туманность AI стремится создать децентрализованную вычислительную сеть базового искусственного интеллекта (цепь Zhiyun), уменьшив энергопотребление традиционного доказательства работы путем преобразования машин для гордого GPU в вычислительные услуги искусственного интеллекта. Токены NBAI используются для покупки вычислительной мощности, например: тестирование разработчика; использование приложений DAI; Покупка услуг обучения DAI и т. Д.

Цели проекта

Чтобы улучшить текущую ситуацию централизованных облачных вычислений, мы используем децентрализованные функции технологии блокчейна для аренды и распределения вычислений во всем мире. Технология шифрования блокчейна эффективно избегает существования внутренних утечек, в то время как обслуживание распределенных компьютерных единиц ИИ передается владельцам крупных и малых вычислительных подразделений искусственного интеллекта, что значительно снижает рабочую нагрузку. Эта общая цель может быть разделен на следующие субъекты: 1. Общая компьютерная платформа AI
Платформа общего искусственного интеллектуального устройства будет рассмотреть ситуацию с несбалансированным спросом между владельцами и пользователями устройств искусственного интеллекта. Владелец вычислительного устройства ИИ не может достичь своего вычислительного потенциала на 100%, что приводит к тому, что некоторые вычислительные ресурсы будут простоя. В то же время большое количество пользователей, которые нуждаются в вычислительной мощности искусственного интеллекта, не могут получить экономически эффективные вычислительные ресурсы ИИ. Технология платежного платежа и блокчейна, выполненная с помощью технологии блокчейна, может позволить общим вычислительным питаниям AI для выполнения оплаты и совместного использования наиболее удобным способом.
2. Ай физический вычислительный блок
Большое количество вычислительных шахтеров GPU может быть преобразовано в вычислительные единицы искусственного интеллекта, тем самым преобразуя из простых хэш -вычислений в более значимые вычисления задач искусственного интеллекта. Из -за специфики вычислений искусственного интеллекта необходимо предварительно установить назначенную систему и регулярно обновлять клиента, включая систему бухгалтерского учета, чтобы лучше использовать аппаратные характеристики и общие возможности вычислений ИИ.
3. Децентрализованное приложение ИИ
Когда децентрализованные приложения ИИ подключены к системе, соответствующее соединение необходимо для того, чтобы программисты DAI App могли разрабатывать и вызывать удобным способом использования мощной вычислительной мощности на платформе. В основном он включает в себя API платежей, API оценки вычислительной мощности, API оценки рабочей нагрузки и т. Д., Тем самым ускоряет разработку приложений ИИ.
4. Интегрированное IPFS распределенное хранилище
Децентрализованные приложения должны использовать системы хранения файлов для хранения данных. Одним из вариантов является замена традиционного централизованного облачного хранилища или локального хранилища файлов, тем самым достигая лучшего распределенного хранилища.
Межпланетная файловая система IPFS (IPFS) - это протокол сетевой передачи, предназначенный для создания постоянных и распределенных хранилищ и общих файлов. Это контент, адресуемый протокол распределения гипермедиа. Узлы в сети IPFS сформируют распределенную файловую систему. Большинство будущих IPF будут использовать технологию кросс-цепью для вызова. Для технологии перекрестной цепь см. В сервисных звонках Cross-Chain.
5. ОБУЧЕНИЕ ИНЖЕНИЯ AI
Nebula AI создаст системный центр обучения искусственному интеллекту, чтобы обеспечить базовые знания в области практики искусственного интеллекта. Инженеры постепенно будут строить и обучать модели искусственного интеллекта в разработке продукта посредством систематического обучения и проектной практики. Мы стремимся распространять последние приложения и знания индустрии искусственного интеллекта, а также развивать и реализовать выдающиеся таланты искусственного интеллекта. У нас есть миссия по заполнению нехватки талантов и полной игры в силу искусственного интеллекта в бизнесе.

Пользовательское значение

Токены системы используются для приобретения вычислительной мощности. Когда данные обучения невелики, токены потребляются относительно меньше, а когда данные обучения велики, токены потреблялись соответственно. Уплаченные сборы связаны с стоимостью обучения и стоимостью текущего токена. Рассчитайте вычислительную мощность, генерируемую за одну минуту для каждой видеокарты 1080TI, которая составляет 7514 GFLOP/S × 60.

Сценарии использования пользователя

1. Количественная торговля
Количественная торговля использует машины для помощи в работе с самого начала. Аналитики разрабатывают некоторые показатели через различные количественные модели, наблюдают за распределением данных и используют машину в качестве оператора. До роста машинного обучения в последние годы данные могут быть быстро проанализированы, установлены и предсказаны в больших количествах, тем самым более точно предсказав будущую тенденцию финансовых продуктов. Тем не менее, расчет этих моделей требует большой мощности вычислительной техники искусственного интеллекта. Если традиционный подход принят, каждый торговый отдел должен самостоятельно создать центр обработки данных. Общая вычислительная электроэнергия может сэкономить дорогие затраты на техническое обслуживание. Сделайте финансовые торговые компании более сосредоточенными на самих прогнозах.
2. Программа учащихся искусственного интеллекта
Колледжи и университеты в настоящее время постепенно предлагают курсы искусственного интеллекта, и эта тенденция станет более популярной в следующем году. Когда ученики учится, они, как правило, выбирают выполнять небольшие задачи на местном уровне и трудоемкие задачи в школьной компьютерной комнате. Тем не менее, эти фрагментированные задачи могут быть решены с помощью Blockchain Computing Power Cloud. Недорогие компьютерные услуги ИИ идеально подходят для студентов для выполнения различных вычислительных упражнений и быстро изменять свои собственные модели.
3. Биомедицинский искусственный интеллект
Ранний скрининг опухолей имеет большое значение, но из -за небольших областей ранних поражений рака традиционные методы трудно судить о доброкачественных и злокачественных, что создает трудности в клинической диагностике. Врачи часто должны провести тестирование с помощью биопсии, что не только увеличивает медицинские расходы, но и приносит большую боль для пациентов. Применение искусственного интеллекта к распознаванию медицинского изображения и междисциплинарной совместной диагностике может эффективно преодолеть эту сложность, улучшить диагностические возможности врачей, помочь быстро принимать решения и способствовать трансформации медицинских услуг в индивидуализацию и точность.

*Приведенный выше контент составлен официальным отчетом о немаллевых учетных записях. Если перепечатать, укажите источник.