0G Dự án này đã theo dõi gần nửa năm, hôm nay vừa có thời gian, cùng nhau xem lại 0G, xem từ quản lý tập trung đến quản lý phân tán, @0G_labs đã lên kế hoạch lại tương lai của trí tuệ nhân tạo như thế nào, hãy cùng nhau xem hết nhé!
Bởi vì gần đây tôi vừa nói chuyện với bạn về AI, bạn tôi nói "bây giờ AI ngày càng giống như 'đồ chơi riêng' của các công ty lớn", cảm giác câu này đúng một chút, những chatbot, công cụ tạo hình ảnh mà chúng ta thường dùng đều nằm trong tay mấy gã khổng lồ công nghệ, dữ liệu nằm trong tay họ, cách mà thuật toán hoạt động thì người ngoài hoàn toàn không biết, nếu có vấn đề xảy ra tìm ai cũng không rõ, nhưng nếu tôi nói với bạn rằng AI trong tương lai có thể là "mọi người nói đều có giá trị", bạn có tin không?
Điều đầu tiên tôi nghĩ đến là dự án 0G, bây giờ tôi đang thử biến "nếu" này thành hiện thực.
Một: Tại sao phải phát triển "AI phi tập trung"?
Hãy nói về việc AI hiện tại "tập trung" như thế nào, những video ngắn bạn xem hàng ngày, những gợi ý trong ứng dụng mua sắm, tất cả đều là những mô hình AI của vài công ty lớn đang hoạt động, nhưng những mô hình này giống như một "bình kín":
Dữ liệu của bạn đã được sử dụng để đào tạo, có bị lạm dụng không? Không biết;
AI tại sao lại gợi ý cho bạn những thứ này? Thuật toán thì không rõ ràng, không thể nói rõ được;
Nếu một ngày nào đó máy chủ của công ty lớn bị sập, hoặc vì một số lý do nào đó mà ngừng dịch vụ, thì những ứng dụng phụ thuộc vào nó có thể hoàn toàn ngừng hoạt động.
Đây chính là nỗi khổ của AI tập trung, một số ít người nắm giữ quyền kiểm soát, còn đa số chỉ có thể thụ động chịu đựng, lại còn phải đối mặt với rủi ro rò rỉ dữ liệu và gián đoạn dịch vụ.
Và cái mà AI phi tập trung muốn làm, chính là mở ra cái "hũ khô" này, để mọi người đều có thể tham gia vào. Ai cũng có thể hiểu AI được huấn luyện như thế nào, làm việc ra sao, thuật toán rõ ràng có thể tra cứu.
Đã sử dụng dữ liệu gì, sử dụng như thế nào, tất cả đều được ghi lại trên chuỗi, có thể kiểm tra từ đầu đến cuối.
Dù một nút gặp vấn đề, các nút khác vẫn có thể tiếp tục chuyển, sẽ không bị sụp đổ toàn bộ.
Nói một cách đơn giản, đó là biến AI từ "kho lưu trữ của các công ty lớn" thành "tài nguyên công cộng của mọi người", minh bạch, mọi người đều có tiếng nói, và còn chịu đựng được sự thử thách hơn.
Thứ hai: 0G dựa vào điều gì để thực hiện? Tính mô-đun mới là chìa khóa.
Muốn để AI phi tập trung, 0G dựa vào kiến trúc "mô-đun" - tách hệ thống phức tạp thành những viên gạch Lego, các phần có thể nâng cấp độc lập và kết hợp lại một cách hiệu quả.
Điều này cũng rất linh hoạt về mặt tuân thủ, quy định khác nhau ở các quốc gia khác nhau:
Một nơi quản lý nghiêm ngặt việc lưu trữ dữ liệu, vì vậy đã đặt module DA lưu trữ dữ liệu trên máy chủ tuân thủ địa phương.
