OpenGradient هو منصة بنية تحتية للذكاء الاصطناعي لا مركزية. هدفها هو تمكين تنفيذ نماذج الذكاء الاصطناعي (خصوصًا الاستدلال) والتحقق منها مباشرةً على سلسلة الكتل، لتحقيق «ذكاء اصطناعي على السلسلة». ببساطة، إنها تسعى إلى بناء سلسلة بلوكشين مصممة خصيصًا لتطبيقات الذكاء الاصطناعي، بحيث يمكن للمطورين تشغيل نماذج الذكاء الاصطناعي بدون الحاجة إلى الثقة عليها، وإنشاء وكلاء للذكاء الاصطناعي وعقود ذكية ذكية مدفوعة بالبيانات.
حاليًا، فإن معظم تطبيقات «الذكاء الاصطناعي + بلوكشين» تجعل عمليات الذكاء الاصطناعي تُجرى على خوادم خارج السلسلة، ثم تُغذَّى النتائج مرة أخرى إلى سلسلة الكتل. وبهذا تكون هناك مشكلتان أساسيتان:
غير شفافة: لا يستطيع المستخدمون التحقق مما إذا كانت النماذج قد تم العبث بها، أو ما إذا تم فعلًا استخدام النموذج المحدد للاستدلال.
مركزية: الاعتماد على عدد محدود من مزودي الخدمة، مع وجود نقطة فشل واحدة ومخاطر الرقابة.
حل OpenGradient هو إجراء استدلال الذكاء الاصطناعي مباشرةً على السلسلة، وضمان أن النتيجة يمكن لأي شخص التحقق منها، لتحقيق حساب ذكاء اصطناعي لا مركزي وبدون الحاجة إلى الثقة.
$OPG
#opg $OPG
حاليًا، فإن معظم تطبيقات «الذكاء الاصطناعي + بلوكشين» تجعل عمليات الذكاء الاصطناعي تُجرى على خوادم خارج السلسلة، ثم تُغذَّى النتائج مرة أخرى إلى سلسلة الكتل. وبهذا تكون هناك مشكلتان أساسيتان:
غير شفافة: لا يستطيع المستخدمون التحقق مما إذا كانت النماذج قد تم العبث بها، أو ما إذا تم فعلًا استخدام النموذج المحدد للاستدلال.
مركزية: الاعتماد على عدد محدود من مزودي الخدمة، مع وجود نقطة فشل واحدة ومخاطر الرقابة.
حل OpenGradient هو إجراء استدلال الذكاء الاصطناعي مباشرةً على السلسلة، وضمان أن النتيجة يمكن لأي شخص التحقق منها، لتحقيق حساب ذكاء اصطناعي لا مركزي وبدون الحاجة إلى الثقة.
$OPG
#opg $OPG