当存储遇到AI会发生什么，浅谈近数据计算

我们的愿景是所有的粉笔们都实现面朝大海，春暖花开的梦想！

咕噜大神给出了下半年的财富密码，波卡和IPFS，IPFS首先让我想到的就是分布式存储，所以也就聊聊这个存储在未来的一些有趣场景。

我们知道计算机互联网上有三个重要的底层逻辑，存储，计算和分发，顾名思义，存储就是存储数据和信息，在传统的数据存储系统中，我们往往需要通过冗余备份和容灾技术保障数据和模型的安全存储。以IPFS (InterPlanetary File System) 为代表的分布式存储是一种点对点（P2P）的分布式文件系统，它的特点我就不在这里啰嗦了，想必大家都很清楚了，我今天只想和你们聊聊存储加AI的有趣灵魂。

在传统的系统架构设计中，存储和计算往往是分开的，通常是将数据从数据源（如内存、磁盘等存储设备）转移到CPU后，然后再进行计算，这样造成的后果就是效率低下，通俗点讲就是多了些中间商，有时候他并不是最优解。

众所周知， 人工智能的算法需要大量的数据和模型，需要对海量的数据进行存储和计算。所以AI永远也绕不开存储和计算，新基建中的大数据和云计算也一样，都需要充分保障数据和算法模型的安全性，防止数据和模型参数丢失，保障数据的隐私，防止数据在使用的过程中变质。

以IPFS为代表的分布式存储和区块链技术可以为AI提供了更好的安全保障，有效地防止单点故障和不依赖可信第三方的访问权限控制，并可以在区块链上细粒度地追溯到数据是如何被存储以及使用的，因此，为了数据密集型处理性能和能源效率更高，不少研究工作开始探索新的存储与计算技术：近数据计算（NDP：Near Data Processing），该策略将计算转移到存储（即数据源），而不是之前的将数据从数据源转移到CPU在进行计算，从而达到没有中间商的浪费。

在这里，我想和大家分享Project PAI提出的有用工作量证明（Proof of Useful Work,即PoUW），我认为这个研究项目可以很好的解释存储加AI的一种方式，在 PAI的PoUW区块链里面进行训练的矿工或者检验训练结果的验证者，同时也可以承载数据和AI算法模型的存储工作，这个理念和近数据计算是一致的。PoUW的目的在于使用AI的计算来替代传统的PoW哈希运算，使得在区块链上的算力能够用于实际的AI应用，让这些算力变得“有用”。未来，这些算力不仅可以用于机器学习训练，还可以拓展到通用的链上计算，也可以将 PAI数据存储协议接入BitTorrent和IPFS网络，来更大规模地支持链上的AI训练和通用计算，使得AI和链上计算更好的运行于区块链网络，并让存储和AI完美的组合在一起。

粉红梦庄园值得你拥有！

《粉红梦庄园白皮书》

欢迎大家扫码进群了解！

—-

编译者/作者：粉红梦庄园

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。