Avec le développement rapide de la technologie de l'IA, ses scénarios d'application deviennent de plus en plus diversifiés. Cependant, cette croissance impose également des exigences plus élevées à l'infrastructure, en particulier en matière de traitement des données, de répartition de la puissance de calcul et de protection de la vie privée. Les méthodes de traitement centralisées traditionnelles présentent des problèmes tels que des points de défaillance uniques, une répartition inégale de la puissance de calcul et des fuites de données privées, ce qui ne répond plus aux demandes actuelles.
En fait, dans le domaine de l'IA, l'acquisition de données et l'entraînement de modèles ont toujours été des sujets centraux. Les modèles traditionnels dépendent principalement de données publiques pour l'entraînement de grands modèles, mais présentent des limites en termes de compréhension et d'adaptabilité dans des domaines spécifiques. Pour résoudre ce problème, FLock a lancé un réseau décentralisé d'entraînement et de validation de modèles d'IA, apportant de nouvelles solutions.
Aperçu du projet
FLock est un réseau décentralisé d'entraînement et de validation de modèles d'IA, visant à briser le monopole des géants technologiques sur les modèles d'IA. En fournissant des capacités de calcul, des données et des méthodes d'entraînement modulaires, il réalise le développement décentralisé des modèles d'IA. En incitant la communauté à fournir des données d'entraînement et des retours sur les modèles, cela démocratise la création et l'ajustement des modèles. Les protocoles et les développeurs peuvent utiliser la plateforme FLock pour entraîner des modèles spécifiques à leurs cas d'utilisation, tels que des compagnons IA, des modèles d'appel de fonction, des analyses de capteurs, etc.
La philosophie fondamentale de FLock est d'activer le potentiel des données privées, propulsant l'intelligence artificielle vers de nouveaux points de rupture. Il innove dans la manière dont les données sont appelées et les modèles sont entraînés, étendant le mode d'entraînement traditionnel reliant des données publiques au domaine des données privées.
Sur le plan technique et produit, FLock se concentre sur l'entraînement décentralisé, utilisant la technologie d'apprentissage fédéré pour garantir que les données d'entraînement restent stockées de manière décentralisée tout en apprenant le modèle, sans divulguer la vie privée des données. En même temps, il dirige les besoins d'entraînement vers des plateformes de calcul décentralisées, comme Akash et http://IO.net, réalisant ainsi l'entraînement décentralisé des modèles.
En même temps, l'équipe de FLock a une expérience approfondie dans le domaine de l'intelligence artificielle, avec des antécédents académiques de premier plan tels qu'Oxford et BCG, ainsi qu'une riche expérience dans l'industrie. L'équipe a contribué à plusieurs projets d'IA open source connus, publiant plusieurs articles dans des revues scientifiques de premier plan telles que la Royal Society et NeurIPS, consolidant ainsi sa solidité technique.
Ce mois-ci, le projet FLock a également reçu de bonnes nouvelles significatives en matière de financement, attirant l'attention et le soutien de nombreuses institutions d'investissement bien connues. Selon les dernières nouvelles officielles, FLock a réussi une levée de fonds stratégique, dirigée par le groupe de monnaie numérique (DCG), la société mère de Grayscale, avec la participation de partenaires stratégiques tels que Lightspeed Faction, Animoca Brands, Fenbushi Capital, GnosisVC, GSR Ventures, OKCoinJapan, Bas1s Ventures et A41, soutenant ensemble le développement florissant de FLock. Un total de 11 millions de dollars a été levé, qui sera spécifiquement utilisé pour lancer la version améliorée du réseau de test de FLock et le client d'apprentissage fédéré, établissant une base solide pour le développement futur de Flock.
FLock s'engage à créer, gouverner et posséder des agents d'IA de manière démocratique, cherchant à reprendre le pouvoir au monopole des grandes entreprises mondiales, permettant aux décisions et aux récompenses de revenir davantage à la communauté, réalisant un véritable partage et une co-gouvernance. Et DCG, étant l'une des institutions d'investissement les plus actives et les plus visionnaires lors du dernier marché haussier, a un portefeuille d'investissement en IA à la fois large et approfondi, y compris des projets leaders tels que TAO et WLD.
