FLock利用IO Net训练去中心化AI模型，降低中心化隐私风险

FLock.io 是一个链上去中心化人工智能模型创建平台，正在与 DePIN 网络 IO.Net 合作，以增强其去中心化计算能力的能力。 这些项目正在联手通过先进的去中心化计算来改进去中心化人工智能培训平台。 此次合作旨在通过推广分布式治理和计算方法来解决中心化人工智能系统的关键漏洞。

此次合作符合更广泛的行业去中心化趋势，这对于降低数据垄断和隐私泄露等风险至关重要。 通过整合 IO.Net 的去中心化计算资源，FLock 旨在提供更强大的人工智能解决方案，这些解决方案由社区驱动，不易陷入中央控制的陷阱。

FLock 利用联邦学习进行 AI 模型训练，模型从去中心化的数据源中学习，无需重新定位数据，从而维护隐私并降低滥用风险。 IO.Net 通过利用闲置计算能力做出贡献，与传统云提供商相比可显着节省成本。

IO.Net 首席执行官 Ahmad Shadid 分享了他对两家公司之间技术协同的见解。 沙迪德表示：“这种合作伙伴关系不仅使去中心化计算能力更容易获得，而且标志着在为人工智能开发创建弹性框架方面向前迈出了一步。”

FLock.io 允许直接在用户设备上训练人工智能模型，确保敏感数据不会离开其来源。 这种方法可以保护隐私并利用各种数据，有可能产生更准确和更具代表性的人工智能模型。

FLock.io首席执行官孙嘉豪进一步阐述了去中心化人工智能的经济影响。 “虽然去中心化解决方案通常被视为相对于传统云服务的节省成本的措施，但它们的真正价值在于其处理敏感数据并增强隐私性的能力，”他解释道。 孙认为，中心化平台当前的效率最终将被去中心化模型在隐私和专业性能方面的优势所抵消。

孙坚称，去中心化人工智能与金融领域的去中心化运动一样重要。 他认为人工智能的未来在于增强隐私和模型准确性的去中心化方法，特别是在金融和医疗保健等敏感领域。

他告诉 CryptoSlate，

“我相信去中心化人工智能在降低成本和防范中心化人工智能风险方面都有好处，尤其是前沿人工智能[…]

去中心化人工智能真正无与伦比的好处在于它以完全保护隐私的方式访问私人数据的潜力。 这使得人工智能能够服务于以前中心化第三方人工智能培训提供商难以触及的行业和领域，例如金融和医疗保健。”

Sun 表示，去中心化人工智能可以在不损害隐私的情况下访问私人数据，从而具有跨不同领域实现卓越模型性能的潜力。 “通过整合区块链技术，我们可以促进人工智能模型训练的转变，强调社区参与和数据安全，”孙补充道。

随着技术的进步，围绕去中心化人工智能的讨论变得越来越重要。 Sun 对 FLock.io 的愿景包括让人工智能在去中心化基础设施上运行，并重新思考人工智能如何变得更具包容性和安全性。 Sun 总结道：“我们正在为未来的应用奠定基础，在这些应用中，去中心化人工智能可能会在之前因数据隐私问题而受到阻碍的行业中带来突破。”

随着合作的进展，FLock 和 IO.Net 将继续探索去中心化计算如何彻底改变人工智能，使其更具适应性、私密性并与以用户为中心的治理保持一致。 Sun 预测，将转向本地运行的去中心化人工智能模型

“有能力重塑人工智能格局，并为曾经被认为不切实际或不可行的突破性应用铺平道路。”

使用 IO Net 训练去中心化 AI 模型以降低中心化隐私风险的 FLock 帖子首先出现在 CryptoSlate 上。