Một số quốc gia hạn chế sức mạnh tính toán từ nước ngoài, các doanh nghiệp chỉ sử dụng mô-đun sức mạnh tính toán địa phương để xử lý công việc, các mô-đun khác được thêm vào theo nhu cầu;
Có những nơi cấm tiền điện tử nhưng hoan nghênh tính toán phân tán, vậy thì hãy bỏ đi các mô-đun liên quan đến tiền điện tử, chỉ giữ lại các phần hợp pháp như phân phối sức mạnh tính toán, mã hóa dữ liệu.
Cũng giống như lắp ghép mô hình, những mảnh không hợp quy tắc thì không lắp ngay, dùng những mảnh hợp quy tắc cũng có thể lắp và sử dụng được, khi quy tắc thay đổi thì lắp trở lại.
Ba: Tiếp theo, hãy xem sự khác biệt cốt lõi giữa AI tập trung và AI phi tập trung.
AI tập trung giống như "một cỗ máy tích hợp": tốc độ nhanh, ổn định, nhưng nếu muốn thay một bộ phận, thêm một chức năng, phải tháo toàn bộ máy ra, rất phiền phức. Hơn nữa, dữ liệu ẩn trong máy, bên ngoài không thấy được, thỉnh thoảng còn "nói bậy" (còn được gọi là "ảo giác AI"), vì không ai có thể xác minh quá trình suy luận của nó.
AI phi tập trung giống như "xếp hình": các bộ phận (mô-đun) là công khai, bất kỳ ai cũng có thể thay thế, thêm vào, dữ liệu và quá trình suy diễn đều ở trên chuỗi, có thể xác minh, giảm thiểu "ảo giác", nhưng nhược điểm cũng rất rõ ràng - việc phối hợp nhiều bộ phận như vậy có thể chậm hơn một chút, nếu "giao diện" giữa các khối khác nhau không đồng nhất, có thể trở nên hỗn loạn.
Bốn: 0G có những "khối" nào?
0G đã chia toàn bộ hệ thống thành nhiều module chính, mỗi module đều có nhiệm vụ rõ ràng của riêng mình:
1）0G Chain：Đây là chuỗi cơ bản nhất, có thể kết hợp với các ứng dụng phi tập trung (dApp) hiện có, và các chức năng cốt lõi như thực thi, đồng thuận có thể được nâng cấp riêng biệt mà không cần phải thay đổi toàn bộ chuỗi;
2) 0G Storage: Là nơi lưu trữ phi tập trung, có khả năng lưu trữ rất nhiều dữ liệu, còn dựa vào các phương pháp mã hóa và xác thực đặc biệt, đảm bảo rằng dữ liệu không bị mất và có thể sử dụng.
3) Lớp khả dụng dữ liệu (DA): Quản lý dữ liệu "đủ sử dụng", thông qua việc chọn ngẫu nhiên các nút để xác minh, vừa đảm bảo độ tin cậy, vừa có thể mở rộng quy mô vô hạn; 4）Kiến trúc 0G Serving: Chuyên quản lý việc suy diễn và đào tạo mô hình AI, còn chuẩn bị cho các nhà phát triển bộ công cụ (SDK), muốn kết nối chức năng AI, chỉ cần sử dụng trực tiếp, không cần tự lắp ráp khung phức tạp;
5）Nút căn chỉnh (Alignment Nodes): Theo dõi toàn bộ hệ thống, đảm bảo hành vi của AI tuân thủ các quy tắc đạo đức và việc quản lý các nút này cũng phải phi tập trung, không phải chỉ dựa vào ý kiến của một cá nhân. Lợi ích của kiến trúc này là "linh hoạt", ví dụ như cần khả năng lưu trữ mạnh hơn, thì nâng cấp mô-đun Storage; cần tốc độ suy diễn nhanh hơn, thì tối ưu kiến trúc Serving, không cần phải động đến các phần khác. Đối với các nhà phát triển, rào cản để tham gia cũng giảm đi rất nhiều.
