Oasis schafft die Grundlage für dezentrale künstliche Intelligenz und ermöglicht dezentrales und überprüfbares Computing in künstlicher Intelligenz, das Benutzerdaten schützt
Schauen wir uns genauer an, was „dezentrale künstliche Intelligenz“ bedeutet: 👇
Das Grundprinzip von Web3 „Nicht vertrauen, sondern überprüfen“ betont die Bedeutung der Blockchain-Ausführung mit dezentraler und überprüfbarer Berechnung
Mit zunehmender Reife der Blockchain-Technologie verlagert sich der Schwerpunkt auf die Ausweitung dieser vertrauenswürdigen Vorgänge über digitale Transaktionen hinaus
KI könnte von dezentralem Confidential Computing profitieren
Dezentrale KI erhöht die Skalierbarkeit der KI (Datenverarbeitung im großen Maßstab) und schützt gleichzeitig die in KI-Modellen verarbeiteten Benutzerdaten
Das Konzept des dezentralen Confidential Computing steht im Mittelpunkt von Oasis
Echte Dezentralisierung erfordert die Fähigkeit, zu überprüfen, ob Berechnungen korrekt durchgeführt wurden, ohne dass vertrauliche Informationen preisgegeben werden
Oasis begegnet dieser Herausforderung durch die Kombination von Zero-Knowledge (ZK)-Beweisen und Trusted Execution Environments (TEEs), die einen sicheren Rahmen für die Durchführung und Überprüfung von Berechnungen bieten, ohne zugrunde liegende Daten offenzulegen
ROFL (Runtime Off-Chain Logic) ist unser bahnbrechendes Framework, das komplexere Off-Chain-Berechnungen ermöglicht und gleichzeitig Vertraulichkeit und Überprüfbarkeit gewährleistet
Dieses Framework erweitert die Funktionalität unserer On-Chain-Laufzeiten (wie Sapphire), um Off-Chain-Komponenten zu unterstützen
Diese Komponenten können komplexere und flexiblere Berechnungen durchführen, auf externe Netzwerkressourcen zugreifen und dennoch die erforderliche Vertraulichkeit und Integrität wahren
Das Framework ermöglicht erhebliche Fortschritte in den Bereichen KI, sichere Datenverarbeitung und dezentrale Anwendungen
Mit ROFL zielt Oasis darauf ab, die dezentrale Anwendungslandschaft zu revolutionieren, indem es KI-Agenten ermöglicht, mit privaten „Gedanken“ zu arbeiten, die Datenübertragung über Netzwerke hinweg sicherzustellen und eine robuste KI-Trainingsumgebung bereitzustellen, die ihre Benutzer schützt