Cet investissement est sans aucun doute un autre important développement pour DCG dans le domaine de l'IA. De nouveaux fonds fourniront de l'élan à l'innovation et au développement de FLock dans le domaine des infrastructures d'IA, l'aidant à atteindre un nouveau stade, explorant ensemble de nouvelles possibilités pour l'avenir de deAI.
Innovation de l'architecture et des produits de FLock
En tant que seul projet d'infrastructure d'IA financé par la fondation Ethereum, FLock permet l'entraînement de modèles d'IA tout en maintenant les données localement. À ce jour, la plateforme d'entraînement de FLock a rassemblé 1500 ingénieurs AI actifs vérifiés sur Github, contribuant ensemble à faire avancer l'IA décentralisée.
La suite de produits de FLock couvre l'ensemble du cycle de vie du développement décentralisé de l'IA, y compris AI Arena, FL Alliance et AI Marketplace. AI Arena est une plateforme compétitive pour l'entraînement de modèles de base, où les développeurs peuvent optimiser des modèles en utilisant des capacités de calcul décentralisées ; FL Alliance est une plateforme collaborative de protection de la vie privée, où les contributeurs de données et les développeurs peuvent optimiser ensemble des modèles de base tout en garantissant la confidentialité des données ; AI Marketplace est une plateforme d'hébergement et de transaction de modèles, où les utilisateurs peuvent obtenir des revenus par le biais de contributions de données, de ressources de calcul et d'algorithmes.
FLock Edge Compute est une composante importante du projet FLock, mettant l'accent sur l'utilisation de données privées de haute qualité, sur des latences de données d'entraînement plus faibles et sur l'exploitation de la puissance de calcul distribuée. Grâce à cette technologie innovante, les ingénieurs IA peuvent demander des données cryptées en temps réel à partir des dispositifs périphériques des utilisateurs pour créer des modèles plus précis et plus riches. En même temps, les utilisateurs ordinaires, dans le processus de contribution de données, peuvent non seulement protéger leur vie privée, mais aussi recevoir des récompenses en participant à l'optimisation des modèles.
FLock Edge Compute : activer le potentiel des données privées
FLock est convaincu que les données privées recèlent un potentiel énorme pour le développement de l'intelligence artificielle. Pour libérer pleinement ce potentiel, FLock a innové de manière révolutionnaire dans l'appel de données d'IA et les modes d'entraînement de modèles, étendant les opérations d'entraînement au domaine des données privées.
En intégrant les technologies de calcul en périphérie et d'apprentissage fédéré, FLock a ouvert une nouvelle voie pour l'entraînement de modèles et le traitement des données, déployant directement les tâches d'entraînement sur les dispositifs périphériques des utilisateurs, tels que les téléphones, les tablettes et les ordinateurs portables, tout en permettant au modèle d'obtenir des paramètres de modèle cryptés à partir de divers dispositifs périphériques et de les intégrer, évitant ainsi la divulgation directe des données brutes.
Comparé aux méthodes traditionnelles d'entraînement de modèles centralisées, le calcul en périphérie peut pleinement tirer parti des données privées de haute qualité, améliorant la précision et la richesse des modèles, réduisant considérablement la latence des données d'entraînement, rendant les modèles plus proches du temps réel et mieux adaptés aux besoins des utilisateurs. En même temps, l'utilisation flexible de la puissance de calcul distribuée rend l'entraînement des modèles plus efficace et flexible, offrant aux ingénieurs IA un espace et des possibilités de création illimités.