Năm: 0G bây giờ có đáng tin cậy không? Hãy xem đội ngũ tài trợ và các đối tác hệ sinh thái, đã nói nhiều lần rồi.
Đánh giá một dự án có đáng tin cậy hay không, tiền bạc và tiến trình thực tế rất quan trọng, cũng khá trực tiếp.
0G đã nói vào tháng 1 năm ngoái rằng đã huy động được 325 triệu đô la, số tiền này chủ yếu được sử dụng để mở rộng quy mô sản phẩm, xây dựng cộng đồng phát triển.
Hơn nữa, 0G hiện đã hợp tác sâu sắc với HackQuest, tập trung vào việc xây dựng cộng đồng lập trình viên. Cần biết rằng HackQuest, với tư cách là nền tảng giáo dục lập trình viên, cũng đã huy động được 4,1 triệu đô la, sự hợp tác giữa hai bên sẽ thúc đẩy sự phát triển của hệ sinh thái lập trình viên tốt hơn.
Chỉ có tiền và hợp tác là không đủ, dữ liệu của mạng thử nghiệm còn có thể giải thích vấn đề rõ ràng hơn: Giao dịch hơn 650 triệu lần, có 22 triệu tài khoản, hơn 8000 người xác thực;
Trong thời gian cao điểm, TPS của mỗi phân đoạn có thể đạt 11.000, tốc độ này đủ để xử lý lượng dữ liệu khổng lồ mà AI cần.
Còn về số lượng nút - đã bán được 85000 nút, được duy trì bởi hơn 8500 nhà điều hành trên toàn cầu, càng nhiều nút thì độ ổn định và an toàn của toàn bộ mạng càng mạnh, giống như có hơn 8500 người cùng "canh gác" thì khó mà xảy ra vấn đề.
Ngoài ra, 0G là một trong những chuỗi công khai phân quyền đầu tiên hợp tác sâu sắc trong lĩnh vực AI mô-đun, đồng thời cũng là chuỗi công khai AI mô-đun phân quyền đầu tiên, hiện vẫn chưa diễn ra sự kiện phát hành token (TGE), giá trị thảo luận tiềm năng đứng sau điều này chắc chắn là điều mọi người có thể tưởng tượng được!
Sáu: Nói về 0G, chắc chắn phải đề cập đến iNFT của nó, đơn giản mà nói, iNFT chính là "NFT có khả năng chạy chức năng AI" - bạn không chỉ mua một bức tranh, mà là một "trợ lý nhỏ" thông minh.
Tại sao lại nói rằng thứ này mới mẻ? Bởi vì nó sử dụng một tiêu chuẩn mới gọi là ERC-7857:
Khi bạn mua iNFT, không chỉ quyền sở hữu được chuyển cho bạn, mà cả mô hình AI, dữ liệu (còn gọi là "siêu dữ liệu") cũng sẽ được chuyển cho bạn, bạn sẽ không mua phải một cái khung rỗng. Dữ liệu nhạy cảm được mã hóa lưu trữ, quyền riêng tư được đảm bảo, nhưng có thể kiểm tra tính xác thực trên chuỗi, không sợ bị lừa.
Trợ lý AI này còn có thể "phát triển", siêu dữ liệu có thể được cập nhật mọi lúc, sử dụng càng lâu có thể càng có giá trị.
Điều này đã phá vỡ mô hình cũ của AI truyền thống, trước đây bạn "mượn" AI của các công ty lớn, giờ đây bạn có thể "sở hữu" một trợ lý AI nhỏ, còn có thể bán, cấp phép cho người khác sử dụng, và tất cả tiền kiếm được sẽ thuộc về bạn.
Bảy: Rào cản học tập? 0G thực sự đã giúp bạn dọn đường từ lâu.
