jakiro
著者：Doug Petkanics、LivePeer CEO;
導入
ライブピアネットワークには、週に数百万分間のビデオに積極的に使用されているLivePeerネットワークに何千ものGPUがあることに気付いた場合、最も一般的な質問の1つは、これらのGPUを他のタイプの計算を実行するために使用できるかどうかです。特に、2023年の人工知能の台頭とGPUの成長（人工知能トレーニングと推論に使用されるハードウェア）により、人々は自然に人工知能インフラストラクチャが数十億ドルの費用がかかると考えるでしょう。NVIDIAのデータセンター事業は、前四半期にGPUを提供し、140億ドルの収益成長率を達成しました。
出典：nvidia Quarterly Report、@thomas_woodside from x on x
これらの仮定をする人は正しいです – もちろん、ライブピアネットワークは、破壊的なコストに対処しようとする人によって使用できます。ここ数ヶ月でLivePeer Studiを通じてLivePeerビデオの使用と、新しいコミュニティが管理するLivePeer Vaultの発売により、AIビデオコンピューティング機能をLivePeerに導入する時が来ました。
この記事の次の部分では、ライブピアネットワークに人工知能ビデオコンピューティングを導入する方法、およびそれらを現実的にする計画、戦略、時刻表について説明します。
タスクポジショニング-Videoフィルター
ライブピアの使命とコミットメントの背景
LivePeerは常にその使命に取り組んでいます。世界のオープンビデオインフラストラクチャを構築します。他のコンピューティングプラットフォームは、「AWS」または「あらゆる種類のコンピューティングタスク」の「ブロックチェーンでAWS」のタイプである市場になろうとしています。チャレンジ部分への市場。それどころか、LivePeerはトランスコードを介したビデオコンピューティングに焦点を当てており、特定の業界向けのターゲット製品とGTM（ビデオストリーミング市場で1,000億米ドル以上）を構築して、実際のユースケースを解決し、既存の需要を掘り下げることができます。 。
ビデオに注意を払って、LivePeerは過度の反応を回避し、ICO、NFT、Defiなどの最新の人気のあるトレンドに目を向けることを意味しますが、常にこれらのイノベーションがビデオに適用されるかを常に尋ねます。ハイポイントはそれほど高くありませんが、さらに重要なことに、低点はそれほど低くないことです。これはまた、今月のトレンドが今月の動機を失ったときに、私たちが長い間行ったことに興奮していたタスクとコミュニティを魅了しました。
現在、人工知能の急速な上昇ほど人気のある傾向はありません。しかし、多くの暗号通貨チームやプロジェクトとは異なり、LivePeerはその使命を放棄せず、「人工知能に頼りました」。それどころか、私たちはそのような質問を提起しました：人工知能がビデオの将来にどのように影響するか。人工知能は、多くの点でビデオクリエイターのしきい値を減らします。2つの重要な要素は、最初に作成するための時間とコスト、および高品質のビデオ生産と出力に関する時間、コスト、専門知識です。
-
作成に関しては、人工知能の生成を使用して、テキストまたは画像プロンプトに応じてビデオ編集を作成できます。過去には、シーンの設定には、乗組員、設定、カメラ、スクリプト、アクター、編集者などが必要になりました。キーボードにテキストプロンプトを入力し、数分待ってGPUが潜在的な結果を生成できるようにするために数分待つ必要があります。サンプル。ビデオを生成しても、高品質の作業に取って代わるものではありませんが、プロセスのすべての段階で多くのコストを節約できます。
-
生産に関しては、人工知能であろうと作成者によって作成されているかどうかにかかわらず、アップグレード、フレーム補間、サブタイトル生成などの機能は、ビデオコンテンツの品質とアクセシビリティを迅速に向上させることができます。ビデオ内のインタラクティブ性などの高度な機能は、自動オブジェクトの検出、シールド、シーンタイプの分類により有効にできます。
このAI関数セットを使用したLivePeerのタイミングは、最近、安定したビデオ拡散、Esrgan、Fastなどを含むオープンソースの基本モデルをリリースしたため、エキサイティングです。これらのモデルは、閉じたソース独自モデルと同期を維持しています。目標は、これらのモデルのオープンビデオインフラストラクチャによって誰もがアクセスできるオープンソースモデルを許可することです。
ai background -livepeerが適しています
トレーニング、罰金 – 調整、推論
人工知能のライフサイクルには多くの段階がありますが、通常、大量のコンピューティングパワーを必要とする3つの段階は、トレーニング、微調整、推論です。要するに：
-
トレーニングには、モデルを作成し、非常に大きなデータセットで実行する必要があります。時には、これには、基本モデル（OpenaiやGoogleでトレーニングされたモデルなど）をトレーニングする際に、数千万ドルまたは数億ドルが必要です。
