Kite AI співпрацює з EigenLayer для підвищення надійності штучного інтелекту через децентралізований стейкінг на Ethereum.

Kite AI оголосила про партнерство зEigenLayer

Децентралізована платформа штучного інтелекту (ШІ)Kite AI оголосила про нове партнерство з протоколом стейкінгу на основіEthereum (ETH) -EigenLayer (EIGEN).

Kite AI працює на децентралізованому ринку обчислювальних активів, що дозволяє користувачам токенізувати та, зрештою, монетизувати традиційно неліквідні ресурси ШІ, такі як набори даних, моделі та автономні агенти.

Інтеграція передбачає використання службиActive Validation Service (AVS) відEigenLayer, яка використовує повторно стейкнуті валідатори для перевірки обчислень, що забезпечить підвищений рівень довіри до процесів інференції та лістингу ШІ на платформі. Ось якKite AI буде використовуватиEigenLayer.

Цей новий розвиток дозволить валідаторам, які повторно стейкнули свій ETH, незалежно перевіряти різні операції ШІ на платформі.

• Ці процеси охоплюватимуть підтвердження точності виходу інференції шляхом відтворення результатів моделей серед широкого спектра валідаторів.
• Оцінка цілісності та продуктивності моделей.
• Встановлення базового рівня розподіленого консенсусу.

Простіше кажучи, це буде децентралізована мережа, яка забезпечує точність та надійність моделей ШІ, наборів даних і агентів.

Щоб заохотити прозорість і чесність, платформа залишає за собою право накладати штрафи та карати валідаторів, які намагаються діяти нечесно чи маніпулювати консенсусом.

Чі Чжан, співзасновник і генеральний директорKite AI, підсумував цілі нового партнерства так:

«Це партнерство є величезним досягненням для децентралізованого ШІ. Поєднуючи повторне стейканняEigenLayer з нашим консенсусомProof of AI, ми створюємо криптоекономічно безпечне середовище, де будь-хто може з упевненістю розвивати та масштабувати ШІ».

Партнерство дозволитьKite AI розширити свої можливості валідації шляхом залучення Ethereum-стейкерів, а також зміцнити основні операції ринку. Більше того,Kite AI зможе відстежувати походження навчальних наборів даних, щоб забезпечити цілісність даних та підтримувати стабільний стан і точність інференції в середовищах ролл-апів.

Зображення, представлене Shutterstock