7 травня Bithumb додала, що корейські виграні торгові пари для двох проектів штучного інтелекту, AIOZ і NEAR. У той час як NEAR є відомим проектом L1, AIOZ Network може здатися незнайомим. Раніше орієнтована на зберігання та потокове мультимедіа, AIOZ Network тепер поступово наближається до штучного інтелекту як послуги та спільної обчислювальної потужності, використовуючи свої накопичені переваги. Нещодавно компанія випустила технічний документ для свого децентралізованого проєкту штучного інтелекту W3AI.

На арені штучного інтелекту, які нові стратегії можуть запропонувати відомі проєкти, щоб забезпечити собі позиції на ринку, де ліквідність і увага обмежені?

У зв'язку зі складністю технічного документа компанія Deep Tide TechFlow провела ретельне дослідження його змісту, щоб допомогти читачам швидко зрозуміти технічні особливості та реалізацію проекту AIOZ W3AI.

Під хвилею вихід AIOZ на ринок штучного інтелекту

AIOZ не є новим проєктом, але його перехід на ШІ видається логічним.

Раніше AIOZ Network працювала як мережа рівня 1 із сумісністю між Ethereum і Cosmos. Він використовував AIOZ DePIN, керований більш ніж 120 000 глобальними вузлами, для забезпечення обчислювальних ресурсів. Ця установка підтримує швидкість обробки штучного інтелекту, швидку ітерацію, масштабованість і мережеву безпеку, служачи основою для зміни наративу проєкту.

Крім того, у ширшому контексті розвиток штучного інтелекту стикається з проблемами, пов'язаними з централізованими рішеннями хмарних обчислень, які намагаються обробляти великі обсяги даних. Це обмеження призводить до проблем з масштабованістю та високих витрат на використання. Крім того, виникають занепокоєння щодо конфіденційності та безпеки даних, коли контроль лежить на централізованих постачальниках, а не на користувачах.

Крім того, доступ до ресурсів штучного інтелекту найвищого рівня може бути ускладнений, що обмежує участь малих підприємств і окремих осіб і перешкоджає інноваціям. Периферійні обчислення пропонують рішення, надаючи близькоочікувані послуги для джерел даних. Програми ініціюються на периферії, що призводить до швидших відповідей мережевих служб. Оскільки обробка даних відбувається локально на вузлах, що усуває потребу в передачі даних на великі відстані на центральні сервери, периферійні обчислення, природно, знижують ризик витоку даних. Завдяки глобально розподіленим периферійним обчислювальним вузлам AIOZ DePIN, AIOZ отримує значну впевненість у вході в сферу штучного інтелекту в масштабі.

В даний час AIOZ Network оперує даними вузлів.

W3AI: двошарова архітектура DePIN + AI as a Service

У своєму русі до арени штучного інтелекту ключовим кроком AIOZ є W3AI — дворівнева архітектура, що охоплює як інфраструктуру, так і програми.

Дворівнева архітектура лежить в основі проекту AIOZ W3AI, пропонуючи інноваційне рішення фундаментальних питань в обчисленнях штучного інтелекту, таких як масштабованість, економічна ефективність і захист конфіденційності користувачів.

Цей архітектурний проєкт поділяє роботу мережі на два основні рівні: інфраструктурний рівень (W3AI Infrastructure) та прикладний рівень (W3AI Application). Кожен рівень має унікальні функції та ролі, які в сукупності підтримують ефективну роботу всієї мережі.

Інфраструктурний рівень (інфраструктура W3AI) як основа мережі

AIOZ DePIN: глобально розподілені штучні вузли

Основа AIOZ W3AI лежить у його величезних розподілених штучних периферійних обчислювальних вузлах. Ці глобально розподілені вузли надають обчислювальні ресурси, включаючи сховище, центральний і графічний процесори, утворюючи децентралізоване джерело живлення. Топологія мультиграфа забезпечує ефективні маршрути зв'язку між AIOZ DePIN, мінімізуючи витрати на зв'язок і підвищуючи швидкість обробки. Ці вузли співпрацюють за допомогою методів розподілених обчислень для колективного навчання та виконання моделей штучного інтелекту. Завдяки такому підходу платформа AIOZ W3AI ефективно використовує розосереджені обчислювальні ресурси для зниження витрат, підвищення ефективності додатків штучного інтелекту та посилення захисту конфіденційності даних. Цей децентралізований підхід значно знижує ризик вузьких місць сервера та зміцнює конфіденційність користувачів, усуваючи одноточковий контроль.

Децентралізована обчислювальна інфраструктура W3AI керується мережею вузлів AIOZ. Фіолетові області представляють розподіл вузлів зберігання, а сині – розподіл обчислювальних вузлів.

Обробка та зберігання даних

За допомогою AIOZ W3S дані надійно зберігаються на кількох глобально розподілених вузлах, підвищуючи безпеку даних, а також покращуючи швидкість обробки даних.

