Pi Network forsøger at udnytte boomet inden for kunstig intelligens ved at gentænke sine inaktive noder og brugernetværk til decentraliserede AI-opgaver.
Projektet hævder, at dets netværk med mere end 421.000 aktive noder kan bruges til at imødekomme den globale mangel på AI-beregningseffekt. Den store infrastruktur svarer til mere end 1 million centrale processorer (CPU’er).
Pi Network’s kunstig intelligens træning driver token op 15%
For at demonstrere mulighederne gennemførte Pi Network en proof-of-concept test sammen med OpenMind, et robotstartup hvor Pi har investeret.
Under testen modtog syv frivillige nodeoperatører en AI-billedgenkendelsescontainer. Noderne behandlede dataene og identificerede objekter som en bus og en person, og returnerede resultaterne fra analysen på mindre end fire sekunder.
“Alt i alt bekræftede forsøget, at distribuerede Pi-noder kan udføre AI-relaterede opgaver og hurtigt levere brugbare resultater”, skrev netværket.
Men ved nærmere eftersyn viser der sig en stor forskel mellem projektets påstande om infrastruktur og de tekniske realiteter inden for moderne AI-udvikling.
Træning af komplekse AI-systemer, især store sprogmodeller, kræver enorme ressourcer. Det kræver store klynger af højtydende grafikkort (GPU’er) forbundet med netværk med lav latenstid.
De spredte, almindelige CPU’er, som driver Pi-noderne, mangler de parallelle processeringsmuligheder, der skal til for så krævende matematisk matrixregning.
På trods af hardwarebegrænsningerne for AI-træning har Pi Network dog et potentielt værdifuldt aktiv for AI-branchen.
Dette aktiv er det enorme, globalt udbredte brugernetværk. Netværket kræver streng identitetsverificering af sine millioner af deltagere.
Pi Networks medstifter Chengdiao Fan fremhævede, at de verificerede brugere kan levere nødvendig menneskelig indblanding for AI-modeller.
“Menneskelig deltagelse er også en afgørende faktor. Pi’s netværk af verificerede personer giver en særlig mulighed for skalerbar og ægte menneskelig feedback i AI-systemer”, sagde Fan.
Ved at lade netværkets brugere fungere som en decentral arbejdsstyrke for AI-træning, kan Pi skabe reel anvendelse af sin egen kryptovaluta. Deltagerne vil blive belønnet med Pi-tokens for deres micro-opgaver.
Samtidig påpegede Fan, at netværkets decentraliserede AI-træningsindsats potentielt kan løse branchens nuværende udfordringer.
“Decentraliseret AI-træning passer naturligt til et distribueret netværk, og det kan også hjælpe med at håndtere begrænsninger som datacenter-udfordringer, energiforbrug og problemer som katastrofale forglemmelser eller flaskehalse i den globale tilstand”, udtalte hun.
Imens ser netværkets nye AI-fokus ud til at have løftet dens token med 15% til $0,2307 I øjeblikket.
