7 мая Bithumb добавила торговые пары корейских вона для двух AI-проектов, AIOZ и NEAR. В то время как NEAR является хорошо известным проектом L1, AIOZ Network может показаться незнакомым. Ранее ориентированная на хранение и потоковую передачу мультимедиа, AIOZ Network теперь постепенно сближается в сторону ИИ как услуги и общих вычислительных мощностей, используя свои накопленные преимущества. Недавно компания выпустила технический документ для своего децентрализованного проекта искусственного интеллекта W3AI.

В условиях растущей конкуренции на арене ИИ, какие новые стратегии могут предложить устоявшиеся проекты, чтобы обеспечить себе позицию на рынке, где ликвидности и внимания не хватает?

Из-за сложности whitepaper компания Deep Tide TechFlow провела тщательное исследование его содержания, чтобы помочь читателям быстро разобраться в технических особенностях и реализации проекта AIOZ W3AI.

Под волной: возможности выхода AIOZ на рынок искусственного интеллекта

AIOZ не является новым проектом, но его переход на ИИ кажется логичным.

Ранее AIOZ Network работала как сеть уровня 1 с совместимостью между Ethereum и Cosmos. Он использовал AIOZ DePIN, управляемый более чем 120 000 глобальных узлов, для предоставления вычислительных ресурсов. Эта конфигурация поддерживает скорость обработки данных ИИ, быструю итерацию, масштабируемость и сетевую безопасность, что служит основой для изменения нарратива проекта.

Более того, в более широком контексте развитие ИИ сталкивается с проблемами, связанными с централизованными решениями облачных вычислений, которые с трудом справляются с большими объемами данных. Это ограничение приводит к проблемам масштабируемости и высоким затратам на использование. Кроме того, возникают опасения по поводу конфиденциальности и безопасности данных, когда контроль находится в руках централизованных поставщиков, а не пользователей.

Кроме того, доступ к ресурсам ИИ высшего уровня может быть затруднен, что ограничивает участие малых предприятий и частных лиц и препятствует инновациям. Периферийные вычисления предлагают решение, предоставляя ближайшие услуги для источников данных. Приложения инициируются на периферии, что приводит к более быстрому ответу сетевых служб. Поскольку обработка данных происходит локально на узлах, устраняя необходимость передачи данных на большие расстояния на центральные серверы, периферийные вычисления естественным образом снижают риск утечки данных. Благодаря глобально распределенным узлам периферийных вычислений AIOZ DePIN AIOZ получает значительную уверенность при выходе на домен ИИ в большом масштабе.

В настоящее время AIOZ Network оперирует данными узлов.

W3AI: двухуровневая архитектура DePIN + AI as a Service

Ключевым шагом AIOZ в своем движении на арену искусственного интеллекта является W3AI — двухуровневая архитектура, охватывающая как инфраструктуру, так и приложения.

Двухуровневая архитектура лежит в основе проекта AIOZ W3AI, предлагая инновационное решение фундаментальных проблем в вычислениях ИИ, таких как масштабируемость, экономическая эффективность и защита конфиденциальности пользователей.

Эта архитектура разделяет работу сети на два основных уровня: уровень инфраструктуры (W3AI Infrastructure) и уровень приложений (W3AI Application). Каждый уровень имеет уникальные функции и роли, в совокупности поддерживающие эффективную работу всей сети.

Инфраструктурный уровень (инфраструктура W3AI) как основа сети

AIOZ DePIN: Глобально распределенные искусственные узлы

В основе AIOZ W3AI лежат обширные распределенные искусственные вычислительные узлы. Эти глобально распределенные узлы предоставляют вычислительные ресурсы, включая хранилище, центральный процессор и графический процессор, образуя децентрализованный источник питания. Топология мультиграфа обеспечивает эффективные маршруты связи между AIOZ DePIN, минимизируя затраты на связь и повышая скорость обработки. Эти узлы взаимодействуют друг с другом с помощью методов распределенных вычислений для коллективного обучения и выполнения моделей ИИ. Благодаря такому подходу платформа AIOZ W3AI эффективно использует рассредоточенные вычислительные ресурсы для снижения затрат, повышения эффективности приложений ИИ и усиления защиты конфиденциальности данных. Такой децентрализованный подход значительно снижает риск возникновения узких мест на сервере и повышает конфиденциальность пользователей за счет устранения единого контроля.

Децентрализованная вычислительная инфраструктура W3AI управляется сетью узлов AIOZ. Фиолетовые области представляют распределение узлов хранения, а синие — распределение вычислительных узлов.

Обработка и хранение данных

С помощью AIOZ W3S данные надежно хранятся на нескольких глобально распределенных узлах, что повышает безопасность данных, а также повышает скорость обработки данных.

