هوش مصنوعی نجات رمزنگاری و شرط بزرگ نسل جدید است

این موتور به حرکات فناوری مدرن ، نظارت و سود از اینترنت و دستگاه های تلفن همراه تبدیل شده است ، که به عنوان ابزارهای دموکراسی و نجات از آن استفاده می شوند و جامعه را به گونه ای تغییر شکل داده اند که مزایای بیشتری نسبت به جوامع فراهم می کند. همانطور که الکس کارپ ادعا می کند جمهوری فنیتمرکز مهندسی از فناوری عمیقی گذشت که جوامع را به فناوری مصرف کننده در خدمت منافع نهادی تقویت می کند. اکنون ، هوش مصنوعی ، که آماده تغییر شکل جامعه است ، در یک تقاطع ایستاده است: آیا این مسیر دنبال خواهد شد یا راهی جدید خواهد داشت؟

رمزنگاری ، که به عنوان یک انقلاب غیرمتمرکز وعده داده شده بود ، نمی توانست آن را تا حد زیادی در گمانه زنی ها و وعده های ناسالم تحویل دهد. با این حال ، یک فرصت جدید پدیدار می شود: هوش مصنوعی غیر متمرکز. با ترکیب زیرساخت های Crypto با پتانسیل مبدل هوش مصنوعی ، می توانیم از دید Crypto استفاده کنیم و AI را قادر به ارائه خدمات بهتر و نه حرص و آز شرکت کنیم.

مشکل: مانع و خطر AI Crypto

blockchains و ارز رمزنگاری شده قول داده اند با از بین بردن واسطه ها و سیستم های تخمگذار مانند زنجیره های مالی و تأمین ، صنایع را مختل کنند. بیت کوین (BTC) و Stablecoins دلهره هایی را پیدا کردند ، اما یک بار قراردادهای انقلابی و هوشمند ، به جای راه حل های دنیای واقعی ، به پروژه های Defi سوداگرانه و پول پستان دامن می زدند. شکاف بین جاه طلبی و واقعیت رمزنگاری از بین رفت.

هوش مصنوعی می تواند همه چیز را از سلامت و علوم به روشی که ما جامعه مدیریت می کنیم تغییر شکل دهد. با این حال ، هنگامی که فقط چند شرکت چنین قدرتی را کنترل می کنند ، خطر تعمیق نابرابری ، افزایش نظارت و حتی هدایت مردم وجود دارد. اگر به عقب نگاه کنید ، فناوری هایی مانند اینترنت یا انرژی هسته ای با مشارکت سنگین دولت توسعه یافته است. این مورد برای هوش مصنوعی نیست. تا حد زیادی در دست شرکت های خصوصی ، و این یک سؤال فوری ایجاد می کند: آیا این فناوری برای سود مشترک ساخته شده است یا فقط برای سود؟ بدون مداخله ، هوش مصنوعی می تواند مسیر رسانه های اجتماعی را دنبال کند و به جای تقویت کاربران از آن استفاده کند.

چرا عدم تمرکز برای هوش مصنوعی لازم است؟

دستیابی به موفقیت در اینجا نه تنها فنی بلکه اقتصادی است. در شبکه های AI غیر مرکزی ، هر لایه از زنجیره ارزش AI را می توان در زمان واقعی توزیع کرد. نگهبانان داده ها که خوشه های داده را تهیه می کنند ، معماران مدل که وزن های پیشرفته و سازندگان برنامه را منتشر می کنند ، سهم متناسب از جوایز زنجیره ای را ارائه می دهند. از آنجا که هر فرآیند در یک زنجیره بلوک عمومی مستقر شده است ، همه می توانند چه چیزی و برنده را کنترل کنند و مسئولیت پذیری بنیادی را ایجاد کنند که آزمایشگاههای ثبت شده نمی توانند با آن مطابقت داشته باشند.

این ساختار یک سطح سرعت مشترک و رقابتی غیرممکن را در یک شرکت واحد باز می کند. هزاران گره مستقل نظر کارشناس کریپتو های یکدیگر را به طور موازی ، تست استرس و بهبود و بهترین ها در زیر شبکه های جدید ترک می کنند. بنابراین ، پیشرفت ها به جای انتظار برای یک نقشه راه سه ماهه ، به سرعت پیچیده هستند.

به طور خلاصه ، عدم تمرکز انگیزه های هوش مصنوعی را به هم می پیوندد ، به طوری که جوایز و حاکمیت به جای اینکه آن را در یک ترازنامه واحد قرار دهند ، به سازندگان با ارزش واقعی منتقل می شوند. این تراز تفاوت بین تعداد معدودی از شرکت ها که متعلق به آینده و همه ما هستند.

هوش مصنوعی غیر متمرکز

Bittensor یکی از نمونه های راه حل های غیرمتمرکز هوش مصنوعی است. Bittensor یک شبکه زنده و باز است که در آن مشوق های رمزنگاری-اقتصادی به طور مستقیم به یک هوش مصنوعی بهتر تبدیل می شوند. گره های مستقل وظایف را پشت سر می گذارند ، وزن خود را به اشتراک می گذارند و خروجی های یکدیگر را مقایسه می کنند. هر تعامل در زنجیره ثبت می شود و به کسانی که به محض پیشروی مشاغل خود در Bittensor نشانگر داخلی (TAO) یا سکه های شبکه پایین کمک می کنند ، پرداخت می شود.

Bitindin ، این ولند اقتصادی نقش یک آشکارساز عمیق را ایفا می کند. مدل های دید رایانه ، تصاویر دستکاری شده و فیلم شکار. هر هفته ، گره های همسالان دوباره یکدیگر را پرتاب می کنند و ردیاب هایی که عملکرد بهتری دارند جوایز بیشتری کسب می کنند. نتیجه یک سازگاری در زمان واقعی است که 88 ٪ میزان درک حدود بیست امتیاز بیشتر از وسایل نقلیه ثبت شده پیشرو و تکنیک های جدید برگ عمیق است. علاوه بر این ، به جای آزمایشگاه که دیکته می کند یک مدل زبان باید باشد ، معابد با یک آموزش مدل غیرفعال به همه امکان می دهند داده ها ، محاسبه یا معماری را برای بهینه سازی از دست دادن آموزش ارائه دهند. Reignors of Sub -networks الگوریتمی را تعیین می کند که عملکرد مشارکت ها را بهبود می بخشد و به همین ترتیب جریان را پاداش می دهد.

آنچه این پروژه ها را به هم متصل می کند ، همان چرخه تشویقی است: یک خوشه داده تمیزتر ، یک مدل بهبود یافته یا عملکرد پیشرفته ، هر یک از افزایش در حال افزایش ، سهم انتشار بزرگتر را به مشارکت کنندگان می رساند. قربانی منبع باز سرانجام یک مدل تجاری پایدار دارد.

Crypto قول داد دموکراتیک کند ، اما در گمانه زنی ها ناپدید شد. هوش مصنوعی غیرمتمرکز از این چشم انداز با ایجاد یک الگوی تشویقی و اقتصادی پایدار برای توسعه هوش مصنوعی باز استفاده می کند. اگر اطلاعات عمومی در مقیاس بزرگ در قرن آینده شکل بگیرد ، می تواند مهمترین و در دسترس ترین میراث رمزنگاری باشد تا اطمینان حاصل شود که جوایز آن در طیف گسترده ای به اشتراک گذاشته شده است.