Nebula AI se zavázala k vybudování decentralizovaného řetězce výpočetní infrastruktury s umělou inteligencí (Zhiyun Chain), který snižuje energetickou spotřebu tradičních důkazů pracovní zátěže tím, že převádí GPU těžební stroje na výpočetní služby umělé inteligence. Tokeny NBAI se používají k nákupu výpočetního výkonu, jako jsou: testování vývojářů; používání aplikací DAI; nákup školicích služeb DAI atd.

Cíle projektu

Abychom zlepšili současnou situaci centralizovaného cloud computingu, využíváme decentralizovanou povahu technologie blockchain k pronájmu a distribuci výpočetního výkonu strojům s umělou inteligencí v celosvětovém měřítku. Technologie šifrování Blockchain účinně zabraňuje existenci vnitřních úniků a údržba distribuovaných výpočetních jednotek AI je předána majitelům velkých a malých výpočetních jednotek s umělou inteligencí, což značně snižuje množství práce na údržbě. Tento celkový cíl lze rozdělit do následujících dílčích cílů:
1. Sdílená počítačová platforma AI
Sdílení platformy výpočetního zařízení AI vyřeší problém vlastníka a nevyváženého používání zařízení AI podmínky poptávky mezi spotřebiteli. Vlastníci výpočetních zařízení s umělou inteligencí nemohou využít 100 % svého výpočetního potenciálu, což vede k nečinnosti výpočetních zdrojů. Zároveň velký počet uživatelů, kteří potřebují výpočetní výkon umělé inteligence, nemůže získat nákladově efektivní výpočetní zdroje AI. Technologie platby z bodu do bodu a blockchain účetnictví prostřednictvím technologie blockchain může umožnit sdílení výpočetního výkonu AI pro dokončení platby a sdílení tím nejpohodlnějším způsobem.
2. Fyzická výpočetní jednotka s umělou inteligencí
Velké množství výpočetních těžebních strojů s GPU lze převést na výpočetní jednotky s umělou inteligencí, čímž se přemění z jednoduchých hašovacích výpočtů na smysluplnější výpočty úloh AI. Vzhledem ke specifičnosti AI computingu je pro lepší využití výkonu hardwaru a sdílení výpočetního výkonu AI nutné předem nainstalovat konkrétní systém a pravidelně aktualizovat klienta včetně účetního systému.
3. Decentralizovaná aplikace AI
Když je k systému připojena decentralizovaná aplikace AI (Decentralized AI Application), potřebuje odpovídající rozhraní, které umožní programátorům aplikací DAI pohodlně provádět vývojová volání v tímto způsobem využijete výkonný výpočetní výkon platformy. Zahrnuje především API pro platby, API pro odhad výpočetního výkonu, API pro odhad pracovní zátěže atd., aby se urychlil vývoj aplikací AI.
4. Integrujte distribuované úložiště IPFS
Decentralizované aplikace potřebují k ukládání dat používat systém úložiště souborů. Jednou z možností je úložiště IPFS, které nahradí tradiční čínské centralizované cloudové úložiště nebo místní úložiště souborů. dosáhnout lépe distribuovaného úložiště.
IPFS InterPlanetary File System (InterPlanetary File System, zkráceně IPFS) je síťový přenosový protokol určený k vytváření trvalého a distribuovaného úložiště a sdílených souborů. Jedná se o obsahově adresovatelný peer-to-peer hypermediální distribuční protokol. Uzly v síti IPFS budou tvořit distribuovaný systém souborů. V budoucnu bude většina IPFS používat cross-chain volání technologie.
5. AI Engineer Training Center
Nebula AI založí systematické školicí středisko umělé inteligence, které bude poskytovat základní znalosti v oblasti praxe umělé inteligence. Učení, projektová praxe, postupné budování a školení modely umělé inteligence v produktovém designu. Zavázali jsme se šířit nejnovější aplikace a znalosti v odvětví umělé inteligence a kultivovat a poskytovat vynikající talenty umělé inteligence. Posláním je vyplnit mezeru mezi talenty a naplno využít sílu umělé inteligence v podnikání.

Použitá hodnota

Tokeny systému se používají k nákupu výpočetního výkonu. Když jsou trénovací data relativně malá, spotřebované tokeny jsou relativně malé, a když jsou trénovací data velká, spotřebované tokeny se odpovídajícím způsobem zvyšují. Zaplacený poplatek souvisí s náklady na školení a hodnotou aktuálního tokenu. Vypočítejte výpočetní výkon generovaný každou grafickou kartou 1080Ti po dobu jedné minuty, což je 7514 GFLOP/s×60.

Scénáře použití uživatele

1. Kvantitativní obchodování
Kvantitativní obchodování využívá stroje pro pomocné práce od velmi raného stádia. Analytici používají různé kvantitativní modely k navrhování některých indikátorů a sledování distribuce dat pomocí stroj jako kalkulačka. Až do nástupu strojového učení v posledních letech lze data rychle a masivně analyzovat, přizpůsobovat a předvídat, aby bylo možné přesněji předpovídat trend budoucích finančních produktů. Výpočet těchto modelů však vyžaduje velké množství lidí, kteří používají AI. schopnost. Pokud se přijme tradiční metoda, každé obchodní oddělení si musí vybudovat vlastní datové centrum. A sdílený výpočetní výkon může ušetřit drahé náklady na údržbu. Nechte finanční obchodní společnosti zaměřit se více na samotné prognózování.
2. Výukový plán umělé inteligence
Vysoké školy a univerzity postupně nabízejí kurzy umělé inteligence. Tento trend se v příštích několika letech stane populárnějším. Když se studenti budou učit Obecně se rozhodnete spouštět malé úlohy lokálně a spouštět časově náročné úlohy ve školní počítačové učebně. Tyto roztříštěné úkoly však může zcela vyřešit cloud computing power blockchain. Nízkonákladová výpočetní služba AI je velmi vhodná pro studenty, aby mohli absolvovat různá výpočetní cvičení a rychle upravit své vlastní modely.
3. Biomedicínská umělá inteligence
Včasný screening nádorů má velký význam, ale vzhledem k malé oblasti lézí u časných nádorů je obtížné tradiční metody posoudit benigní a maligní , což ztěžuje klinickou diagnostiku, lékaři často potřebují provádět detekci biopsií, což nejen zvyšuje náklady na léčbu, ale také přináší pacientům velkou bolest. Aplikace umělé inteligence na rozpoznávání lékařských obrazů a multidisciplinární kolaborativní diagnostiku může účinně prolomit tento problém, zlepšit diagnostické schopnosti lékařů, pomoci rychlému rozhodování a podpořit transformaci lékařských služeb na individualizaci a přesnost.

*Výše uvedený obsah organizuje oficiální představitel YouToCoin. V případě přetištění uveďte zdroj.