Mgławica AI jest zaangażowana w budowanie zdecentralizowanego podstawowego łańcucha komputerów sztucznej inteligencji (łańcuch Zhiyun), zmniejszając zużycie energii tradycyjnego dowodu pracy poprzez przekształcenie maszyn wydobywczych GPU w usługi komputerowe dla sztucznej inteligencji. Tokeny NBAI służą do zakupu siły obliczeniowej, takich jak: testowanie programistów; użycie aplikacji DAI; zakup usług szkoleniowych DAI itp.

Cele projektu

Aby poprawić obecną sytuację scentralizowanego przetwarzania w chmurze, używamy zdecentralizowanych funkcji technologii blockchain do wynajęcia i alokacji energii obliczeniowej na całym świecie. Technologia szyfrowania blockchain skutecznie unika istnienia wycieków wewnętrznych, podczas gdy konserwacja rozproszonych jednostek komputerowych AI jest przekazywana właścicielom dużych i małych jednostek obliczeniowych sztucznej inteligencji, znacznie zmniejszając obciążenie konserwacyjne. Ten ogólny cel można podzielić na następujące podeszwy: 1. Udostępniona platforma komputerowa AI
Platforma urządzeń komputerowych wspólnych AI zajmie się niezrównoważoną sytuacją popytu między właścicielami i użytkownikami urządzeń AI. Właściciel urządzenia komputerowego AI nie może osiągnąć swojego potencjału obliczeniowego 100%, co spowodowało, że niektóre z zasobów obliczeniowych są bezczynne. Jednocześnie duża liczba użytkowników, którzy potrzebują siły obliczeniowej sztucznej inteligencji, nie może uzyskać opłacalnych zasobów komputerowych AI. Technologia rachunkowości punkt-punkt i Blockchain zakończona technologią Blockchain może umożliwić udostępnioną siłę obliczeniową AI do wypełnienia płatności i udostępniania w najwygodniejszy sposób.
2. AI Fizyczna jednostka obliczeniowa
Duża liczba górników obliczeniowych GPU można przekonwertować na jednostki komputerowe AI, przekształcając w ten sposób z prostego przetwarzania skrótu w bardziej znaczące przetwarzanie zadań AI. Ze względu na szczególność komputerów AI konieczne jest wstępne zainstalowanie wyznaczonego systemu i regularne aktualizowanie klienta, w tym system księgowy, aby lepiej wykorzystać wydajność sprzętu i udostępnić funkcje obliczeniowe AI.
3. Zdecentralizowana aplikacja AI
Gdy zdecentralizowane aplikacje AI są podłączone do systemu, odpowiednie połączenie jest wymagane, aby programiści aplikacji DAI do opracowywania i wywołania wygodnego sposobu korzystania z potężnej energii obliczeniowej na platformie. Obejmuje głównie API płatności, interfejs API szacowania mocy obliczeniowej, API szacowania obciążenia itp., Przyspieszając w ten sposób opracowanie aplikacji AI.
4. Zintegrowane IPFS Distributed Storage
Zdecentralizowane aplikacje muszą używać systemów pamięci plików do przechowywania danych. Jedną z opcji jest zastąpienie tradycyjnej scentralizowanej pamięci w chmurze lub lokalnej pamięci plików, osiągając w ten sposób lepszą pamięć rozproszoną.
IPFS System plików międzyplanetarny (IPFS) to protokół sieciowy zaprojektowany do tworzenia trwałej i rozproszonej pamięci i udostępnianych plików. Jest to protokół dystrybucji Hypermedia Distributida z treścią. Węzły w sieci IPFS utworzą rozproszony system plików. Większość przyszłych IPF wykorzysta do wywołania technologii łańcucha krzyżowego. W przypadku technologii łańcucha krzyżowego można znaleźć w połączeniach serwisowych Cross-Chain.
5. AI Inżynier treningowy
Mgławica AI zbuduje systemowe centrum szkoleniowe sztucznej inteligencji, aby zapewnić podstawową wiedzę w dziedzinie sztucznej inteligencji. Inżynierowie będą stopniowo budować i trenować modele sztucznej inteligencji w zakresie projektowania produktu poprzez systematyczne uczenie się i praktykę projektu. Jesteśmy zaangażowani w rozpowszechnianie najnowszych zastosowań i wiedzy o branży sztucznej inteligencji oraz kultywowaniu oraz dostarczaniu wybitnych talentów sztucznej inteligencji. Mamy misję wypełniania braku talentów i pełnej gry sile sztucznej inteligencji w biznesie.

Wartość użytkownika

Tokeny systemu służą do zakupu energii obliczeniowej. Gdy dane szkoleniowe są małe, tokeny są spożywane stosunkowo mniej, a gdy dane szkoleniowe są duże, tokeny konsumowane odpowiednio rosną. Opłaty są związane z kosztem szkolenia i wartości obecnego tokena. Oblicz energię obliczeniową generowaną w ciągu jednej minuty dla każdej karty graficznej 1080TI, która wynosi 7514 GFLOP/S × 60.

Scenariusze użytkowania użytkowników

1. Handel ilościowy
Handel ilościowy wykorzystuje maszyny do pomocy w pracy od wczesnego czasu. Analitycy projektują niektóre wskaźniki za pomocą różnych modeli ilościowych, obserwują rozkład danych i używają maszyny jako operatora. Do czasu wzrostu uczenia maszynowego w ostatnich latach danych można szybko przeanalizować, dopasować i przewidywać w dużych ilościach, tym samym dokładniej przewidując przyszły trend produktów finansowych. Jednak obliczenia tych modeli wymaga dużej siły komputerowej sztucznej inteligencji. W przypadku przyjęcia tradycyjnego podejścia każdy dział handlowy musi samodzielnie zbudować centrum danych. Wspólna energia obliczeniowa może zaoszczędzić kosztowne koszty konserwacji. Spraw, aby firmy handlowe finansowe były bardziej skoncentrowane na prognozach.
2. Program ucznia sztucznej inteligencji
Uczelnie i uniwersytety stopniowo oferują kursy sztucznej inteligencji, a ten trend stanie się bardziej popularny w przyszłym roku. Kiedy studenci studiują, na ogół wybierają małe zadania lokalnie i czasochłonne zadania w szkolnym pokoju komputerowym. Jednak te fragmentaryczne zadania można rozwiązać za pomocą chmury zasilania obliczeniowego Blockchain. Tanie usługi komputerowe AI są idealne dla studentów do wykonania różnych ćwiczeń komputerowych i szybkiej modyfikacji własnych modeli.
3. Biomedyczna sztuczna inteligencja
Wczesne badanie nowotworów ma ogromne znaczenie, ale ze względu na małe obszary wczesnych zmian raka, tradycyjne metody są trudne do oceny łagodnego i złośliwego, co powoduje trudności w diagnozie klinicznej. Lekarze często muszą przeprowadzać testy poprzez biopsję, co nie tylko zwiększa koszty medyczne, ale także przynosi wielki ból pacjentom. Zastosowanie sztucznej inteligencji do rozpoznawania obrazu medycznego i multidyscyplinarnej diagnozy współpracy może skutecznie przełamać tę trudność, poprawić możliwości diagnostyczne lekarzy, pomóc w podejmowaniu szybkich decyzji i promowanie transformacji usług medycznych w indywidualizację i precyzję.

*Powyższa treść jest opracowana przez oficjalne konto kont niewielkich. Po przedrukowaniu należy wskazać źródło.