مدير شبكة Render يقول إن DePIN قد يخفف من اختناقات الذكاء الاصطناعي

المصدر: CryptoNewsNet العنوان الأصلي: مدير شبكة Render يقول إن DePIN قد يخفف من عنق الزجاجة في الذكاء الاصطناعي الرابط الأصلي: مع تزايد قوة الذكاء الاصطناعي (AI)، ستصل البنية التحتية اللازمة لتشغيله إلى حدودها، وقد تفتح هذه الحدود الباب أمام شبكات البنية التحتية المادية اللامركزية (DePINs)، قال تريفور هاريس-جونز، مدير مؤسسة شبكة Render.

قال هاريس-جونز إن الشبكات اللامركزية لوحدات معالجة الرسوميات (GPU) لا تهدف إلى استبدال مراكز البيانات التقليدية، بل تكملها من خلال حل بعض من أكبر تحديات التوسع في الذكاء الاصطناعي.

DePIN ليست حول استبدال البنى التحتية المركزية

بكلمات بسيطة، تتيح DePIN للناس حول العالم مشاركة بنية الشبكة الحقيقية مقابل مكافآت، بحيث لا يكون هناك اعتماد أو سيطرة من قبل شركة مركزية.

واحد من هذه المشاريع هو شبكة Render. فهي في الواقع منصة لعرض وحدات معالجة الرسوميات اللامركزية مصممة لديمقراطية عملية الإبداع الرقمي وتحرير المبدعين من قبضة الكيانات المركزية.

تشمل الأمثلة الحديثة من عالم الذكاء الاصطناعي المركزي تطبيقات توليد الفيديو حيث كان يجب تحديد الاستخدام بسبب قيود وحدات معالجة الرسوميات.

عارض هاريس-جونز فكرة الاستبدال الكامل:

“لا أعتقد أن الأمر يتعلق بالاستبدال. أعتقد في الواقع أنه يتعلق باستخدام كلاهما.”

لا تزال مجموعات وحدات معالجة الرسوميات المركزية ضرورية لتدريب نماذج الذكاء الاصطناعي الكبيرة، التي تستفيد من تجمعات ذاكرة ضخمة وأجهزة متكاملة بشكل محكم. لكن التدريب هو فقط جزء من عبء العمل الحسابي الكلي في الذكاء الاصطناعي.

شرح هاريس-جونز أن الاستنتاج — تشغيل نماذج الذكاء الاصطناعي — يمثل حوالي 80% من عمل وحدات معالجة الرسوميات.

وهذا التمييز هو المكان الذي تلعب فيه الشبكات اللامركزية مثل Render دورها. بينما تكون النماذج المبكرة من الذكاء الاصطناعي ثقيلة الموارد، قال هاريس-جونز إنها تصبح أكثر كفاءة بسرعة مع تحسين المهندسين وضغطها.

مع مرور الوقت، يمكن للنماذج التي كانت تتطلب بنية تحتية ضخمة أن تعمل على أجهزة أبسط بكثير مثل الهواتف الذكية.

“لذا نرى هذا في جميع النماذج التي تصدر. تبدأ بأنها ثقيلة وغير مصقولة، وخلال فترة قصيرة جدًا، يتم تحسينها بحيث يمكن تشغيلها على أجهزة لامركزية وبسيطة.”

من ناحية التكلفة، يجعل هذا التحول شبكات وحدات معالجة الرسوميات اللامركزية أكثر جاذبية بشكل متزايد. بدلاً من الاعتماد فقط على مراكز البيانات عالية التكلفة، يمكن توزيع عبء العمل على الاستنتاج عبر وحدات معالجة الرسوميات غير المستخدمة حول العالم.

“سيكون من الأرخص تشغيلها على عقد المستخدمين غير النشطة اللامركزية من تشغيلها على العقد المركزية.”

هاريس-جونز متفائل بشأن قطاع DePIN

صوّر هاريس-جونز DePIN كوسيلة لتخفيف عنق الزجاجة المتزايد في الذكاء الاصطناعي عبر كل من البنية التحتية للحوسبة والطاقة.

عندما تتعرض أنظمة الطاقة المركزية لضغوط، تقدم الحوسبة اللامركزية حلاً موازياً من خلال الاستفادة من الموارد غير المستخدمة عالميًا.

“لذا أنا متفائل جدًا بشأن القطاع ككل.”

أكد هاريس-جونز أن الطلب العالمي على وحدات معالجة الرسوميات يفوق العرض بكثير. “لا توجد بما يكفي وحدات معالجة الرسوميات في العالم اليوم،” قال.

لذا، المفتاح هو استغلال جميع وحدات معالجة الرسوميات غير المستخدمة، وليس الصراع على وحدات معالجة الرسوميات عالية الأداء غير الموفرة.

وفقًا لهاريس-جونز، مستقبل بنية الذكاء الاصطناعي التحتية ليس في الشبكات المركزية أو DePIN. بل هو الاستخدام المرن لكليهما لتلبية الطلب المتفجر على الذكاء الاصطناعي.