Jag såg det här inlägget av @0G_labs, som handlade om DeAi, och jag kände också att jag skulle lägga upp det och göra ett populärvetenskapligt inlägg! 1. Varför finns det en "TradAI vs. Motsatsen till "DeAI"? Traditionell AI (TradAI) domineras av ett fåtal stora molntjänstleverantörer och modellutgivare: modellträning och inferens är centraliserade i molnet, och data och åtkomst kontrolleras! Förklarbarhets- och revisionskedjorna är dock svaga, och hindren för användning och kostnader hindrar ett brett spektrum av deltagare. Decentraliserad AI (DeAI) är rekonstruktionen av AI-data genom distribuerad lagring, peer-to-peer-beräkning, on-chain/off-chain-verifiering och tokeniseringsekonomi, i kombination med incitamentet av datorkraft, vilket kan göra det möjligt för fler deltagare att dela värdet. Både akademin och industrin ser DeAI som en viktig riktning för att lösa "centraliseringens brister". —— —— ————— ʕ·͡ˑ·ཻʔ ————— —— —— 2. Marknadsmöjligheter? Det finns för närvarande få infrastrukturer på blockkedjenivå som är utformade för AI (balansering av datatillgänglighet med verifierbar datorkraft). Om 0G differentierar sig när det gäller prestanda, kostnad och utvecklarupplevelse kan det snabbt absorbera AI-centrerade projekt, och som DeAI kan det ge en ny affärsväg för dataleverantörer, datorkraftleverantörer och applikationsbyggare. —— —— ————— ʕ·͡ˑ·ཻʔ ————— —— —— ➟ Naturligtvis, när jag rullar upp @KaitoAI, vet jag också att TGE kommer! Den största risken är att välja spåret för #DeAI av #AI, och den största risken är obalansen mellan tokenutgivning, staking och distribution, vilket kan leda till prisfluktuationer och säkerhetsproblem. Det kan också vara en liten anledning till förseningen av TGE, naturligtvis ser jag också fram emot uppföljande prestanda för 0G som en offentlig AI-kedja! #KAITO #Yap