Використання розподілених файлових систем, таких як AIOZ IPFS, і технологій шифрування захищає дані, що зберігаються на вузлах, запобігаючи несанкціонованому доступу та витоку даних.

Гнучкий прикладний рівень (додаток W3AI)

Платформа штучного інтелекту Web 3 надає штучний інтелект як послугу.

AI as a Service (AIaaS) відноситься до моделі, де технологія штучного інтелекту надається користувачам як онлайн-послуга, що дозволяє підприємствам або окремим особам користуватися перевагами технології штучного інтелекту без високих витрат.

Уявіть собі продавця електронної комерції, який хоче зрозуміти історію покупок користувачів і проаналізувати їх споживчу поведінку, щоб надати персоналізовані рекомендації щодо покупок. Технологію штучного інтелекту можна використовувати для збору та аналізу даних користувачів, генеруючи відповідні стратегії продажів. Це застосування ШІ як послуги в електронній комерції.

З точки зору форми продукту, W3AI забезпечує спрощений робочий процес навчання ШІ та інтуїтивно зрозумілий UI/UX, пропонуючи інтерфейси користувача та API, які дозволяють розробникам легко отримувати доступ до послуг W3AI, розробляти та розгортати моделі штучного інтелекту, серед інших завдань. Дизайн цього рівня зосереджений на користувацькому досвіді та доступності послуг. Крім того, платформа інтегрує різні пропозиції штучного інтелекту як послуги, включаючи машинне навчання, глибоке навчання та нейронні мережі, що дозволяє користувачам вибирати різні послуги та інструменти за потреби.

Модельне навчання та висновування

Платформа W3AI підтримує навчання моделей і висновок у децентралізованому середовищі. Навчання W3AI (AIOZ W3AI Infrastructure) використовує технології децентралізованого федеративного навчання та гомоморфного шифрування, що дозволяє численним вузлам периферійних обчислень (DePIN) співпрацювати над навчанням моделей штучного інтелекту без обміну власними даними. Це покращує продуктивність навчання моделі, а також забезпечує конфіденційність даних. Навчені моделі можна запускати на периферійних AIOZ DePIN, що наближає ШІ до джерела даних. Підтримуваний технологією W3S, висновок W3AI (AIOZ W3S Infrastructure) дозволяє користувачам завантажувати власні набори даних для навчання моделей або використовувати існуючі моделі на платформі для аналізу даних і прогнозування.

Децентралізований ринок W3AI та механізм стимулювання

Прикладний рівень також надає користувачам децентралізовані ринки, такі як AIOZ AI dApp Store і AI Model & Dataset Marketplace. Окремі користувачі та комерційні організації можуть вільно вносити свій внесок, продавати набори даних і моделі штучного інтелекту, створювати та розгортати інноваційні програми штучного інтелекту та конвертувати свої внески в винагороди за токени.

Дворівнева архітектура AIOZ W3AI

Обхід «двошарової архітектури» за допомогою «Маршрутизації штучного інтелекту».

В умовах добре структурованої архітектури управління логічними ресурсами та потоком даних завдань між роботою дворівневої архітектури має вирішальне значення. Таким чином, W3AI впроваджує маршрутизацію штучного інтелекту в дворівневу архітектуру, динамічно оптимізуючи кожне завдання для підвищення загальної ефективності системи.

На рівні інфраструктури маршрутизація штучного інтелекту оцінює обчислювальні вимоги та поточні навантаження на вузли, динамічно розподіляючи завдання, щоб гарантувати, що кожен вузол бере участь у відповідних завданнях на основі його можливостей та умов мережі в реальному часі. Він також відстежує стан вузлів, оперативно виявляючи та усуваючи потенційні відмови вузлів або вузькі місця в продуктивності, щоб запобігти впливу одноточкових відмов на загальну ефективність.

На прикладному рівні інтелектуальна маршрутизація забезпечує швидке реагування на запити користувачів, динамічно регулюючи потік даних і стратегії обробки в режимі реального часу. Крім того, він інтелектуально розподіляє найбільш підходящі вузли на основі конкретного географічного розташування та вимог користувача. Стикаючись із великомасштабними завданнями з високим паралелізмом, архітектура маршрутизації штучного інтелекту інтелектуально оптимізує планування завдань, підтримуючи прикладний рівень у роботі зі складними моделями штучного інтелекту та аналізі великих даних.

Технічний документ містить численні складні формули, що ілюструють конкретну реалізацію маршрутизації. Зацікавлені читачі можуть ознайомитися з документом whitepaper для отримання додаткової інформації.

Маршрутизація штучного інтелекту розподіляє шляхи передачі завдань для вузлів AIOZ DePIN. На діаграмі зеленим кольором позначені з'єднані вузли, а синім – частини, пропущені через низьку довіру.

