DePIN驱动的生态系统 AIOZ AI 正在构建一个去中心化的人工智能全栈基础设施。

AIOZ AI 旨在通过为贡献者提供更多对其工作的控制权，来“赋能贡献者”，使开发者、研究人员和技术团队能够在协作环境中发布、分享和扩展他们的数据集。

在传统的人工智能模型是在缺乏透明度的环境中创建的，方法论不明，而 AIOZ AI 的分布式方法旨在提供“更高效、安全和可访问”的人工智能计算，AIOZ 网络创始人兼首席执行官 Erman Tjiputra 在接受 Decrypt 采访时表示。

通过 AIOZ AI，用户可以上传和存储数据集并训练他们的模型——根据他们的表现和被他人使用的情况，可能获得代币奖励。

这得益于 AIOZ 网络的去中心化物理基础设施网络 (DePIN)，超过 300,000 台设备贡献其闲置的计算能力用于人工智能计算、去中心化存储和内容交付。

目标是让贡献者对他们的人工智能资产（如模型和数据集）拥有更多控制权，同时使创新者更容易部署有利于普通人的人工智能解决方案。

AIOZ AI 上已经有多个模型可用，包括图像到图像处理模型，如背景去除、背景替换、图像转动漫和视频到 Canny 边缘检测。

此外，AIOZ AI 上的“轻量级和高效”图像超分辨率 (SR) 模型可以从低分辨率输入重建高保真图像，这对数字内容创作者和档案修复项目“极为有利”，根据 AIOZ 网络的说法。AIOZ AI 模型的潜在未来应用包括为流媒体平台提供实时视频放大和根据可用带宽自适应优化图像质量，以及可以执行对象感知图像锐化和细节恢复的工具。

“通过 AIOZ AI，我们正在构建一个以人为本的人工智能经济，”Tjiputra 说。“开发者保持对他们的模型和数据集的控制，在社区计算上运行它们，并在他们的工作推动实际应用时解锁代币奖励的潜力。”

AIOZ AI 挑战

AIOZ AI 平台的核心功能之一是其 AIOZ AI 挑战 系统，任何组织、研究人员或开发者都可以 在生态系统内举办竞赛。这些挑战将现实世界的问题转化为在网络的去中心化计算层上运行的开放、协作的人工智能项目。

平台上已经活跃的挑战包括构建一个回归模型，准确 预测房屋的最终销售价格，基于关键数据点，包括位置、面积和卧室数量。另一个挑战涉及开发一个自然语言处理模型，能够推断 电影评论是负面还是正面。

AIOZ 网络之前组织的一个挑战奖励用户解决紧迫现实问题的努力：人脸反欺骗挑战 鼓励竞争者创建一个能够准确区分真实面孔和冒名顶替者的模型，例如那些试图通过打印照片、3D 面具或深度伪造视频获取账户访问权限的人。随着识别工具在金融应用中被广泛使用，AIOZ 网络将对此挑战的解决方案描述为“关键”。

在某些情况下，AIOZ AI 挑战的顶尖参与者在社区中获得认可，杰出的解决方案有资格获得数字奖励和潜在的代币奖励。每个挑战都包括一个讨论部分，初学者开发者可以在这里提出技术问题并交流想法。

根据 AIOZ 网络的说法，这类举措是推动“万物智能”的一部分——构建者们团结在一起，推动人工智能的边界。

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。