Использование распределенных файловых систем, таких как AIOZ, IPFS и технологий шифрования, защищает данные, хранящиеся на узлах, предотвращая несанкционированный доступ и утечку данных.

Гибкий прикладной уровень (приложение W3AI)

Платформа Web 3 AI предоставляет ИИ как услугу.

ИИ как услуга (AIaaS) относится к модели, при которой технология ИИ предоставляется пользователям в виде онлайн-услуги, позволяющей предприятиям или частным лицам пользоваться преимуществами технологии ИИ без больших затрат.

Представьте себе продавца электронной коммерции, который хочет понять историю покупок пользователей и проанализировать их потребительское поведение, чтобы предоставить персонализированные рекомендации по покупкам. Технология искусственного интеллекта может быть использована для сбора и анализа пользовательских данных, генерации соответствующих стратегий продаж. Это применение ИИ как услуги в электронной коммерции.

Что касается формы продукта, W3AI предоставляет упрощенный рабочий процесс обучения ИИ и интуитивно понятный пользовательский интерфейс, предлагая пользовательские интерфейсы и API, которые позволяют разработчикам легко получать доступ к сервисам W3AI, а также разрабатывать и развертывать модели ИИ, среди других задач. При проектировании этого уровня основное внимание уделяется взаимодействию с пользователем и доступности сервисов. Кроме того, платформа интегрирует различные предложения AI-as-a-service, включая машинное обучение, глубокое обучение и нейронные сети, позволяя пользователям выбирать различные сервисы и инструменты по мере необходимости.

Обучение моделей и логический вывод

Платформа W3AI поддерживает обучение моделей и логический вывод в децентрализованной среде. Обучение W3AI (AIOZ W3AI Infrastructure) использует децентрализованное федеративное обучение и технологии гомоморфного шифрования, что позволяет многочисленным узлам периферийных вычислений (DePIN) совместно работать над моделями обучения ИИ без обмена собственными данными. Это повышает производительность обучения модели, а также обеспечивает конфиденциальность данных. Обученные модели можно запускать на периферийных AIOZ DePIN, что приближает ИИ к источнику данных. Поддерживаемый технологией W3S вывод W3AI (AIOZ W3S Infrastructure) позволяет пользователям загружать собственные наборы данных для обучения моделей или использовать существующие модели на платформе для анализа данных и прогнозирования.

Децентрализованный рынок W3AI и механизм стимулирования

Прикладной уровень также предоставляет пользователям децентрализованные рынки, такие как AIOZ AI dApp Store и AI Model & Dataset Marketplace. Индивидуальные пользователи и бизнес-организации могут свободно вносить свой вклад, продавать наборы данных и модели ИИ, создавать и развертывать инновационные приложения ИИ, а также конвертировать свой вклад в вознаграждение в виде токенов.

Двухуровневая архитектура AIOZ W3AI

Обход «Двухуровневой архитектуры» с «Маршрутизацией на основе искусственного интеллекта».

В условиях хорошо структурированной архитектуры решающее значение имеет управление логическими ресурсами и потоком данных задач между операциями двухуровневой архитектуры. Таким образом, W3AI внедряет маршрутизацию искусственного интеллекта в двухуровневую архитектуру, динамически оптимизируя каждую задачу для повышения общей эффективности системы.

На уровне инфраструктуры маршрутизация на основе искусственного интеллекта оценивает вычислительные потребности и текущую нагрузку на узлы, динамически распределяя задачи, чтобы гарантировать, что каждый узел участвует в подходящих задачах в зависимости от своих возможностей и условий сети в режиме реального времени. Он также отслеживает работоспособность узлов, оперативно обнаруживая и устраняя потенциальные сбои узлов узлов или узкие места производительности, чтобы предотвратить влияние одноточечных сбоев на общую эффективность.

На прикладном уровне интеллектуальная маршрутизация позволяет быстро реагировать на запросы пользователей, динамически корректируя поток данных и стратегии обработки в режиме реального времени. Кроме того, он интеллектуально выделяет наиболее подходящие узлы на основе конкретных географических местоположений и требований пользователя. При решении крупномасштабных задач с высокой степенью параллелизма архитектура маршрутизации ИИ интеллектуально оптимизирует планирование задач, поддерживая прикладной уровень в обработке сложных моделей ИИ и анализе больших данных.

Технический документ содержит множество сложных формул, иллюстрирующих конкретную реализацию маршрутизации. Заинтересованные читатели могут обратиться к документу «Белая книга» для получения более подробной информации.

Маршрутизация с искусственным интеллектом выделяет пути передачи задач для узлов AIOZ DePIN. На схеме зеленым цветом обозначены подключенные узлы, а синим — части, пропущенные из-за низкой достоверности.