Робочий процес: приклад реалізації завдань ШІ

З такими багатими інфраструктурними архітектурами, як W3AI розгортає свій робочий процес? Від введення даних до виводу результатів, робочий процес W3AI втілює повний децентралізований операційний режим: шифрування вихідних даних → сегментація та розподіл завдань → виконання обчислювальних завдань та зберігання → збір завершених обчислень у контейнери → отримання користувачами розшифрованих результатів виходу.

Ми можемо вдосконалити описаний вище процес до простих кроків:

По-перше, перед введенням даних і шифруванням завантажені користувачем дані проходять гомоморфне шифрування для забезпечення безпеки даних протягом усього шляху обробки — введення даних і шифрування;

Потім зашифровані дані сегментуються на кілька невеликих сегментів на основі вимог завдання, при цьому кожне завдання призначається найбільш підходящому вузлу для виконання — сегментація та розподіл завдань;

Вибрані вузли виконують конкретні обчислювальні завдання, такі як навчання моделі штучного інтелекту або аналіз даних, а також відповідають за відповідне зберігання даних — обчислення та виконання сховища;

Після виконання завдання результати повторно шифруються та зберігаються в перетворених контейнерах, очікуючи на отримання кінцевими користувачами — збір результатів та шифрування;

Тільки авторизовані користувачі можуть отримати доступ до остаточних результатів, які перед виведенням проходять гомоморфне розшифрування — розшифрування результату та виведення.

Архітектура робочого процесу W3AI

Завдяки вищезазначеному процесу W3AI підвищує ефективність обробки, а також збалансовує гнучкі та масштабовані характеристики з безпекою та конфіденційністю даних. Це оптимізує використання ресурсів системи, зменшує ручне втручання та знижує експлуатаційні витрати.

Економіка токенів, що оточує всю екосистему

$AIOZ відіграє вирішальну роль у зв'язуванні всієї екосистеми AIOZ W3AI. З появою бізнесу AI-as-a-service та спільних обчислювальних потужностей його токен отримав більше сценаріїв використання та отримання цінності.

Торгівля даними та стимулювання внесків

$AIOZ використовується для заохочення користувачів, які надають обчислювальні потужності та ресурси зберігання, забезпечуючи стабільну роботу мережі. На торговому ринку платформи користувачі можуть використовувати $AIOZ для придбання різних послуг штучного інтелекту або купівлі та продажу моделей і наборів даних штучного інтелекту. Крім того, власники токенів можуть брати участь в управлінні мережею, голосуючи, щоб визначити подальші кроки екосистеми.

Підтримка екосистеми

Частина комісій за транзакції, що сплачуються в $AIZO, використовується для роботи мережі AIOZ та управління фінансами, забезпечуючи постійне обслуговування та розвиток платформи. Інша частина спалюється безпосередньо, щоб допомогти регулювати пропозицію токенів і пом'якшити інфляцію. Цей ретельно розроблений цикл потоку токенів стимулює інновації, винагороджує участь і стимулює безперервний розвиток екосистеми AIOZ W3AI.

Потік токенів в екосистемі W3AI

Висновок

Як децентралізований проект, що переходить на штучний інтелект, AIOZ W3AI має природні переваги в технологічних ресурсах і операційних механізмах. З точки зору технологій і концепцій, W3AI демонструє значний потенціал для надання користувачам більш безпечних, гнучких і ефективних обчислювальних послуг і захоплюючої екосистеми. Однак важливо зазначити, що W3AI також стикається з такими проблемами, як зрілість ринку у визнанні та довірі до децентралізованих рішень штучного інтелекту, а також потенційні високі експлуатаційні витрати в системі з суворими стандартами.

Нинішній технічний документ більше нагадує план, складений на ранніх стадіях проекту, який готується до майбутнього, але ще не реалізований і не виконаний. Залишаються питання про те, скільки людей будуть ним користуватися, і чи є інші проблеми з безпекою та технічними проблемами, які чекають на перевірку ринку.

Тим не менш, прийняття позитивного наративного переходу залишається правильною позицією для проєктів Web3, коли актуальність бізнесу висока. Як нові, так і вже відомі проєкти з ентузіазмом влаштовують драму зі штучним інтелектом, і лише час покаже, чи отримають криптографічні гравці за лаштунками свої гроші.

Застереження:

1. Ця стаття передрукована з сайту [TechFlow]. Усі авторські права належать оригінальному автору [TechFlow]. Якщо є заперечення проти цього передруку, будь ласка, зв'яжіться з командою Gate Learn, і вони оперативно впораються з цим.
2. Відмова від відповідальності: Погляди та думки, висловлені в цій статті, належать виключно автору і не є жодною інвестиційною порадою.
3. Переклад статті на інші мови здійснює команда Gate Learn. Якщо не зазначено, копіювання, розповсюдження або плагіат перекладених статей заборонено.