OpenGradient (OPG)

وعلى عكس سلسلة الكتل العامة الأغراض، تعمل أوبن غريدينت كمعالج مساعد متخصص للذكاء الاصطناعي. ويتمثل دورها في التعامل مع المهام كثيفة الحوسبة مثل استدلال النماذج والتحقق منها عبر شبكة موزعة من مشغلي وحدات معالجة الرسومات وعُقد بيئات التنفيذ الموثوقة. وتهدف هذه البنية إلى تمكين الأنظمة الخارجية من إسناد أعمال الذكاء الاصطناعي إلى الشبكة مع الاستمرار في تلقي أدلة مشفرة أو مدعومة عتادياً على أن عملية الحوسبة نُفذت بشكل صحيح.

ويُعد التحقق عنصراً محورياً في نموذج المشروع. تستخدم أوبن غريدينت أدلة مثل شهادات TEE، وعند الاقتضاء، أدلة التعلم الآلي عديمة المعرفة لإرساء الثقة في مخرجات الذكاء الاصطناعي. ويقوم المدققون بمراجعة هذه الأدلة الحاسوبية على مستوى الإجماع قبل اعتماد النتائج نهائياً على السلسلة. والهدف هو جعل خدمات الذكاء الاصطناعي قابلة للاستخدام من قبل التطبيقات والشبكات اللامركزية التي تتطلب ضمانات أقوى مما يمكن أن توفره استجابة API عادية.

يرتبط رمز OPG بهذا النظام البيئي ويدعم تشغيل البنية التحتية للذكاء الاصطناعي في الشبكة. ولا يتمثل التركيز المميز لأوبن غريدينت في مجرد استضافة النماذج، بل في إنشاء طبقة تنفيذ قابلة للتحقق للذكاء الآلي. ومن خلال الجمع بين الحوسبة اللامركزية والتحقق القائم على الأدلة والتوافق مع تطبيقات البلوك تشين، تهدف إلى منح المطورين وسيلة لدمج الذكاء الاصطناعي مع الحفاظ على الشفافية وقابلية التدقيق والتنفيذ قليل الثقة.