-
微調整はよりコスト効果が高く、既存の基本モデルを使用しますが、特定のタスクの特定の入力のセットに従って重量を調整します。
-
Reasoningは、トレーニングおよび調整されたモデルであり、出力を生成したり、入力セットに応じて予測したりすることができます。最初の2つの段階と比較して、これは通常、計算の点で安価ですが、通常、推論のコストを上回ります
トレーニングと微調整には、大規模なデータセットと密に接続されたGPUへのアクセスが必要であるため、互いに通信して情報をすばやく共有できます。LivePeerのようなネットワークは、ボックスで使用されるトレーニングには適しておらず、タスクを完了するために更新する必要があります。ネットワークオーバーヘッドの非効率的な効率性とコストの観点から、分散型ネットワークが競争力のための競争を持っているかどうか、コストの観点からの基本モデルのトレーニングが非効率的であるため、独自の大規模な技術トレーニングクラウドの代替品としての分散ネットワークはトレーニングに非常に魅力的です。
一方、推論は、LivePeerのような分散型ネットワークが役割を果たすことができる場所です。各ノードオペレーターは、指定されたモデルをGPUにロードすることを選択でき、ユーザーの入力に従って推論操作を実行するためにコストで競合できます。LivePeer Transcoding Networkと同様に、ユーザーはLivePeerネットワークにAIの推論を実行することができ、現在のIDLE GPUパワーを使用してコストメリットを確認できるようになります。
GPUは、人工知能ブームの生命線です。NVIDIAのデータセンター事業はGPU需要に基づいており、過去1年間にインデックスレベルで成長しています。Elon Muskは、GPUは薬よりも購入が難しいと冗談めかして言った。ただし、LivePeerのようなDepin Networkは、オープン市場の開発とインフレトークンアワードを通じて、需要前にグローバルなGPU需要を引き付けることができることを示しています容量をほぼ無限に使用します。開発者は、高価格で事前に使用されていない場合にハードウェアを予約する必要がなくなりましたが、可能な限り低い市場価格で支払うことができます。これは、分散型ネットワークが人工知能の繁栄を促進する大きな機会です。
LivePeerの機会-GPUの代わりにネットワークへのタスクを推論するai
LivePeerに接続されている1000 GPUが役割を果たします
GCPやAWSなどのクラウドプロバイダーを使用すると、企業クラウドで「GPUサーバーの予約」を行うことができます。Akashのようなオープンネットワークはさらに進んでおり、世界中の多くの分散型プロバイダーの1つに対してオンデマンドでサーバーをレンタルできます。ただし、上記の選択に関係なく、モデルを実行してタスクを実行するには、レンタルサーバーを管理する必要があります。複数のタスクを同時に実行できるアプリケーションを構築する場合は、拡張する必要があります。ワークフローをリンクする必要があります。
LivePeerは「作業」として物事を抽象化します。ネットワークに送信して、完成すると信じることができます。LivePeerはビデオトランスコードを通じてこれを達成しており、その仕事はトランスコードのために2秒のビデオフラグメントを提出することです。宿題をネットワークに送信するだけで、ブロードキャストノードが操作を完了するために信頼できることを確認でき、作業ノード、障害転送、冗長性の選択について責任を負うことができます。
人工知能のビデオコンピューティングタスクの場合、同じように機能する可能性があります。「テキストからビデオを生成する」という作品があるかもしれません。ノードはこのタスクを完了すると信じることができ、1つのノードを介して提出する任意の数の宿題に拡張できます。一歩前進してください – これはまだデザイン段階にあります – あなたはあなたがワークフロー全体を送信することができます。
-
ビデオ生成ビデオから
-
上昇
-
フレーム補間を実行して、滑らかにします
ネットワークはこれを行うことができ、個別のマシンに個別のモデルを展開したり、IOを管理したり、共有ストレージを管理したりする必要はありません。サーバーを管理したり、サーバーを拡張したり、転送したりする必要はなくなりました。LivePeerは、最大コストのメリットと信頼性が高いスケーラブルなインフラストラクチャです。ネットワークは、ビデオトランスコーディング作業のように、人工知能ビデオによって計算されたこれらのコミットメントを満たすことができれば、新しいレベルの開発者エクスペリエンスとコスト削減を提供します
AIビデオ計算をすばやく導入し、ネットワークのコストと利点を確認することが計画されています
AIビデオサブネット
LivePeerの過去7年間と一致して、このプロジェクトは、実際の、利用可能な機能的な、オープンソースソフトウェアとネットワーク機能を示すことに取り組み、「これでLivePeer」を宣伝します。以下は、この目標を達成するための計画の短いバージョンです。
