DevolvedAi 創始人在 X 上發表的文章。#NathanPeterson
作爲 @devolvedai 的創始人，我花了大量時間探索去中心化 AI 的潛力和現實。圍繞這一概念的討論不絕於耳，許多項目聲稱要突破去中心化 AI 所能實現的界限。但事實是，雖然其中許多舉措爲這一難題做出了寶貴貢獻，但真正致力於實現完全去中心化的 AI 系統的卻寥寥無幾。
讓我們仔細看看當前去中心化人工智能的現狀，以及去中心化人工智能如何努力實現其他人無法實現的目標——創建一個真正去中心化的人工智能。
去中心化的人工智能格局：究竟發生了什麼？
去中心化 AI 經常被吹捧爲人工智能的未來——一種使 AI 開發民主化並防止這種強大技術被壟斷的方式。但當我們研究引領這一潮流的項目時，我們發現大多數項目都專注於去中心化 AI 的特定組件，而不是整個系統。
以@ASI_Alliance 爲例。ASA 是一個雄心勃勃的項目，旨在創建超級智能 AI。他們的方法是去中心化的，因爲他們會分發這項艱鉅任務所需的研究、數據和資源。這是一項崇高的努力，但它並沒有將整個 AI 生態系統去中心化。
還有@opentensor，這是一個旨在分散人工智能模型訓練的項目。Bittensor 允許開發人員利用分佈式節點網絡進行訓練，並用網絡的原生代幣 $TAO 獎勵參與者。訓練過程的這種分散化至關重要，但它仍然只是人工智能難題的一塊碎片。
@rendernetwork 是另一個關鍵參與者，它爲 GPU 渲染提供了一個去中心化的平臺，這對於 AI 和其他高性能任務至關重要。通過將需要計算能力的人與擁有計算能力的人聯繫起來，Render Network 有助於降低成本並提高可訪問性。同樣，這是去中心化 AI 的一個關鍵組成部分，但它並未涵蓋整個範圍。
缺少什麼？需要完全去中心化
上述項目無疑在人工智能去中心化方面取得了進展，但它們並沒有解決全貌問題。人工智能去中心化不僅僅是分散數據、計算或特定流程，而是要創建一個完整的生態系統，讓人工智能的各個方面從頭開始都去中心化。這就是去中心化人工智能的用武之地。
在 Devolved AI，我們不僅要分散 AI 流程的某些部分，還要分散整個系統。我們的使命是構建第一個真正分散的大型語言模型，由人民驅動，服務人民。
去中心化人工智能有何不同：各層級均實現去中心化
藉助 Devolved AI，我們將 AI 開發的各個方面分散化。我們的核心 LLM Athena AI 使用獨特的聯合學習系統進行訓練，該系統將訓練過程分佈在全球 GPU 網絡中。這確保沒有任何單個實體控制 AI 的訓練或開發。
我們還將所有數據集和訓練信息存儲在去中心化存儲網絡 @Stratos_Network 上，每條數據都通過我們稱爲“訓練證明”（PoT）的系統記錄在區塊鏈上。這種透明度意味着整個社區可以隨時驗證和審覈 AI 的發展。
但我們不會止步於此。我們的路線圖包括到 2025 年將 Athena 過渡到完全在分散的全球 GPU 網絡上運行。這將消除對中央服務器的任何依賴，使 Athena AI 成爲有史以來最分散的 AI。
爲什麼這很重要：人工智能的未來取決於真正的去中心化
人工智能去中心化不僅僅是一種趨勢，更是人工智能未來的必然趨勢。如果我們繼續走中心化人工智能發展的道路，我們可能會將過多的權力置於少數人手中，從而可能導致這項技術的濫用或濫用。
在 Devolved AI，我們認爲人工智能應該由使用它的人控制，而不是由公司或中心化實體控制。這就是爲什麼我們致力於創建一個完全去中心化的人工智能系統——在這個系統中，每個決策、每個數據集和每個計算都是分佈式和透明的。
總之，雖然許多項目爲去中心化 AI 運動做出了寶貴貢獻，但 Devolved AI 是唯一真正致力於實現完全去中心化 AI 生態系統的項目。我們不僅要去中心化 AI 的部分內容，還要去中心化整個系統，確保 AI 的未來掌握在人民手中，這是它應有的。
$AGC $MATIC #DevolvedAi #Argochain #Argoswap #Discord #Twitter
