首頁  >  文章  >  人工智慧與區塊鏈的融合正發生在令人興奮的技術創新新時代的黎明之際

人工智慧與區塊鏈的融合正發生在令人興奮的技術創新新時代的黎明之際

WBOY
WBOY原創
2024-09-20 06:40:29404瀏覽

如果當今有一種技術能夠像人工智慧一樣令人興奮,那麼它一定是區塊鏈。

人工智慧與區塊鏈的融合正發生在令人興奮的技術創新新時代的黎明之際

人工智慧(AI)近年來掀起了波瀾,尤其是隨著 ChatGPT 的出現。然而,還有另一種技術長期以來一直令人興奮——區塊鏈。

圍繞區塊鏈的熱潮可以追溯到上個十年初期比特幣首次在世界上留下印記時。現在,隨著行業中發展最快的兩種技術的交叉,我們有充分的理由認為很快就會更加令人興奮,因為這可以帶來許多好處。

在最近的一份報告中,分析公司 Nansen 預測人工智慧代理可能最終成為區塊鏈技術的主要用戶。由於區塊鏈是去中心化的,它允許人工智慧系統以更安全和透明的方式運行,為資料管理帶來關鍵優勢。

例如,區塊鏈可以為人工智慧提供資料交易的防篡改記錄,從而提高其可信度和可靠性。此外,它還可以協助人工智慧系統之間透明地共享數據,這對於訓練和增強底層人工智慧模型至關重要。

人工智慧與區塊鏈的融合不僅僅是一個遙遠的概念。事實上,就在我們說話的時候,這件事正在展開。結果,一些有趣的項目開始啟動。以下是 2023 年值得關注的五個最有前景的人工智慧區塊鏈項目:

1.庫比克

人們對 OpenAI 的 ChatGPT 和 Google 的 Gemini 等流行人工智慧模型的中心化性質存在著許多擔憂,這凸顯了對更透明替代方案的需求,而這正是 Qubic 正在努力的方向。

Qubic 處於去中心化人工智慧運動的前沿,它建立了一個獨特的、基於群體的計算網絡,以促進更透明的數據共享和培訓。

與比特幣不同的是,比特幣使用工作量證明共識演算法,本質上浪費了其網路產生的所有運算能力,而 Qubic 的目標是利用這種能量來做一些更有用的事情。其有用的工作量證明共識機制允許網路節點為人工智慧應用程式提供運算能力。

它本質上是回收用於開採 QUBIC 代幣和處理交易的能源,因此需要訪問低成本基礎設施來訓練 AI 模型的 AI 開發人員可以使用它。它可以被認為是一個 AI 雲端伺服器網絡,優點是比傳統的基於 GPU 的網路更便宜、更透明。

此外,Qubic 還促進資料共享,使任何人都可以上傳訓練資料集,AI 模型製作者可以使用這些資料集來訓練新演算法。 QUBIC 代幣在該網路中發揮著重要作用,因為人工智慧開發人員使用它來支付存取 Qubic 網路及其訓練資料集的費用。

節點業者將獲得挖掘新 QUBIC 代幣的前景獎勵。除了訓練人工智慧模型外,Qubic 的資源還可用於人工智慧推理、問題解決、自然語言處理和圖像識別等處理任務。

更重要的是,當網路處理這些任務時,它會緩慢但肯定地累積更多知識,並與它所託管的人工智慧應用程式共享這些知識,使它們變得更加強大。其最終目標是成為「通用人工智慧」模型的基礎,這些模型可以自主工作,無需人工輸入。

2.渲染網路

顧名思義,渲染網路就是為人工智慧渲染提供運算能力,它使用區塊鏈以去中心化的方式實現這一點。它為 AI 渲染任務的分配和管理鋪平了道路,提供了所需的資源,以經濟高效的方式為每個人提供高品質、逼真的圖像創建。它針對的是遊戲、電影、建築等產業。

渲染網路的關鍵是 RNDR 代幣,網路參與者使用它來支付存取基於 GPU 的渲染服務的費用。任何擁有 GPU 的人都可以提供運算能力。他們只需將筆記型電腦或 PC 連接到網絡,只要它閒置,就會將這些資源提供給其他人使用。

在某些方面,渲染網路類似於 GPU 挖掘,其目的是最大限度地提高 GPU 的效率,當其所有者不使用電腦時,GPU 經常閒置數小時,無所事事。它使 GPU 所有者能夠將這些資源貨幣化,而需要為渲染工作負載提供動力的人可以獲得雲端託管 GPU 服務的更實惠的替代方案。

AI 生成コンテンツの需要が高まる中、Render は分散型レンダリング サービスへのコスト効率の高いアクセスを促進する上で重要な役割を果たします。

3. Fetch.ai

Fetch.ai は、ブロックチェーンと AI を組み合わせて、最終的に自律型デジタル ツインの活気に満ちた経済になると信じているものを強化しています。そのネットワークは、デジタル世界で個人や企業向けにさまざまなタスクを実行できる「自律型経済主体」を強化します。

例には、サプライ チェーンの物流を管理できる AI エージェントや、顧客の約束をスケジュールするために機能するデジタル アシスタントが含まれます。その機械で

以上是人工智慧與區塊鏈的融合正發生在令人興奮的技術創新新時代的黎明之際的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述:
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn