Pi Network досліджує децентралізоване навчання штучного інтелекту, 421 000 вузлів випробовують розпізнавання зображень

Pi Network опублікувала детальне дослідження випадку у суботу, підтвердивши, що понад 421 000 її вузлів успішно працюють у рамках концептуального підтвердження (PoC) проекту, пов’язаного з навчанням штучного інтелекту. Тестування було проведено під керівництвом OpenMind, і всі сім волонтерських операторів вузлів упродовж 4 секунд успішно передали результати розпізнавання зображень, що підтверджує можливість підтримки AI навантажень за допомогою вільних обчислювальних ресурсів.

Концептуальне підтвердження OpenMind: процес тестування та ключові результати

(джерело: сайт Pi Network)

Головне питання цього концептуального підтвердження — чи може мережа децентралізованих вузлів Pi надійно виконувати зовнішні обчислювальні задачі, пов’язані з AI? OpenMind створює відкриту операційну систему та протоколи зв’язку для робототехніки, що потребують потужних обчислювальних ресурсів для тренування, оцінки та виконання моделей.

Тестування базувалося на контейнерній архітектурі: OpenMind створила контейнер, який розподіляє обчислювальні задачі між окремими комп’ютерами вузлів; волонтери-оператори вузлів Pi завантажують цей контейнер і запускають його на своїх локальних машинах; система потім надсилає завдання розпізнавання зображень, і кожен вузол використовує модель OpenMind для обробки зображень, прагнучи ідентифікувати якомога більше об’єктів на зображенні.

Результати тестування показали, що всі сім волонтерських операторів вузлів упродовж 1 секунди підтвердили отримання завдання, а кілька робочих вузлів упродовж 4 секунд завершили розпізнавання та передали результати, що містили очікувані мітки об’єктів (наприклад, «автобус» і «людина») та відповідні дані про рамки, і весь процес працював стабільно.

Технічне значення децентралізованої AI обчислювальної потужності та цінність вузлів

Pi зазначає, що це концептуальне підтвердження спрямоване на вирішення двох основних структурних викликів у сфері AI: обмежень у централізованих дата-центрах та високого енергоспоживання, а також постійного зростання потреб у обчислювальних ресурсах через розширення масштабів моделей, агентів і сервісів AI. Основні технічні характеристики, що були виявлені під час тесту, включають:

• Мінімальна затримка відповіді: підтвердження завдання здійснюється упродовж 1 секунди, а результати розпізнавання — упродовж 4 секунд, що свідчить про здатність мережі обробляти дані у реальному часі.
• Масштабована база обчислювальних ресурсів: понад 421 000 вузлів охоплюють понад мільйон CPU, і після комерціалізації ця мережа може забезпечити значний альтернативний обчислювальний ресурс для AI-компаній.
• Можливості для заробітку операторів вузлів: ця модель, за умови її зрілості, створює нові можливості для учасників — отримувати винагороду за участь у AI обчисленнях.

Pi підкреслює, що децентралізане AI навчання наразі залишається на стадії досліджень, і для переходу від окремих експериментів до масштабних надійних розгортань потрібно подолати багато технічних, мотиваційних та безпекових викликів.

Дорожня карта AI Pi Network: синхронізація з оновленнями протоколу

Це концептуальне підтвердження було опубліковане у річницю запуску відкритої мережі Pi Network. Раніше Pi визначила AI як один із ключових пріоритетів після оновлення основної мережі, поряд із токенами екосистеми та сервісами ідентифікації. На рівні протоколу Pi завершила міграцію до версії v19.9 і має за мету завершити оновлення до v20.2 до Pi Day 2026 року (14 березня), і технічний дорожній план узгоджено з розвитком AI-стратегії.

Концептуальне підтвердження OpenMind — перший публічний тестовий випадок комерціалізації децентралізованої AI обчислювальної потужності Pi Network, що демонструє потенціал для застосування інструментів вузлів, але для масштабного комерційного розгортання потрібно ще багато системних перевірок.

Поширені запитання

Як 421 000 вузлів Pi Network використовуються для навчання AI?
Оператори вузлів можуть за бажанням завантажити контейнер, створений сторонніми розробниками (наприклад, OpenMind), щоб отримувати зовнішні AI-завдання. Вони використовують вільні CPU своїх пристроїв для обчислень і повертають результати. У цьому тесті завдання полягало у розпізнаванні зображень, і система успішно повернула мітки об’єктів і рамки упродовж 4 секунд.

Які основні результати цього тесту?
Всі сім волонтерських операторів вузлів упродовж 1 секунди підтвердили отримання завдання, а кілька вузлів упродовж 4 секунд завершили розпізнавання зображень і повернули результати з мітками «автобус», «людина» та даними про рамки. Pi Network зазначає, що весь процес працював стабільно, але підкреслює, що децентралізане AI навчання ще перебуває у стадії досліджень.

Чим відрізняється модель децентралізованої AI обчислювальної потужності Pi від традиційних підходів?
Традиційна AI-обчислювальна потужність зосереджена у великих дата-центрах, що має обмеження у масштабі та високий рівень енергоспоживання. Модель Pi — децентралізована, вона використовує вільні ресурси по всьому світу, що дозволяє зменшити централізацію та потенційно знизити енергоспоживання. Однак її комерційна надійність і здатність до масштабування ще потребують додаткових перевірок.