Gần đây, 0G đã hợp tác với HackQuest @HackQuest_ để mở một khóa học đặc biệt mang tên 0G Learning Track. Từ lớp dữ liệu, cơ chế lưu trữ, đến cách kết nối với khung AI, cách vận hành xuyên chuỗi, tất cả nội dung đều được giảng dạy rõ ràng. Sau khi hoàn thành, học viên còn nhận được chứng chỉ được công nhận từ cả hai bên. Đối với những nhà phát triển muốn bắt đầu với AI phi tập trung, đây thực sự là một bước đệm tốt.
Tám: Nói thật lòng, ý tưởng 0G khá tốt, nhưng cũng có nhiều thách thức:
1) Hệ thống phi tập trung tự nhiên chậm hơn so với hệ thống tập trung, làm thế nào để tìm ra sự cân bằng giữa mở rộng và hiệu suất? Còn phải xem tình hình thực tế sau khi mạng chính được ra mắt;
2）Khi các dự án khác nhau được kết nối, tiêu chuẩn giao diện mô-đun không đồng nhất thì phải làm sao? Điều này có thể gây ra "mảnh vỡ"; Cần xem xét các vấn đề tuân thủ, vì nó liên quan đến dữ liệu và AI, các chính sách khác nhau.
3) Nhưng dù sao đi nữa, AI phi tập trung là một hướng đi đáng để khám phá. Nếu thực sự có thể đạt được "minh bạch, mọi người đều có thể tham gia, chống rủi ro", thì AI mới thực sự phục vụ cho tất cả mọi người, chứ không phải là công cụ của một số ít.
Liệu 0G có thể thành công không? Bây giờ kết luận vẫn còn quá sớm, nhưng ít nhất nó đã bước đầu tiên. Tôi cũng sẽ tiếp tục theo dõi dự án này, ít nhất tôi nghĩ đây là một dự án đáng để đầu tư thời gian! Hơn nữa, còn có @Jtsong2 đồng hành cùng chúng ta trong việc xây dựng! #去中心化AI # 0GLabs #AI
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
0G Dự án này đã theo dõi gần nửa năm, hôm nay vừa có thời gian, cùng nhau xem lại 0G, xem từ quản lý tập trung đến quản lý phân tán, @0G_labs đã lên kế hoạch lại tương lai của trí tuệ nhân tạo như thế nào, hãy cùng nhau xem hết nhé!
Bởi vì gần đây tôi vừa nói chuyện với bạn về AI, bạn tôi nói "bây giờ AI ngày càng giống như 'đồ chơi riêng' của các công ty lớn", cảm giác câu này đúng một chút, những chatbot, công cụ tạo hình ảnh mà chúng ta thường dùng đều nằm trong tay mấy gã khổng lồ công nghệ, dữ liệu nằm trong tay họ, cách mà thuật toán hoạt động thì người ngoài hoàn toàn không biết, nếu có vấn đề xảy ra tìm ai cũng không rõ, nhưng nếu tôi nói với bạn rằng AI trong tương lai có thể là "mọi người nói đều có giá trị", bạn có tin không?
Điều đầu tiên tôi nghĩ đến là dự án 0G, bây giờ tôi đang thử biến "nếu" này thành hiện thực.
Một: Tại sao phải phát triển "AI phi tập trung"?
Hãy nói về việc AI hiện tại "tập trung" như thế nào, những video ngắn bạn xem hàng ngày, những gợi ý trong ứng dụng mua sắm, tất cả đều là những mô hình AI của vài công ty lớn đang hoạt động, nhưng những mô hình này giống như một "bình kín":
Dữ liệu của bạn đã được sử dụng để đào tạo, có bị lạm dụng không? Không biết;
AI tại sao lại gợi ý cho bạn những thứ này? Thuật toán thì không rõ ràng, không thể nói rõ được;
Nếu một ngày nào đó máy chủ của công ty lớn bị sập, hoặc vì một số lý do nào đó mà ngừng dịch vụ, thì những ứng dụng phụ thuộc vào nó có thể hoàn toàn ngừng hoạt động.
