การรวม AI และบล็อกเชนเป็นหัวข้อที่ได้รับความคาดหวังสูงในอุตสาหกรรม โดยนักพัฒนากำลังสำรวจศักยภาพของการรวมเข้าด้วยกันนี้อย่างใจดี ในปัจจุบัน เทคโนโลยีบล็อกเชนถือเป็นทางเลือกที่เหมาะสมสำหรับหลายปัญหา เช่น ไม่สามารถใช้บริการ AI และทรัพยากรคอมพิวเตอร์ได้อย่างเหมาะสม โครงการหลายรายการได้เริ่มต้นเปิดเส้นทางของตนเองในสาขานี้แล้ว

วันนี้ ดร. DODO จะพาคุณไปเรียนรู้เกี่ยวกับโครงการที่น่าสนใจบางส่วนในตลาดทรัพยากร AI และคอมพิวเตอร์

AI + บล็อกเชน

ในสนามบล็อกเชน โครงการที่เน้นไปที่ AI สามารถแบ่งออกเป็น 3 แนวหลักได้แก่:

1. การแบ่งปันทรัพยากรพลังงานคำนวณ: เทคโนโลยีบล็อกเชนสามารถสร้างแพลตฟอร์มคอมพิวเตอร์คลาวด์แบบกระจายที่ทำให้การแบ่งปันและการใช้ทรัพยากรพลังคำนวณเป็นไปอย่างมีประสิทธิภาพ ผ่านสมาร์ทคอนแทรคท์ ทรัพยากรคำนวณที่ว่างเปล่าสามารถเช่าให้งานที่ต้องการพลังคำนวณ ซึ่งจะช่วยเพิ่มการใช้ประโยชน์ของทรัพยากรและลดต้นทุน โครงการที่เป็นตัวแทนรวมถึง io.net และ Aethir
2. ความปลอดภัยข้อมูล AI และการคำนวณที่สามารถตรวจสอบได้: ทั้งสองเทคโนโลยี AI และบล็อกเชนต้องจัดการกับปริมาณข้อมูลที่มากมาย บล็อกเชนเก็บข้อมูลและวิธีการส่งข้อมูลอย่างปลอดภัย ในขณะที่ AI สร้างข้อมูลมูลค่าได้โดยการวิเคราะห์ข้อมูลนี้ การรวมกันของทั้งสองสามารถปกป้องความเป็นส่วนตัวของผู้ใช้ในขณะที่ให้แหล่งข้อมูลที่เชื่อถือได้สำหรับ AI ในปัจจุบัน Arweave เป็นโครงการที่น่าสนใจในทิศทางนี้
3. การปลดล็อค AI: การนำระบบ AI ไปใช้บนเครือข่ายบล็อกเชนสามารถทำให้บริการปัจจุบันของปัญหาที่เกิดจากความไม่เสถียรของระบบและลดความเสี่ยงของจุดล้มเหลวเพียงจุดเดียว ในปัจจุบัน Bittensor เป็นโครงการชั้นนำในทิศทางนี้

io.net

เมื่อเร็ว ๆ นี้เปิดตัวบน Binance io.net เป็นหัวข้อที่ฮอตในวงการของมัน io.net เป็นเครือข่าย GPU ที่กระจายอย่างต่อเนื่องที่มุ่งเน้นการให้พลังการคำนวณมหาศาลสำหรับแอปพลิเคชันเรียนรู้ของเครื่องคอมพิวเตอร์ เป้าหมายของพวกเขาคือการปลดล็อกการเข้าถึงการคำนวณที่เป็นธรรมในการรวมกันกว่าหนึ่งล้านหน่วยประมวลผลกราฟิกจากศูนย์ข้อมูลที่อิสระ ขุดเจาะคริปโต และโครงการเช่น Filecoin เพื่อทำให้การคำนวณเป็นไปอย่างมีประสิทธิภาพมากขึ้น สามารถเข้าถึงได้ง่ายขึ้น และมีประสิทธิภาพ

io.net ให้วิธีการใช้งานคลาวด์คอมพิวติ้งที่แตกต่างออกไปอย่างสิ้นเชิงจากโดยใช้รูปแบบที่กระจายและแยกแยะ ทำให้ผู้ใช้มีควบคุมและความยืดหยุ่นในการใช้งานความสามารถของคอมพิวเตอร์ได้มากขึ้น บริการของพวกเขาเป็นการอนุญาตและมีราคาที่ต่อเนื่อง ตาม io.net ค่าคอมพิวเตอร์ของพวกเขามีราคาต่ำกว่าผู้ให้บริการที่เป็นศูนย์กลางเช่น Amazon AWS ถึง 90% ทั้งหมดนี้ทำให้ io.net เป็นผู้ให้บริการแบบกระจายที่โดดเด่น

