AIOZ Network 将通过开放模型和挑战“赋能”去中心化人工智能开发者

由 DePIN 提供支援的生态系统 AIOZ AI 正在建立一个去中心化的全端基础设施。

AIOZ AI 旨在透过赋予贡献者更多对其工作的控制权来“赋能贡献者”，使开发人员、研究人员和技术团队能够在协作环境中发布、共享和扩展其数据集。

AIOZ Network 创办人兼执行长 Erman Tjiputra 告诉Decrypt ，传统的 AI 模型是在不透明的环境中创建的，其方法缺乏透明度，而 AIOZ AI 的分散式方法旨在提供「效率更高、安全性更高、可访问性更强」的 AI 运算。

透过 AIOZ AI，用户可以上传和储存资料集并训练模型——根据模型的效能和被他人使用的情况，用户有可能获得代币奖励。

AIOZ Network 的去中心化实体基础设施网路 (DePIN) 为此目标提供了支持，超过 30 万台设备贡献其闲置的运算能力，用于人工智慧运算、去中心化储存和内容分发。

其目标是让贡献者更好地控制他们的 AI 资产（例如模型和资料集），同时让创新者更容​​易部署造福普通人的 AI 解决方案。

AIOZ AI 上已经提供了多种模型，包括图像到图像处理模型，例如背景移除、背景替换、图像到动漫以及影片到 Canny Edge。

此外，据AIOZ Network称，AIOZ AI上「轻量高效」的影像超解析度（SR）模型能够从低解析度输入重建高保真影像，这对数位内容创作者和档案修复计划「极为有利」。 AIOZ AI模型未来的潜在应用包括为串流平台提供即时视讯升频、根据可用频宽自适应地优化影像质量，以及能够执行物件感知影像锐化和细节恢复的工具。

「透过 AIOZ AI，我们正在建立一个以人为本的 AI 经济，」Tjiputra 说。 “开发者可以掌控自己的模型和数据集，在社区计算资源上运行它们，并在他们的工作成果驱动实际应用时获得代币奖励。”

AIOZ人工智慧挑战赛

AIOZ AI平台的核心功能之一是其AIOZ AI挑战系统，该系统允许任何组织、研究人员或开发人员在生态系统内举办竞赛。这些挑战赛将现实世界的问题转化为开放的、协作式的AI项目，这些项目运行在网路的去中心化计算层上。

该平台上目前正在进行的挑战包括建立一个回归模型，该模型能够根据关键数据点（例如位置、面积和卧室数量）准确预测房屋的最终售价。另一个挑战是开发一个自然语言处理模型，该模型能够判断电影评论是正面还是负面。

AIOZ Network 先前举办的一项挑战赛旨在奖励用户为解决一个紧迫的现实问题所做的努力：人脸防欺骗挑战赛鼓励参赛者创建能够准确区分真人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来获取账户访问权限的人。鉴于人脸辨识工具目前已广泛应用于金融应用程序，AIOZ Network 认为解决这项挑战「至关重要」。

在某些情况下，AIOZ AI挑战的优秀参赛者会在社群中获得认可，而表现突出的解决方案有机会获得数位礼品和代币奖励。每项挑战赛都包含一个讨论区，供有抱负的开发者提出技术问题并交流想法。

据 AIOZ Network 称，此类举措是构建「万物智能」的共同努力的一部分——开发者团结起来，共同推动人工智慧的边界。