Đây chính là nỗi khổ của AI tập trung, một số ít người nắm giữ quyền kiểm soát, còn đa số chỉ có thể thụ động chịu đựng, lại còn phải đối mặt với rủi ro rò rỉ dữ liệu và gián đoạn dịch vụ.
Và cái mà AI phi tập trung muốn làm, chính là mở ra cái "hũ khô" này, để mọi người đều có thể tham gia vào.
Ai cũng có thể hiểu AI được huấn luyện như thế nào, làm việc ra sao, thuật toán rõ ràng có thể tra cứu.
Đã sử dụng dữ liệu gì, sử dụng như thế nào, tất cả đều được ghi lại trên chuỗi, có thể kiểm tra từ đầu đến cuối.
Dù một nút gặp vấn đề, các nút khác vẫn có thể tiếp tục chuyển, sẽ không bị sụp đổ toàn bộ.
Nói một cách đơn giản, đó là biến AI từ "kho lưu trữ của các công ty lớn" thành "tài nguyên công cộng của mọi người", minh bạch, mọi người đều có tiếng nói, và còn chịu đựng được sự thử thách hơn.
Thứ hai: 0G dựa vào điều gì để thực hiện? Tính mô-đun mới là chìa khóa.
Muốn để AI phi tập trung, 0G dựa vào kiến trúc "mô-đun" - tách hệ thống phức tạp thành những viên gạch Lego, các phần có thể nâng cấp độc lập và kết hợp lại một cách hiệu quả.
Điều này cũng rất linh hoạt về mặt tuân thủ, quy định khác nhau ở các quốc gia khác nhau:
Một nơi quản lý nghiêm ngặt việc lưu trữ dữ liệu, vì vậy đã đặt module DA lưu trữ dữ liệu trên máy chủ tuân thủ địa phương.
Một số quốc gia hạn chế sức mạnh tính toán từ nước ngoài, các doanh nghiệp chỉ sử dụng mô-đun sức mạnh tính toán địa phương để xử lý công việc, các mô-đun khác được thêm vào theo nhu cầu;
Có những nơi cấm tiền điện tử nhưng hoan nghênh tính toán phân tán, vậy thì hãy bỏ đi các mô-đun liên quan đến tiền điện tử, chỉ giữ lại các phần hợp pháp như phân phối sức mạnh tính toán, mã hóa dữ liệu.
Cũng giống như lắp ghép mô hình, những mảnh không hợp quy tắc thì không lắp ngay, dùng những mảnh hợp quy tắc cũng có thể lắp và sử dụng được, khi quy tắc thay đổi thì lắp trở lại.
Ba: Tiếp theo, hãy xem sự khác biệt cốt lõi giữa AI tập trung và AI phi tập trung.
AI tập trung giống như "một cỗ máy tích hợp": tốc độ nhanh, ổn định, nhưng nếu muốn thay một bộ phận, thêm một chức năng, phải tháo toàn bộ máy ra, rất phiền phức. Hơn nữa, dữ liệu ẩn trong máy, bên ngoài không thấy được, thỉnh thoảng còn "nói bậy" (còn được gọi là "ảo giác AI"), vì không ai có thể xác minh quá trình suy luận của nó.
AI phi tập trung giống như "xếp hình": các bộ phận (mô-đun) là công khai, bất kỳ ai cũng có thể thay thế, thêm vào, dữ liệu và quá trình suy diễn đều ở trên chuỗi, có thể xác minh, giảm thiểu "ảo giác", nhưng nhược điểm cũng rất rõ ràng - việc phối hợp nhiều bộ phận như vậy có thể chậm hơn một chút, nếu "giao diện" giữa các khối khác nhau không đồng nhất, có thể trở nên hỗn loạn.
Bốn: 0G có những "khối" nào?