แหล่งที่มา: io.net

เอธีร์

Aethir ให้การแก้ไขปัญหาที่ซับซ้อนของการใช้ทรัพยากรคอมพิวเตอร์ทั่วโลกอย่างมีประสิทธิภาพ โครงข่ายของพวกเขารวมกันและกระจายการทำงานของ GPU ใหม่และไม่ได้ใช้งานจากองค์กร ศูนย์ข้อมูล การทำเหมืองเงินดิจิทัล และผู้บริโภคอย่างมีสติ โอกาสตลาดสำหรับการจัดสรรความจุ GPU ที่ดีกว่ายิ่งกว่า และ Aethir มีเป้าหมายที่จะเพิ่มประสิทธิภาพการคำนวณ GPU ทั่วโลกปัจจุบันมากกว่าสิบเท่า

คุณสมบัตินี้ของ Aethir คือการให้ความสำคัญกับการใช้ทรัพยากรที่ไม่ได้ใช้งานอยู่แทนที่จะต้องซื้อฮาร์ดแวร์ใหม่ให้กับผู้เข้าร่วมโหนด โดยทั่วไปแล้ว ความสามารถในการใช้งาน GPU ที่ไม่ได้ใช้งานอยู่บนอุปกรณ์จะถูกประมาณระหว่าง 50% ถึง 75% ซึ่งแสดงให้เห็นถึงปริมาณความสามารถในการคำนวณที่สำคัญที่สามารถแปลงเป็นโทเค็นได้ Aethir มุ่งเน้นการใช้ทรัพยากรที่ไม่ได้ใช้งานอย่างเหมาะสมในศูนย์ข้อมูลขนาดเล็กถึงขนาดกลางและองค์กร

โทเค็น Aethir ปัจจุบันถูกลงทะเบียนในตลาดแลกเปลี่ยน เช่น OKX และ Bybit ก่อนหน้านี้ บริษัทได้ระดมทุน 9 ล้านเหรียญในรอบ Pre-A ซึ่งมีการนำทางโดยสถาบันชั้นนำอย่าง Sanctor Capital และ Hashkey

แหล่งที่มา: aethir.com

Arweave

AO เป็นระบบคอมพิวเตอร์แบบกระจายอํานาจและมุ่งเน้นผู้เข้าร่วมตาม Arweave เป้าหมายหลักของ AO คือการให้บริการคอมพิวเตอร์ที่เชื่อถือได้และทํางานร่วมกันโดยไม่มีข้อ จํากัด ด้านขนาดในทางปฏิบัติโดยนําเสนอกระบวนทัศน์ใหม่สําหรับแอปพลิเคชันที่รวมบล็อกเชน ซึ่งแตกต่างจากบล็อกเชนประสิทธิภาพสูงอื่น ๆ AO รองรับการจัดเก็บข้อมูลจํานวนมากเช่นโมเดล AI ซึ่งแตกต่างจาก Ethereum AO ช่วยให้กระบวนการแบบขนานจํานวนโดยพลการทํางานพร้อมกันภายในหน่วยการคํานวณประสานงานผ่านการส่งข้อความแบบเปิดโดยไม่ต้องพึ่งพาพื้นที่หน่วยความจําแบบรวมศูนย์

เปิดตัว AO ของ Arweave หมายถึงการเคลื่อนย้ายจากแนวทางการจัดเก็บแบบกระจายไปสู่ราชอาณาจักรที่กว้างขึ้นของบริการคลาวด์แบบกระจาย การจัดเก็บบนเชนที่ถาวรของมันไม่ใช่เพียงแค่ข้อมูลผู้ใช้แต่มีความปรารถนาที่จะกลายเป็นโฮสต์ถาวรสำหรับคอมพิวเตอร์คลาวด์โดยเน้นการคำนวณที่สามารถยืนยันได้ในมาตราฐานขนาดใหญ่

เร็วๆ นี้ Arweave ยังประกาศ tokenomics ระหว่าง dual tokens $AR และ $AO ด้วย ตามคำแถลงของทางการ $AO เป็น token ที่ 100% fair-issued โดยไม่มี presale หรือ pre-allocation มี total supply ของ $AO อยู่ที่ 21 ล้าน และมีวงจร halving ทุก 4 ปี แจกจ่ายทุก 5 นาที โดยมีการแจกจ่ายรายเดือนอยู่ที่ 1.425% ของ remaining supply

