io.net برای دستاوردهای جدید هوش مصنوعی با flock همکاری می کند

پلت فرم یادگیری هوش مصنوعی توزیع شده FLock (نه، حرف L اشتباه نیست) با io.net همکاری کرده است تا اولین مکانیسم اجماع اثبات هوش مصنوعی (PoAI) جهان را برای تأیید یکپارچگی گره های در حال اجرا در یک شبکه محاسباتی توزیع شده ایجاد کند. . این نسخه برای ارتقای بهره وری منابع محاسباتی مبتنی بر هوش مصنوعی برای موارد استفاده مختلف تنظیم شده است.

FLock، io.net شراکت را اعلام کردند، مفهوم اثبات هوش مصنوعی را معرفی کردند

پلت فرم مدیریت GPU io.net و سرویس یادگیری هوش مصنوعی یکپارچه FLock جزئیات همکاری استراتژیک بلندمدت خود را به اشتراک گذاشتند. انتظار می رود سرمایه گذاری جدید ابزارهای توسعه و محاسباتی کاملاً جدیدی را برای بخش های هوش مصنوعی و وب ۳ فراهم کند.

یعنی، این دو با هم بر روی اولین مکانیسم اجماع اثبات هوش مصنوعی (PoAI) جهان کار خواهند کرد تا یکپارچگی گره‌هایی که در یک شبکه محاسباتی غیرمتمرکز کار می‌کنند را تأیید کنند.

با PoAI، شبکه‌های زیرساخت فیزیکی غیرمتمرکز (DePINs) می‌توانند یکپارچگی گره‌های DePIN را با تکمیل وظایف آموزش هوش مصنوعی محاسباتی فشرده تأیید کنند. PoAI یک Proof of Work بومی هوش مصنوعی است که منابع تأیید را به وظایف معنی دار هوش مصنوعی هدایت می کند. این به گره‌ها اجازه می‌دهد تا از شبکه‌های آموزشی DePIN و AI پاداش بلوکی کسب کنند – در این مورد، هم IO.net و هم FLoc.io.

Jiahao Sun، بنیانگذار و مدیر عامل FLock، تأکید می کند که نسخه جدید برای بخش های DePIN، AI و Web3 حیاتی خواهد بود:

مهندسان هوش مصنوعی و کاربران نهایی باید به کیفیت منابع محاسباتی ارائه شده به آنها اعتماد کنند و اثبات هوش مصنوعی برای دستیابی به این مهم کلیدی است. محاسبات زیربنای کل فرآیند توسعه هوش مصنوعی است، بنابراین ما با آن شروع می کنیم و خوشحالیم که با io.net، یک رهبر واقعی در این زمینه، به نیروهای خود بپیوندیم.

مکانیزمی که یکپارچگی گره‌های DePIN را به روشی غیرمتمرکز و مبتنی بر هوش مصنوعی تأیید می‌کند، شامل موتوری است که به طور مداوم چالش‌هایی را برای گره‌های io.net برای جمع‌آوری قضاوت‌ها، جمع‌آوری پاسخ‌ها و ارائه آمارهای لازم (مانند تأخیر، سوگیری امتیاز، دقت داده) ارائه می‌کند. .

غلبه بر موانع آموزش مدل هوش مصنوعی با Web3

توری گرین، مدیرعامل و یکی از بنیان‌گذاران io.net، می‌گوید که از دامنه فرصت‌هایی که همکاری جدید برای موارد استفاده متنوع هوش مصنوعی ارائه می‌دهد هیجان‌زده است:

ظهور اثبات هوش مصنوعی مطمئناً منجر به پیشرفت های فوق العاده ای در آموزش مدل های هوش مصنوعی و استنتاج در شبکه های محاسباتی غیرمتمرکز خواهد شد. من مطمئن هستم که اپراتورهای گره GPU و همچنین جامعه توسعه دهندگان AI/ML گسترده تر از Proof of AI با آغوش باز استقبال خواهند کرد.

ثابت شده است که داده های مصنوعی برای آموزش مدل بسیار مفید هستند، اما سنتز و تمیز کردن ۱۵ تریلیون توکن (تعداد استفاده شده در آموزش LLama3) کار بی اهمیتی نیست. در نتیجه، FLock Data Generation از منابع GPU بیکار برای انجام استنتاج دسته ای در LLMهای درخواست شده توسط FLock Task Builder و Training Node استفاده می کند.

شبکه‌های گرافیکی هوش مصنوعی توزیع‌شده برای موفقیت بلندمدت هوش مصنوعی توزیع‌شده حیاتی هستند، اما بسیاری از بازیگران سرکش هنوز در تلاش هستند تا سیستم را فریب دهند. یک راه متداول برای انجام این کار این است که به طور مخرب شبکه را فریب دهید تا تصور کند منابع محاسباتی بیشتری نسبت به آنها دارد.

بدون اقدامات بازدارنده قوی، اپراتورهای گره ممکن است برای به دست آوردن پاداش های شبکه دست به رفتارهای ناصادقانه بزنند، حتی اگر سهم آنها حداقل باشد. حل مشکل راستی‌آزمایی یکپارچگی گره دشوار است، زیرا عوامل مخرب می‌توانند بازنمایی‌های نادرستی از منابعی که در اختیار دارند ایجاد کنند و بدون انجام هیچ کاری از پاداش‌ها بهره ببرند.