0G đã chia toàn bộ hệ thống thành nhiều module chính, mỗi module đều có nhiệm vụ rõ ràng của riêng mình:
1）0G Chain：Đây là chuỗi cơ bản nhất, có thể kết hợp với các ứng dụng phi tập trung (dApp) hiện có, và các chức năng cốt lõi như thực thi, đồng thuận có thể được nâng cấp riêng biệt mà không cần phải thay đổi toàn bộ chuỗi;
2) 0G Storage: Là nơi lưu trữ phi tập trung, có khả năng lưu trữ rất nhiều dữ liệu, còn dựa vào các phương pháp mã hóa và xác thực đặc biệt, đảm bảo rằng dữ liệu không bị mất và có thể sử dụng.
3) Lớp khả dụng dữ liệu (DA): Quản lý dữ liệu "đủ sử dụng", thông qua việc chọn ngẫu nhiên các nút để xác minh, vừa đảm bảo độ tin cậy, vừa có thể mở rộng quy mô vô hạn;
4）Kiến trúc 0G Serving: Chuyên quản lý việc suy diễn và đào tạo mô hình AI, còn chuẩn bị cho các nhà phát triển bộ công cụ (SDK), muốn kết nối chức năng AI, chỉ cần sử dụng trực tiếp, không cần tự lắp ráp khung phức tạp;
5）Nút căn chỉnh (Alignment Nodes): Theo dõi toàn bộ hệ thống, đảm bảo hành vi của AI tuân thủ các quy tắc đạo đức và việc quản lý các nút này cũng phải phi tập trung, không phải chỉ dựa vào ý kiến của một cá nhân.
Lợi ích của kiến trúc này là "linh hoạt", ví dụ như cần khả năng lưu trữ mạnh hơn, thì nâng cấp mô-đun Storage; cần tốc độ suy diễn nhanh hơn, thì tối ưu kiến trúc Serving, không cần phải động đến các phần khác. Đối với các nhà phát triển, rào cản để tham gia cũng giảm đi rất nhiều.
Năm: 0G bây giờ có đáng tin cậy không? Hãy xem đội ngũ tài trợ và các đối tác hệ sinh thái, đã nói nhiều lần rồi.
Đánh giá một dự án có đáng tin cậy hay không, tiền bạc và tiến trình thực tế rất quan trọng, cũng khá trực tiếp.
0G đã nói vào tháng 1 năm ngoái rằng đã huy động được 325 triệu đô la, số tiền này chủ yếu được sử dụng để mở rộng quy mô sản phẩm, xây dựng cộng đồng phát triển.
Hơn nữa, 0G hiện đã hợp tác sâu sắc với HackQuest, tập trung vào việc xây dựng cộng đồng lập trình viên. Cần biết rằng HackQuest, với tư cách là nền tảng giáo dục lập trình viên, cũng đã huy động được 4,1 triệu đô la, sự hợp tác giữa hai bên sẽ thúc đẩy sự phát triển của hệ sinh thái lập trình viên tốt hơn.
Chỉ có tiền và hợp tác là không đủ, dữ liệu của mạng thử nghiệm còn có thể giải thích vấn đề rõ ràng hơn:
Giao dịch hơn 650 triệu lần, có 22 triệu tài khoản, hơn 8000 người xác thực;
Trong thời gian cao điểm, TPS của mỗi phân đoạn có thể đạt 11.000, tốc độ này đủ để xử lý lượng dữ liệu khổng lồ mà AI cần.
Còn về số lượng nút - đã bán được 85000 nút, được duy trì bởi hơn 8500 nhà điều hành trên toàn cầu, càng nhiều nút thì độ ổn định và an toàn của toàn bộ mạng càng mạnh, giống như có hơn 8500 người cùng "canh gác" thì khó mà xảy ra vấn đề.
