0G نسل جدید راه حل های ذخیره سازی داده را با پشتیبانی از هوش مصنوعی معرفی می کند: جزئیات

0G با ساخت راه‌حل‌های ذخیره‌سازی داده‌های نسل بعدی که می‌تواند شکاف بین پروتکل‌های داده غیرمتمرکز و شرکت‌های هوش مصنوعی را پر کند، توزیع داده با کارایی بالا را تضمین می‌کند که برای آموزش مقرون‌به‌صرفه LLM در سال ۲۰۲۴ ضروری است.

0G شکاف بین Web3، AI و Big Data را برای برنامه های کاربردی مصرف کننده پر می کند

0G، یک پروتکل جدید ذخیره‌سازی داده‌های هوش مصنوعی، برای رسیدگی به چالش‌های انحصاری داده‌ها و منابع در هوش مصنوعی راه‌اندازی شد. در نتیجه، این بخش طرح‌های آموزشی مدل جدیدی برای دسترسی دموکراتیک و فراگیرتر به قدرت محاسباتی به دست خواهد آورد.

0G با اجرای یک ساختار چند لایه عجیب و غریب، می تواند حجم داده های بزرگ (۵۰ گیگابایت در ثانیه) مورد نیاز برای برنامه های کاربردی پیشرفته هوش مصنوعی مانند سیستم های معاملاتی با فرکانس بالا را مدیریت کند. این سطح بی‌سابقه مقیاس‌پذیری از طریق یک مکانیسم اجماع منحصربه‌فرد به دست می‌آید که امکان پردازش موازی در چندین شبکه را فراهم می‌کند و به طور موثر یک سیستم بی‌نهایت مقیاس‌پذیر ایجاد می‌کند.

راه حل 0G شامل یک طراحی انگیزشی جدید با استفاده از چارچوب اثبات دسترسی تصادفی (PoRA) است. این مکانیسم مشارکت‌کنندگان شبکه را تشویق می‌کند تا نه تنها داده‌ها را ذخیره کنند، بلکه آن‌ها را برای آموزش هوش مصنوعی و فرآیندهای استنتاج به راحتی در دسترس قرار دهند.

در نهایت، پیامدهای پشته فناوری 0G به ذخیره سازی داده محدود نمی شود. همچنین شامل یک “زمان اجرای کلیدی” پیشرفته است که امکان پردازش یکپارچه داده های ساختاریافته و قابل تغییر را فراهم می کند. این یک ویژگی حیاتی برای برنامه های کاربردی هوش مصنوعی پویا است.

راه حل های کارآمدتر از نظر منابع برای انقلاب هوش مصنوعی

خط تولید جدید در بخش هوش مصنوعی نمی‌توانست با رویکرد نسل قبلی برای مدیریت داده‌ها، یعنی استفاده از داده‌های مخفی یا تکیه بر غول‌هایی مانند آمازون و گوگل، طراحی شود. روز به روز چنین راه حل هایی به دلیل مصرف زیاد انرژی و منابع بی ربط می شوند.

تا سال ۲۰۲۴، واضح است که تمرکززدایی فقط یک انتخاب تکنولوژیکی نیست، بلکه یک ضرورت است تا سیستم‌های هوش مصنوعی اعتماد بیشتر و پذیرش گسترده‌تری کسب کنند. برای نشان دادن مقیاس هوش مصنوعی متمرکز، LLAMA3 متا را در نظر بگیرید که برای آموزش به ۱۶۰۰۰ پردازنده گرافیکی H100 نیاز دارد تا به مدت ۳۰ روز کار کند.

سیستم‌های غیرمتمرکز هوش مصنوعی که توسط پلت‌فرم‌هایی مانند 0G راه‌اندازی می‌شوند، جایگزین قانع‌کننده‌ای هستند. این سیستم‌ها با توزیع ذخیره‌سازی داده‌ها، قدرت محاسباتی و تصمیم‌گیری در سراسر شبکه‌ای از شرکت‌کنندگان، نه تنها مزایای زیست‌محیطی بیشتری را ارائه می‌کنند، بلکه ذاتاً خطر یک شکست یا ایست بازرسی را کاهش می‌دهند.