Workflow: пример реализации задачи ИИ

Как W3AI развивает свой рабочий процесс с помощью этих богатых инфраструктурных архитектур? От ввода данных до вывода результатов, рабочий процесс W3AI воплощает в себе полностью децентрализованный режим работы: шифрование выходных данных → сегментацию задач и выделение → выполнение вычислительных задач и хранение → сбор завершенных вычислений в контейнеры → пользователей получение расшифрованных выходных результатов.

Мы можем усовершенствовать описанный выше процесс до простых шагов:

Во-первых, перед вводом и шифрованием данных, загруженные пользователем данные, подвергаются гомоморфному шифрованию для обеспечения безопасности данных на протяжении всего процесса обработки — ввода и шифрования данных;

Затем зашифрованные данные сегментируются на множество небольших сегментов в зависимости от требований к задачам, при этом каждая задача назначается наиболее подходящему узлу для выполнения — сегментация и распределение задач;

Выбранные узлы выполняют определенные вычислительные задачи, такие как обучение модели ИИ или анализ данных, а также отвечают за соответствующее хранение данных — выполнение вычислений и хранения;

После выполнения задачи результаты повторно шифруются и сохраняются в преобразованных контейнерах, ожидая извлечения конечными пользователями — сбора и шифрования результатов;

Только авторизованные пользователи могут получить доступ к окончательным результатам, которые проходят гомоморфную расшифровку перед выводом — расшифровку и вывод результатов.

Архитектура рабочего процесса W3AI

С помощью описанного выше процесса W3AI повышает эффективность обработки, а также балансирует между гибкими и масштабируемыми характеристиками с безопасностью и конфиденциальностью данных. Это оптимизирует использование системных ресурсов, сокращает количество ручного вмешательства и снижает эксплуатационные расходы.

Экономика токенов, окружающая всю экосистему

$AIOZ играет решающую роль в объединении всей экосистемы AIOZ W3AI. С появлением AI-as-a-service и совместного использования вычислительных мощностей его токен получил больше сценариев использования и получения ценности.

Торговля данными и поощрения за вклад

$AIOZ используется для поощрения пользователей, которые предоставляют вычислительные мощности и ресурсы хранения, обеспечивая стабильную работу сети. На торговом рынке платформы пользователи могут использовать $AIOZ для покупки различных услуг ИИ или покупки и продажи моделей и наборов данных ИИ. Кроме того, держатели токенов могут участвовать в управлении сетью, голосуя, чтобы определить следующие шаги экосистемы.

Поддержание экосистемы

Часть комиссий за транзакции, уплаченных в $AIZO, используется для работы сети AIOZ и управления финансами, обеспечивая постоянное обслуживание и развитие платформы. Другая часть сжигается напрямую, чтобы помочь регулировать предложение токенов и смягчить инфляцию. Этот тщательно разработанный цикл потока токенов стимулирует инновации, вознаграждает участие и способствует непрерывному развитию экосистемы AIOZ W3AI.

Поток токенов в экосистеме W3AI

Заключение

Будучи децентрализованным проектом, переходящим на ИИ, AIOZ W3AI обладает естественными преимуществами в технологических ресурсах и операционных механизмах. С точки зрения технологий и концепций, W3AI демонстрирует значительный потенциал для предоставления пользователям более безопасных, гибких и эффективных вычислительных сервисов, а также привлекательного опыта экосистемы. Тем не менее, важно отметить, что W3AI также сталкивается с такими проблемами, как зрелость рынка в признании и доверии к децентрализованным решениям ИИ, а также потенциальные высокие эксплуатационные расходы в системе со строгими стандартами.

Нынешняя техническая документация больше похожа на план, составленный на ранних стадиях проекта, готовящийся к будущему, но еще не реализованный и не выполненный. Остаются вопросы о том, сколько людей будут использовать его и есть ли другие проблемы с безопасностью и технические проблемы, которые ожидают утверждения рынком.

Тем не менее, принятие позитивного нарративного перехода остается правильной позицией для проектов Web3, когда актуальность для бизнеса высока. Как новые, так и уже известные проекты с энтузиазмом разыгрывают драму ИИ, и только время покажет, оправдают ли криптографические игроки свои деньги.

Отказ:

1. Эта статья перепечатана из [TechFlow]. Все авторские права принадлежат оригинальному автору [TechFlow]. Если у вас есть возражения против этой перепечатки, пожалуйста, свяжитесь с командой Gate Learn , и они оперативно рассмотрят их.
2. Отказ от ответственности: Взгляды и мнения, выраженные в этой статье, принадлежат исключительно автору и не являются какими-либо инвестиционными рекомендациями.
3. Переводом статьи на другие языки занимается команда Gate Learn. Если не указано иное, копирование, распространение или плагиат переведенных статей запрещены.