Pi Network исследует распределённое обучение ИИ, 421 000 узлов проводят испытания в области распознавания изображений

Pi Network в субботу опубликовала подробное исследование кейса, подтвердив, что более 421 000 её узлов успешно функционируют в рамках концептуального подтверждения (PoC) проекта, связанного с обучением искусственного интеллекта. Тестирование проводилось под руководством OpenMind, и все семь волонтёрских операторов узлов успешно передали результаты распознавания изображений в течение 4 секунд, что подтвердило возможность использования простаивающей вычислительной мощности для поддержки задач ИИ.

Концептуальное подтверждение OpenMind: процесс тестирования и ключевые результаты

(Источник: сайт Pi Network)

Основной вопрос этого концептуального подтверждения — сможет ли распределённая сеть узлов Pi надёжно обрабатывать внешние вычислительные задачи, связанные с ИИ? OpenMind занимается созданием открытого исходного кода операционной системы и коммуникационных протоколов для роботов, требующих мощных вычислительных ресурсов для обучения, оценки и выполнения моделей.

Тестирование проводилось с использованием контейнерной архитектуры: OpenMind создала контейнер, который распределяет вычислительные задачи по отдельным компьютерам узлов; волонтёрские операторы узлов Pi скачивали контейнер и запускали его на своих локальных машинах; затем системе передавалась задача распознавания изображений, и каждый узел использовал модель OpenMind для обработки изображений с целью распознать как можно больше дискретных объектов.

Данные тестирования показали, что все семь волонтёрских операторов узлов подтвердили получение задачи в течение 1 секунды, а несколько узлов завершили распознавание и передали результаты в течение 4 секунд. Результаты включали ожидаемые метки объектов (например, «автобус» и «человек») и соответствующие данные о границах, что свидетельствует о нормальной работе всей системы.

Техническое значение распределённой вычислительной мощности ИИ и ценностное предложение узлов

Pi отмечает, что цель этого концептуального подтверждения — решить две крупные структурные проблемы в области ИИ: ограниченность ресурсов центров обработки данных и их энергоёмкость, а также постоянно растущие требования к вычислительным мощностям из-за расширения масштабов моделей, агентов и сервисов ИИ. Ниже представлены ключевые технические особенности, выявленные в ходе теста:

• Мгновенная реакция: подтверждение задачи осуществлялось в течение 1 секунды, а результаты распознавания возвращались за 4 секунды, что демонстрирует способность распределённой сети обеспечивать приемлемую обработку в реальном времени.
• Масштабируемая база мощностей: 421 000 узлов соответствуют более миллиону CPU, что при коммерциализации может обеспечить значительный альтернативный ресурс для компаний, работающих с ИИ.
• Потенциал дохода для операторов узлов: при зрелости этой модели, она создаст новые возможности для операторов узлов участвовать в вычислительных задачах ИИ и получать за это вознаграждение.

Pi также подчёркивает, что распределённое обучение ИИ всё ещё находится на стадии исследований, и для перехода от единичных экспериментов к масштабным надёжным развертываниям необходимо преодолеть множество технических, мотивационных и безопасностных вызовов.

Дорожная карта AI Pi Network: совместное развитие с обновлениями протокола

Это подтверждение совпало с первым годом запуска открытой сети Pi Network. Ранее Pi включила ИИ в число приоритетных направлений после обновления основной сети, наряду с токенами экосистемы и системой идентификации. На уровне протокола Pi недавно завершила миграцию на версию v19.9 и планирует завершить обновление до v20.2 до Pi Day 14 марта 2026 года. Параллельно с этим развитие технической дорожной карты и стратегия в области ИИ идут синхронно.

Концептуальное подтверждение OpenMind — первый публичный тест в рамках коммерциализации распределённых вычислений ИИ для Pi Network, предоставляющий раннюю проверку потенциала инструментов узлов. Однако для масштабного коммерческого внедрения требуется ещё больше системных тестов.

Часто задаваемые вопросы

Как 421 000 узлов Pi используются для обучения ИИ?
Операторы узлов могут по желанию скачивать контейнер, созданный сторонней организацией (например, OpenMind), получать внешние задачи по вычислениям ИИ, используя свободные ресурсы своих устройств для выполнения расчетов и отправки результатов. В рамках этого теста задачей было распознавание изображений, и система успешно возвращала метки объектов и границы в течение 4 секунд.

Каковы основные результаты этого теста?
Все семь волонтёрских операторов узлов подтвердили получение задачи в течение 1 секунды, а несколько узлов завершили распознавание изображений и передали результаты в течение 4 секунд. В ответе были метки «автобус», «человек» и данные о границах. Pi Network отметила, что весь процесс функционировал нормально, однако подчеркнула, что распределённое обучение ИИ всё ещё находится в стадии исследований.

Чем отличается модель распределённых вычислений ИИ Pi Network от традиционных методов?
Традиционные системы ИИ концентрируют вычислительные мощности в крупных дата-центрах, что вызывает ограничения по объему и высоким затратам энергии. Модель Pi Network — распределённая, использующая свободные ресурсы узлов по всему миру, что обеспечивает децентрализацию и потенциально меньшие энергозатраты. Однако коммерческая надёжность и масштабируемость этой системы ещё находятся на ранней стадии проверки.