Ngoài ra, 0G là một trong những chuỗi công khai phân quyền đầu tiên hợp tác sâu sắc trong lĩnh vực AI mô-đun, đồng thời cũng là chuỗi công khai AI mô-đun phân quyền đầu tiên, hiện vẫn chưa diễn ra sự kiện phát hành token (TGE), giá trị thảo luận tiềm năng đứng sau điều này chắc chắn là điều mọi người có thể tưởng tượng được!
Sáu: Nói về 0G, chắc chắn phải đề cập đến iNFT của nó, đơn giản mà nói, iNFT chính là "NFT có khả năng chạy chức năng AI" - bạn không chỉ mua một bức tranh, mà là một "trợ lý nhỏ" thông minh.
Tại sao lại nói rằng thứ này mới mẻ? Bởi vì nó sử dụng một tiêu chuẩn mới gọi là ERC-7857:
Khi bạn mua iNFT, không chỉ quyền sở hữu được chuyển cho bạn, mà cả mô hình AI, dữ liệu (còn gọi là "siêu dữ liệu") cũng sẽ được chuyển cho bạn, bạn sẽ không mua phải một cái khung rỗng.
Dữ liệu nhạy cảm được mã hóa lưu trữ, quyền riêng tư được đảm bảo, nhưng có thể kiểm tra tính xác thực trên chuỗi, không sợ bị lừa.
Trợ lý AI này còn có thể "phát triển", siêu dữ liệu có thể được cập nhật mọi lúc, sử dụng càng lâu có thể càng có giá trị.
Điều này đã phá vỡ mô hình cũ của AI truyền thống, trước đây bạn "mượn" AI của các công ty lớn, giờ đây bạn có thể "sở hữu" một trợ lý AI nhỏ, còn có thể bán, cấp phép cho người khác sử dụng, và tất cả tiền kiếm được sẽ thuộc về bạn.
Bảy: Rào cản học tập? 0G thực sự đã giúp bạn dọn đường từ lâu.
Gần đây, 0G đã hợp tác với HackQuest @HackQuest_ để mở một khóa học đặc biệt mang tên 0G Learning Track. Từ lớp dữ liệu, cơ chế lưu trữ, đến cách kết nối với khung AI, cách vận hành xuyên chuỗi, tất cả nội dung đều được giảng dạy rõ ràng. Sau khi hoàn thành, học viên còn nhận được chứng chỉ được công nhận từ cả hai bên. Đối với những nhà phát triển muốn bắt đầu với AI phi tập trung, đây thực sự là một bước đệm tốt.
Tám: Nói thật lòng, ý tưởng 0G khá tốt, nhưng cũng có nhiều thách thức:
1) Hệ thống phi tập trung tự nhiên chậm hơn so với hệ thống tập trung, làm thế nào để tìm ra sự cân bằng giữa mở rộng và hiệu suất? Còn phải xem tình hình thực tế sau khi mạng chính được ra mắt;
2）Khi các dự án khác nhau được kết nối, tiêu chuẩn giao diện mô-đun không đồng nhất thì phải làm sao? Điều này có thể gây ra "mảnh vỡ";
Cần xem xét các vấn đề tuân thủ, vì nó liên quan đến dữ liệu và AI, các chính sách khác nhau.
3) Nhưng dù sao đi nữa, AI phi tập trung là một hướng đi đáng để khám phá. Nếu thực sự có thể đạt được "minh bạch, mọi người đều có thể tham gia, chống rủi ro", thì AI mới thực sự phục vụ cho tất cả mọi người, chứ không phải là công cụ của một số ít.
Liệu 0G có thể thành công không? Bây giờ kết luận vẫn còn quá sớm, nhưng ít nhất nó đã bước đầu tiên. Tôi cũng sẽ tiếp tục theo dõi dự án này, ít nhất tôi nghĩ đây là một dự án đáng để đầu tư thời gian! Hơn nữa, còn có @Jtsong2 đồng hành cùng chúng ta trong việc xây dựng!
#去中心化AI # 0GLabs #AI