Supposons qu'une entreprise de vente au détail souhaite améliorer la précision de son système de recommandations personnalisées. Dans le passé, l'entreprise aurait peut-être dû télécharger les données d'achat des utilisateurs sur un serveur central pour l'entraînement du modèle, mais grâce aux technologies de calcul en périphérie et d'apprentissage fédéré de FLock, l'entreprise peut entraîner le modèle directement sur le téléphone de l'utilisateur, en utilisant le téléphone comme dispositif périphérique, en traitant les données d'achat de manière cryptée et en téléchargeant les paramètres de modèle cryptés sur le serveur, améliorant ainsi l'efficacité et la précision de l'entraînement du modèle tout en protégeant la vie privée des utilisateurs.
JIT : une nouvelle façon révolutionnaire d'appeler des données
FLock a également révolutionné le processus d'appel de données de l'IA, passant d'un appel anticipé (AOT) à un appel instantané point à point (JIT). La compilation JIT est une méthode de compilation de code au moment de l'exécution du programme, caractérisée par sa dynamique, son efficacité et sa forte capacité d'optimisation. Grâce à l'appel de données JIT natif de la blockchain, les ingénieurs IA peuvent accéder en temps réel aux données de domaine brut pour améliorer l'entraînement, tandis que les utilisateurs ordinaires peuvent obtenir des récompenses en contribuant des données tout en conservant leur propriété.
Scénarios d'application
Grâce à ses avantages technologiques uniques, FLock soutient non seulement un entraînement efficace des modèles tout en maintenant les données localement, mais a également été appliqué avec succès dans plusieurs domaines de pointe.
Dans le domaine de la santé, FLock a collaboré avec l'University College London Hospital pour déployer un algorithme de prédiction de la glycémie, fournissant des solutions de gestion de la santé plus précises pour les patients diabétiques. De plus, en collaboration avec Moorfields Eye Hospital, il a optimisé les algorithmes de détection ophtalmologique, utilisant la puissance de calcul décentralisée pour améliorer les taux de diagnostic précoce des maladies oculaires. En outre, le système de notation de crédit sur la blockchain de Request Finance, ainsi que les robots de trading de Morpheus et Ritual, ont également réalisé une itération rapide et une optimisation des performances des modèles via la plateforme FLock.
Pour simplifier le processus de formation du modèle, FLock propose un modèle de déploiement en un clic, facilitant aux développeurs l'entraînement et la validation des modèles sur des plateformes de calcul distribuées comme Akash. Cette innovation réduit non seulement la barrière à l'entrée pour l'entraînement, mais attire également de nombreux membres de la communauté Akash à participer au minage de FLock, contribuant ensemble aux ressources de calcul.
En plus du domaine de la santé, la technologie de FLock est largement appliquée dans d'autres scénarios. Par exemple, http://IO.net utilise PoAI pour réaliser un consensus entre les nœuds et former sur cette base un modèle de génération d'images animées, offrant aux utilisateurs des effets visuels plus vivants et réalistes. De plus, FLock a également formé un assistant de programmation en langage Move spécifiquement destiné aux développeurs pour Aptos, promouvant encore davantage la popularité et l'application de la technologie blockchain. De plus, Animoca Brands et ses produits utilisent également FLock pour former des modèles internes dédiés, couvrant divers domaines tels que la due diligence, l'analyse d'investissement, le market making et le soutien opérationnel, tirant pleinement parti des avantages de l'IA de protection de la vie privée pour favoriser l'innovation commerciale et l'amélioration de l'efficacité.
Construction de l'écosystème
FLock s'engage à créer un écosystème d'IA ouvert et inclusif, attirant une variété d'utilisateurs à participer ensemble. Grâce à une plateforme d'entraînement décentralisée et à un mécanisme d'incitation, FLock encourage les développeurs, les contributeurs de données et les utilisateurs ordinaires à participer activement à l'entraînement et à l'optimisation des modèles d'IA.