-
ビデオトランスコーディングだけでなく、他のジョブタイプの特定の初期ユースケースを選択します。AIベースの生成ビデオは、AIによってアップグレードされ、フレーム補間によってサポートされます。安定したビデオ拡散などの優れたオープンモデルは、この分野で毎日絶えず発展しています。
-
ノードソフトウェアのスパイク/ピークを構築することにより、これらの機能がコーディネーター（サプライヤー）ノードと放送局（需要側）ノードに追加されます。LivePeerのOpen Media Server Catalystは、これらのビデオタスクを要求および使用するためのインターフェイスをサポートする必要があります。
-
このピークを実行するユーザーは、LivePeerでシードネットワークを形成しますが、LivePeerプロトコルを使用してノードを発見および支払い、LivePeerのメインネットワークを介してこの新しい機能を実行します。
-
Consumer Front -Endアプリケーションと協力し、LivePeerの非常にコスト効果の高いオープンコンピューティングネットワークを使用し、パブリッククラウドと比較してLivePeerのコストメリットからデータをキャプチャおよび表示します。
-
これを確認した後、コアライブピアクライアントにマージし、他のタイプの作業タイプを追加し、他の形式のビデオ計算に関するエコシステムを開発します。
-
これらのAI機能をライブピアノードフォークとして開発します
-
ノードオペレーターは、LivePeerのメインネットワークで支払うことにより、これらのタスクを実行するためにサブネットワークを形成できます。
-
消費者を表示するためのフロントエンドアプリケーション。
-
ベンチマークとデータの設定は、ライブピアネットワークでの人工知能推論の大規模な実装のコストメリットを示しています。
AIビデオサブネットノードはトランスコーディングノードで実行され、LivePeerを使用して同時に支払います。
AIビデオSPE
LivePeerは最近、Deltaのアップグレードを通じてチェーンVaultによって管理されたコミュニティを導入し、数か月間公開製品計画にLPTを使用しています。現在、Pre -Pre -Iscussionが議論されており、提案は特別な目的のエンティティ（またはSPE）に資金を提供することを目的としています。最初の提案は、以下を含む上記の最初の4つのタスクを完了するためにコア開発を達成することです。
また、将来の潜在的な資金調達のマイルストーン、つまり、データ収集の収集中に消費者の初期コストを支払うために、金庫からインフラストラクチャクレジットを提供することを提案しています。
LivePeerのDiscordの＃AI-Videoチャンネルは、オープンなAIインフラストラクチャとビデオAIを信じている人なら誰でも、将来を計算して参加する必要があります。ノードオペレーターは、これらのオープンビデオモデルの実行に精通して、さまざまなハードウェアのテストを開始し、ビデオトランスコードから他のビデオ固有の操作に変化するという課題を解決し始めました。急速に発展しているプロジェクトチームのメンバーになるのは興味深い時期です。
未来
この最初のマイルストーンは、LivePeerにAIビデオの特定の形式のコスト効率の高いAIビデオコンピューティングがあることを示していますが、実際の究極のパワーは、AI開発者がBYO Model、BYO Weight、BYO Fine -Tuning、またはCustom LORAの展開に基づいて、インターネット上のインターネットの既存の基盤。
これらの初期機能をサポートし、さまざまなモデルとコンピューティングフォームのセットに及びます。これにより、ノード操作、GPUのモデルの読み込み/アンインストール、ノードの発見と交渉、障害転送、支払い、検証、その他の分野での迅速な学習が発生します。そこから、LivePeerネットワークでのAIビデオコンピューティング操作の制作とサポートの将来のマイルストーンを評価できます。
初期には、特定のプラットフォーム（LivePeer Studioなど）が、ビデオ開発者がサポートされているモデルを使用できるようにAPIと製品を構築できます。消費者アプリケーション（AI Video SPEで提案されているアプリケーションなど）は、これらの機能を触媒ノードを介してLivePeerで直接使用できます。ただし、これらの機能の拡大により、クリエイターを中心とした新しい人工知能ビジネスを形成することができ、LivePeerのグローバルGPUネットワークは、高価な大規模なテクノロジークラウドと独自の独自の独自のモデルに依存することなく、経済的かつ効率的にカスタマイズされたエクスペリエンスを使用します。ビジネスの柱です。
これはエキサイティングな道です。そこに着くために走る必要があります。人工知能が今後数年間で想像力を超えて速度でビデオの世界を変えることは間違いありません。未来。