ประมาณ 36% (100% สำหรับสี่เดือนแรก พร้อมกับ 33.3% ต่อมา) ของ $AO โทเค็นจะถูกแจกจ่ายทุกห้านาทีสำหรับเจ้าของ $AR เพื่อกระตุ้นความปลอดภัยของชั้นฐานของ AO—Arweave ส่วนที่เหลือของโทเค็น $AO 64% จะถูกจัดสรรให้กับผู้ใช้สะพานเชื่อมต่อ เพื่อให้มีรายได้จากภายนอกและสรรค์สร้างสรรค์โปรโมชั่นสำหรับการนำสินทรัพย์เข้าสู่ AO

Source: https://ao.arweave.dev/

Bittensor

การฝึกโมเดล AI ต้องการข้อมูลและพลังการคำนวณมากมาย แต่ค่าใช้จ่ายสูงของทรัพยากรเหล่านี้หมายความว่าพวกเขาโดยส่วนใหญ่ถูกควบคุมโดยองค์กรขนาดใหญ่และสถาบันวิจัย สิ่งนี้ทำให้การกลายเป็นศูนย์กลาง จำกัดการใช้งานและความร่วมมือของโมเดล AI ซึ่งกีดกันการพัฒนาของระบบนิเวศ AI โดยทั่วไป Bittensor (TAO) มีเป้าหมายที่จะสร้างเครือข่ายประสาทศัลยกรรมบล็อกเชนครั้งแรกของโลก ทำให้ผู้เข้าร่วมเครือข่ายสามารถแลกเปลี่ยนความสามารถในการเรียนรู้ของเครื่องและคาดการณ์

Bittensor seeks to facilitate the sharing and collaboration of machine learning models and services through a peer-to-peer approach. Technically, implementing TAO is quite challenging, and it remains some distance from practical application.

ที่มา: https://futureproofmarketer.com/blog/what-is-bittensor-tao

มุมมองของผู้เขียน

โครงการ AI และบล็อกเชนเหล่านี้มีแนวโน้มที่จะเปลี่ยนการกระจายทรัพยากรการคํานวณในอนาคต การเป็นเจ้าของแบบกระจายอํานาจและการปรับใช้แบบกระจายอํานาจข้ามคลัสเตอร์ร่วมกันจะปูทางไปสู่คลื่นลูกใหม่ของความก้าวหน้าทางเศรษฐกิจและเทคโนโลยี โครงการเหล่านี้มีความทะเยอทะยานที่ยิ่งใหญ่ในการเปลี่ยนแปลงภูมิทัศน์ในอนาคตของการประมวลผลแบบคลาวด์และแอปพลิเคชัน AI สร้างเศรษฐกิจคลาวด์ทั่วโลกที่เชื่อมโยงถึงกันมีประสิทธิภาพและขับเคลื่อนด้วยนวัตกรรมมากขึ้น ด้วยการส่งเสริมการเปลี่ยนแปลงผลิตภาพอย่างแข็งขันโดยประเทศต่างๆทิศทางการพัฒนาเหล่านี้จึงควรค่าแก่การสํารวจในเชิงลึก อย่างไรก็ตามสาขานี้ต้องการการสนับสนุนทางเทคนิคที่แข็งแกร่งและเงินทุนมากขึ้นซึ่งหมายความว่าอุปสรรคในการเข้าสําหรับทีมโครงการนั้นสูง ปัจจุบันยังอยู่ในขั้นตอนการทดลองและพวกเขาสามารถกลายเป็นโครงสร้างพื้นฐานที่ใช้งานได้จริงกับผู้ใช้จริงหรือไม่

คำประกาศ：

1. บทความนี้ถูกพิมพ์ใหม่จาก [ DODO วิจัย]. ลิขสิทธิ์ทั้งหมดเป็นของผู้เขียนต้นฉบับ [dt] หากมีการคัดค้านการพิมพ์ซ้ํานี้โปรดติดต่อ เกทเลิร์นทีม และพวกเขาจะจัดการกับมันโดยรวดเร็ว
2. คำโฆษณาความรับผิด: มุมมองและความคิดเห็นที่แสดงในบทความนี้เป็นเพียงของผู้เขียนเท่านั้น และไม่เป็นคำแนะนำในการลงทุนใด ๆ
3. การแปลบทความเป็นภาษาอื่น ๆ ถูกดำเนินการโดยทีม Gate Learn นอกจากการกล่าวถึง การคัดลอก การแจกจ่าย หรือการลอกเลียนแบบบทความที่ถูกแปลนั้นถูกห้าม