توسط iraniftex_adminاکوسیستم مبتنی بر DePIN، AIOZ AI، در حال ساخت یک زیرساخت کامل است که هوش مصنوعی را غیرمتمرکز میکند.
هدف AIOZ AI
AIOZ AI با هدف “توانمندسازی مشارکتکنندگان” به دنبال ارائه کنترل بیشتر بر کارشان است و به توسعهدهندگان، محققان و تیمهای فنی این امکان را میدهد تا مجموعههای داده خود را در یک محیط مشارکتی منتشر، به اشتراک بگذارند و مقیاسبندی کنند.
رویکرد غیرمتمرکز
در حالی که مدلهای هوش مصنوعی سنتی در محیطهای مبهم و با فقدان شفافیت در مورد روششناسی آنها ایجاد میشوند، رویکرد توزیعشده AIOZ AI برای ارائه محاسبات هوش مصنوعی با “بهرهوری، امنیت و دسترسی بهتر” طراحی شده است، به گفته اِرمان تیپوترا، بنیانگذار و مدیر عامل شبکه AIOZ به Decrypt.
پاداش توکن
از طریق AIOZ AI، کاربران میتوانند مجموعههای داده را آپلود و ذخیره کنند و مدلهای خود را آموزش دهند – با پتانسیل دریافت پاداش توکن بر اساس عملکرد و نحوه استفاده آنها توسط دیگران.
زیرساخت غیرمتمرکز
این امر توسط شبکه زیرساخت فیزیکی غیرمتمرکز (DePIN) شبکه AIOZ پشتیبانی میشود که بیش از 300000 دستگاه از قدرت محاسباتی اضافی خود برای محاسبات هوش مصنوعی، ذخیرهسازی غیرمتمرکز و تحویل محتوا استفاده میکنند.
کنترل بیشتر
هدف این است که به مشارکتکنندگان کنترل بیشتری بر داراییهای هوش مصنوعی خود، مانند مدلها و مجموعههای داده، بدهیم و در عین حال، استقرار راهحلهای هوش مصنوعی را که به نفع مردم عادی است، برای نوآوران آسانتر کنیم.
مدلهای موجود
در حال حاضر چندین مدل در AIOZ AI در دسترس است، از جمله مدلهای پردازش تصویر به تصویر مانند حذف پسزمینه، جایگزینی پسزمینه، تصویر به انیمه و ویدیو به لبههای Canny.
مدلهای SR
فراتر از این، مدلهای Image Super-Resolution (SR) “سبک و کارآمد” در AIOZ AI میتوانند تصاویر با وفاداری بالا را از ورودیهای با وضوح پایین بازسازی کنند، که به گفته شبکه AIOZ برای سازندگان محتوای دیجیتال و پروژههای بازیابی آرشیو “بسیار مفید” است. کاربردهای بالقوه آینده مدلهای AIOZ AI شامل ارتقاء مقیاس ویدیوی بیدرنگ برای پلتفرمهای پخش جریانی و بهینهسازی تطبیقی کیفیت تصویر بر اساس پهنای باند موجود، و همچنین ابزارهایی است که میتوانند تیز کردن تصویر و بازیابی جزئیات را انجام دهند.
اقتصاد هوش مصنوعی
تیپوترا گفت: “با AIOZ AI، ما در حال ساخت یک اقتصاد هوش مصنوعی مبتنی بر مردم هستیم. توسعهدهندگان کنترل مدلها و مجموعههای داده خود را حفظ میکنند، آنها را بر روی محاسبات جامعه اجرا میکنند و پتانسیل دریافت پاداش توکن را در زمانی که کارشان به برنامههای واقعی قدرت میدهد، باز میکنند.”
چالشهای AIOZ AI
یکی از ویژگیهای اصلی پلتفرم AIOZ AI، سیستم چالشهای AIOZ AI است که به هر سازمان، محقق یا توسعهدهنده اجازه میدهد تا مسابقات را در داخل اکوسیستم میزبانی کند. این چالشها، مشکلات دنیای واقعی را به پروژههای هوش مصنوعی باز و مشارکتی تبدیل میکنند که بر روی لایه محاسباتی غیرمتمرکز شبکه اجرا میشوند.
چالشهای فعال
چالشهای فعال در این پلتفرم شامل ساخت یک مدل رگرسیون است که قیمت فروش نهایی یک خانه را بر اساس نقاط داده کلیدی، از جمله موقعیت مکانی، متراژ و تعداد اتاق خواب، به دقت پیشبینی میکند. دیگری شامل توسعه یک مدل پردازش زبان طبیعی است که میتواند تشخیص دهد که بررسیهای فیلم منفی یا مثبت هستند.
چالشهای قبلی
یک چالش قبلی که توسط شبکه AIOZ سازماندهی شده بود، به کاربران برای تلاشهایشان در حل یک مشکل فوری در دنیای واقعی پاداش داد: چالش Face Anti-Spoofing، رقبا را تشویق کرد تا مدلی ایجاد کنند که بتواند به طور دقیق بین چهرههای واقعی و متقلبان، مانند کسانی که سعی در دسترسی به حسابها از طریق عکسهای چاپ شده، ماسکهای سه بعدی یا ویدیوهای دیپفیک دارند، تمایز قائل شود. شبکه AIOZ راهحلهای این چالش را با توجه به ابزارهای تشخیص که اکنون به طور گسترده در برنامههای مالی استفاده میشوند، “بسیار مهم” توصیف کرد.
پاداش و مشارکت
در برخی موارد، شرکتکنندگان برتر در چالشهای AIOZ AI در سراسر جامعه شناخته میشوند و راهحلهای برجسته واجد شرایط دریافت جوایز دیجیتالی و پاداشهای بالقوه توکن هستند. هر چالش شامل یک بخش بحث است که در آن توسعهدهندگان مشتاق میتوانند سوالات فنی بپرسند و ایدهها را تبادل کنند.
ساخت “هوش همه چیز”
به گفته شبکه AIOZ، ابتکاراتی مانند این بخشی از یک تلاش هماهنگ برای ساخت “هوش همه چیز” است – با سازندگانی که برای پیشبرد مرزهای هوش مصنوعی با هم متحد میشوند.
