍內實現去中心化、可驗證的機器學習。
值得一提的是，該專案仍處於早期階段，目前僅提供測試網。它包含三個可供用戶試用的應用程式：RL Swarm、BlockAssist 和 Judge。
Grass：去中心化資料群眾募資網絡
很多時候，我們付費使用網路服務後，最終並沒有用完所有分配的頻寬。 Grass該公司前身為 Grassdata，推出了一項創新理念，讓全球網路使用者能夠利用閒置的頻寬。
該計畫透過其分散式模型將這一理念付諸實踐，任何人都可以透過簡單的步驟做出貢獻並獲得獎勵，從而將閒置頻寬轉化為人工智慧訓練的寶貴資源。簡而言之，Grass 作為一個去中心化的實體網路 (DepIN) 運行，用於存取網路數據，使用者可以在其日常設備上運行節點，作為人工智慧和網路智慧的資料來源。
這種無需許可的分散式方法不僅徹底改變了人工智慧模型訓練，也改變了日常數位資源的利用方式。使用者可以作為資料提供者，建立一個開放的網絡，與目前由少數幾家大型科技公司控制的中心化網路爬蟲和資料聚合器競爭。
結論
如同引言所述，人工智慧的發展和應用並非一帆風順，它面臨著許多獨特的挑戰，包括資料控制、品質以及日益增長的運算成本。然而，如本文所列舉的案例所示，去中心化人工智慧創新領域已取得了顯著進展。這些項目展現了去中心化架構能為人工智慧帶來的益處，反之亦然；這對區塊鏈和人工智慧創新而言都是雙贏的局面。
去中心化人工智慧平台比較表
| 專案 | 主要焦點 | 突出之處 |
| 歐特 | 去中心化人工智慧資料雲，使用戶能夠收集、處理資料並將其貨幣化。 | 社群驅動的資料中心和邊緣網路（Deimos），擁有超過 330 萬名貢獻者和可驗證的資料集 |
| 比特張量 | 用於去中心化人工智慧訓練和推理的區塊鏈網絡 | 激勵子網路透過每日 TAO 排放量獎勵高品質的 AI 輸出 |
| 海洋議定書 | 面向人工智慧就緒資料和運算的市場 | 計算到數據隱私模型允許在不暴露原始數據集的情況下安全共享數據 |
| SingularityNET | 人工智慧服務和API市場 | 實現可互通人工智慧代理的商業化；開創通用人工智慧（AGI）的願景 |
| Fetch.ai | 用於自主資料交換的多智能體人工智慧經濟 | 透過自主代理（AEA）進行即時數據協商 |
| 根生 | 用於機器學習的去中心化計算網絡 | 用於人工智慧訓練的全球運算資源無需信任的驗證和聚合 |
| Grass | 去中心化頻寬和數據眾包網絡 | 將閒置的網路頻寬轉化為人工智慧訓練資料資源 |
常見問題
什麼是去中心化人工智慧？
去中心化人工智慧指的是建構在分散式生態系統（例如區塊鏈或點對點基礎設施）上的人工智慧系統。全球社群承擔數據、計算和模型訓練的角色，這與大型企業控制所有這些功能的集中式模式截然不同。
去中心化人工智慧與傳統人工智慧平台有何不同？
與依賴集中式資料中心和不透明資料收集技術的傳統人工智慧不同，去中心化人工智慧將資料來源、運算能力和模型訓練分配給不同的生態系統參與者。這提高了透明度、安全性和包容性。
為什麼數據品質控制對人工智慧開發至關重要？
數據品質直接影響人工智慧模型的準確性和公平性。因此，人工智慧資料管道需要具備可驗證性，資料來源符合倫理規範，且共享過程必須安全可靠。
參與者如何在去中心化的人工智慧生態系統中獲利？
從這些生態系中獲利的方式有很多種，包括貢獻資料和運算能力等寶貴資源。大多數去中心化人工智慧（DeAI）平台都設有激勵機制，使用者可以從中獲得可變現的獎勵。
目前哪些去中心化人工智慧專案處於領先地位？
主要參與者包括 OORT（資料雲）、Bittensor（人工智慧網路）、Ocean Protocol（人工智慧就緒資料市場）、SingularityNET（人工智慧服務中心）、Fetch.ai（代理商經濟）、Gensyn（去中心化運算）和 Grass（資料眾包網路）。
免責聲明
在與線 信託專案指南，請注意，本頁提供的資訊無意且不應被解釋為法律、稅務、投資、財務或任何其他形式的建議。 重要的是，僅投資您可以承受損失的金額，並在有任何疑問時尋求獨立的財務建議。 如需了解更多信息，我們建議您參閱條款和條件以及發行人或廣告商提供的幫助和支援頁面。 MetaversePost 致力於提供準確、公正的報告，但市場狀況如有變更，恕不另行通知。
關於作者
格雷戈里是一位來自波蘭的數字游牧者，他不僅是一名金融分析師，也是各種在線雜誌的重要撰稿人。 憑藉在金融行業的豐富經驗，他的見解和專業知識為他贏得了眾多出版物的認可。 格雷戈里有效地利用業餘時間，致力於撰寫一本有關加密貨幣和區塊鏈的書。
更多文章
格雷戈里是一位來自波蘭的數字游牧者，他不僅是一名金融分析師，也是各種在線雜誌的重要撰稿人。 憑藉在金融行業的豐富經驗，他的見解和專業知識為他贏得了眾多出版物的認可。 格雷戈里有效地利用業餘時間，致力於撰寫一本有關加密貨幣和區塊鏈的書。
