Sogni.ai y CMC Labs se unen para empoderar a los proveedores de GPU y descentralizar la creatividad de la IA | Bitcoinist.com

CMC Labs, el programa acelerador Web3 exclusivo de Coinmarketcap, seleccionó la plataforma creativa de IA Sogni.ai para la colaboración con el fin de explorar la intersección de la cadena de bloques, la IA y la creatividad digital. Sogni se está preparando para lanzar su red principal en el primer trimestre de 2025, y la colaboración estratégica promoverá el crecimiento y el conocimiento de la plataforma, que opera donde convergen la IA, la cadena de bloques y la creatividad.

Sogni tiene la misión de capacitar a los proveedores y creadores de GPU para mejorar la economía creativa descentralizada. Su modelo de código abierto permite que cada usuario contribuya con su CPU y GPU. Los usuarios contribuyen con la potencia de la máquina a cambio de recompensas de tokens Web3 de la plataforma, y los creadores aprovechan la potencia informática para dar vida a sus obras. La plataforma ofrece a los usuarios una infraestructura descentralizada para la creatividad asistida por IA, lo que permite expresiones artísticas autónomas y recompensas a través de Supernet SDK, Sogni Studio Pro y Sogni Pocket.

Sogni se encuentra actualmente en su tercera fase de Testnet, que son las licencias NFT de los trabajadores de Supernet y las regalías de los creadores de modelos de IA. La cuarta y última fase incluye un evento de generación de tokens y los preparativos finales para el lanzamiento de la red principal. $SOGNI se implementará en Base Mainnet con un suministro de 10 mil millones de tokens.

Una prometedora asociación

Coinmarketcap es el sitio de seguimiento de precios de criptomonedas más referenciado a nivel mundial. Hace que las criptomonedas sean eficientes y fáciles de descubrir al empoderar a los usuarios minoristas con información valiosa e imparcial para que puedan sacar las conclusiones más precisas. Es una fuente altamente confiable que compara miles de criptomonedas, comúnmente citadas por los principales medios de comunicación, incluidos CNBC y Bloomberg. Incluso el gobierno de Estados Unidos utiliza sus datos para informes e investigaciones.

La asociación con CMC Labs le dará a Sogni acceso a recursos invaluables, tutoría estratégica y oportunidades de creación de redes directas en Web3. Estas ventajas ayudarán a la plataforma a expandir su presencia global, acelerar su crecimiento y solidificar su estatus como pionera en la propiedad creativa asegurada por blockchain, el arte digital impulsado por IA y los NFT. Al aprovechar la experiencia y la amplia red de CMC Labs, Sogni contribuirá a la creatividad impulsada por la IA que es transparente, descentralizada y universalmente accesible. La colaboración es un respaldo que valida la visión de Sogni de un ecosistema creativo nativo de Web3.

GPU son los pilares de la IA moderna

No se puede exagerar la importancia de permitir que los usuarios contribuyan con sus GPU. Las GPU se han convertido en el caballo de batalla de la IA moderna, ya que permiten entrenar e implementar modelos de IA multifacéticos que impulsan todo, desde el procesamiento del lenguaje natural hasta el reconocimiento de imágenes. Las tareas computacionalmente exigentes forman el núcleo de la IA, y la capacidad de las GPU para realizar una inmensa cantidad de cálculos simultáneamente las hace perfectas para esas tareas.

Las GPU aceleran el entrenamiento de modelos de IA, mejorando las capacidades de IA y permitiendo a los desarrolladores e investigadores iterar en los modelos más rápidamente. Entrenan modelos de IA realizando operaciones matemáticas complejas para ajustar los parámetros. El proceso de entrenamiento consiste en introducir grandes volúmenes de datos y luego ajustar los parámetros para minimizar el riesgo de inconsistencia entre los datos reales y las predicciones del modelo.

Las GPU también desempeñan un papel crucial después de entrenar un modelo de IA. En esta etapa, debe ejecutarse para hacer predicciones sobre nuevos datos, generalmente en tiempo real. Su capacidad para resolver problemas complejos rápidamente permite que las aplicaciones impulsadas por IA respondan más rápido a las solicitudes de los usuarios. Son clave para desbloquear las capacidades en tiempo real de los modelos de IA, ya sea un chatbot que proporciona una respuesta instantánea o un automóvil autónomo que toma decisiones a la velocidad del rayo.

La próxima etapa de la creatividad impulsada por la IA: descentralizada y transparente

La IA descentralizada utiliza la tecnología blockchain para difundir el procesamiento, el almacenamiento y el control de datos en toda una red de nodos, garantizando la integridad de los datos y protegiendo su propiedad. La red distribuida maneja las especificaciones de diseño, las preferencias del usuario, los estilos artísticos y otras formas de entrada creativa. Las empresas creativas pueden procesar datos relacionados con el arte, el diseño y los medios de comunicación localmente sin depender de una única autoridad centralizada. La IA descentralizada también ayuda a generar resultados personalizados, lo que permite a los artistas crear obras con alta precisión

Quizás lo más importante es que pueden crear sin intermediarios que controlen o afecten su producto. Esta autonomía facilita una mayor libertad de expresión. La IA descentralizada deja las decisiones creativas en manos del artista, pero proporciona un soporte personalizado. Siempre que sea posible, se deben utilizar modelos más fáciles de interpretar, como la regresión lineal o los árboles de decisión. SHAP (Shapley Additive Explanations) y LIME (Local Interpretable Model-agnóstico Explanations) pueden mostrar cómo las entradas afectan a las salidas en modelos complejos como el aprendizaje profundo. La técnica SHAP se utiliza en la IA descentralizada, especialmente en el aprendizaje federado, los sistemas multiagente y la IA basada en blockchain.

Las plataformas deben mantener una documentación completa del proceso de desarrollo de modelos, incluida la selección de características, las fuentes de datos, las métricas de evaluación y los procedimientos de capacitación. Esta transparencia ayuda a las partes interesadas a comprender las funciones y deficiencias del modelo.

Por último, deben presentar los resultados del modelo y los fundamentos de las decisiones de forma accesible. Un ejemplo es el uso de informes resumidos y ayudas visuales para aclarar modelos complicados a las partes interesadas que carecen de conocimientos técnicos.