Классические системы инференса нейросетей завязаны на централизованные серверы: это упирается в масштабируемость, создаёт риски для приватности и заставляет пользователей просто доверять оператору сервиса «на слово». Такая архитектура уязвима к единой точке отказа и утечкам данных, что тормозит распространение ИИ-приложений. Разработчики проекта Rakis предложили другой подход — открытую и не требующую разрешений сеть инференса, построенную на децентрализации и проверяемости результатов.
Вычисления силами браузеров
Вместо серверов одной компании Rakis задействует совокупную вычислительную мощность подключённых друг к другу браузеров. Любой человек с браузером может присоединиться к сети без специальных разрешений — это делает доступ к ИИ-вычислениям более демократичным. Для связи между узлами используется технология WebRTC (в частности, для обхода NAT), а также несколько параллельных P2P-сетей — NKN и GunDB, — которые обеспечивают резервирование и надёжную доставку сообщений. Такая схема не только повышает масштабируемость, но и снижает риски для приватности, характерные для централизованного хранения и обработки данных.
Слоистая архитектура
Rakis построен на пяти уровнях, каждый из которых отвечает за свою часть работы децентрализованного инференса:
- P2P и пиринг — использует сразу несколько сетей для избыточной доставки сообщений и WebRTC для «пробивания» NAT при установлении прямых соединений между узлами.
- Инференс — управляет запросами на вывод ИИ-моделей, планированием воркеров и обработкой результатов; параллельные вычисления идут через Web Workers.
- Консенсус — реализует оригинальный механизм на основе эмбеддингов и схемы commit-reveal. Он обеспечивает детерминированность итогового результата, несмотря на изначальную случайность в работе ИИ-алгоритмов: результаты кластеризуются в многомерном пространстве, а консенсус достигается с учётом заданных параметров безопасности.
- Координация и персистентность — отвечают за организацию задач и сохранение результатов.
- Интеграция с блокчейнами — Rakis работает с Ethereum и Arbitrum для постоянного хранения результатов инференса и реализации механизмов вознаграждения участников.
Производительность и области применения
Сеть динамически масштабирует число воркеров в зависимости от нагрузки, оптимизирует использование ресурсов за счёт эффективной очереди задач и поддерживает работу с несколькими ИИ-моделями одновременно — под разные сценарии применения. За счёт децентрализации Rakis повышает приватность, безопасность и прозрачность вычислений, что важно для сфер вроде финансовых транзакций и творческих проектов.
По замыслу авторов, Rakis — это шаг к демократизации доступа к возможностям ИИ через децентрализацию. Перенос задач инференса с централизованных серверов на распределённую сеть браузеров повышает масштабируемость и приватность, а заодно стимулирует сотрудничество внутри ИИ- и блокчейн-сообществ. Механизм консенсуса гарантирует надёжность и прозрачность результатов, что открывает дорогу таким приложениям, как самоисполняющиеся смарт-контракты и децентрализованные ИИ-агенты.
Источник: MarkTechPost.