Du côté des développeurs, FLock fournit une plateforme et des outils pratiques et efficaces, soutenant le développement et l'entraînement de modèles. Les développeurs peuvent utiliser la puissance de calcul de FLock et la technologie d'apprentissage fédéré pour entraîner et optimiser, tout en bénéficiant de données d'entraînement riches et de ressources de feedback sur les modèles. De plus, FLock offre également des ressources communautaires et des services de soutien, aidant les développeurs à résoudre les problèmes et défis rencontrés pendant le processus de développement.
Pour les détenteurs, ils peuvent soutenir le développement du projet en détenant des tokens FLock ou en participant à la gouvernance communautaire, et recevoir des retours correspondants. Le modèle économique des tokens de FLock est soigneusement conçu pour inciter les participants tout en garantissant la sécurité du système et la gouvernance décentralisée. Les détenteurs peuvent participer à la prise de décision du projet par le biais du vote et de la gouvernance, tout en profitant de revenus tels que des dividendes de tokens.
Les utilisateurs ordinaires peuvent également participer et obtenir des bénéfices par le biais de FLock AI Arena. Ils peuvent choisir de devenir des délégués, en déléguant leur FML à des nœuds d'entraînement et des validateurs performants. Cela aide non seulement les modèles excellents à se démarquer plus rapidement, mais permet également de bénéficier de rendements proches de ceux des nœuds d'hébergement. Si l'on choisit des nœuds prometteurs avec précision, les bénéfices peuvent également être très considérables, sans avoir à entraîner le modèle soi-même ou à supporter des coûts matériels.
Dernières nouvelles et perspectives d'avenir
Selon des informations officielles, le projet Web3 AI http://FLock.io a annoncé le lancement du token $FLock sur Bybit le 31 décembre, avec un lancement de pool de lancement d'une semaine. $FLock est le token natif de l'écosystème FLock et le cœur de l'ensemble de la plateforme d'entraînement d'IA, soutenant son AI Arena, son réseau de nœuds collaboratifs FL Alliance et son AI Marketplace.
Actuellement, l'économie des tokens de FLock a été publiée, avec un plafond de l'offre totale fixé à 1 milliard de $FLock.
Selon le modèle économique des tokens, 47% des tokens seront alloués à la communauté pour inciter tous les utilisateurs ayant contribué à FLock, y compris ceux participant à AI Arena, FL Alliance, AI Marketplace et les contributeurs futurs de l'écosystème Flock. Pour reconnaître les participants actifs de la phase de test, des airdrops de $FLock seront effectués lors du lancement sur la chaîne principale, et les futures incitations seront systématiquement frappées sur 60 mois, avec une réduction mensuelle de 1%.
Perspectives de développement
FLock continue d'optimiser la construction de la communauté et les mécanismes d'incitation, attirant davantage d'utilisateurs à participer activement au développement de l'écosystème. Avec la croissance continue du nombre d'utilisateurs et l'amélioration progressive de l'écosystème, FLock est bien positionné pour occuper une place dans le domaine de l'IA décentralisée, favorisant une prospérité encore plus grande de l'écosystème.
Avec ses avantages uniques et sa vision prospective, FLock a déjà commencé à se faire remarquer dans le domaine des infrastructures d'IA. Il combine des technologies de pointe telles que le calcul en périphérie et l'apprentissage fédéré avec des concepts décentralisés, fournissant des solutions innovantes pour l'entraînement et le traitement des modèles d'IA. En même temps, FLock a créé des scénarios d'application diversifiés et un mécanisme d'incitation complet, attirant certainement de nombreux utilisateurs à participer ensemble à la construction et au développement de l'écosystème.
À l'avenir, FLock continuera de se concentrer sur le groupe d'utilisateurs de détail et de consommation, en développant davantage de produits pratiques et faciles à utiliser. Ces produits tiendront pleinement compte des besoins et des habitudes d'utilisation des utilisateurs, réduisant la barrière à la participation à l'entraînement des modèles d'IA et à la contribution de données, attirant davantage d'utilisateurs et de développeurs à rejoindre la construction de l'écosystème IA, favorisant l'innovation et l'application des modèles et technologies d'IA.