io.net współpracuje z FLock w celu uzyskania nowych osiągnięć w zakresie sztucznej inteligencji

Jako doświadczony inwestor kryptowalutowy z ponad dwudziestoletnim doświadczeniem na koncie muszę przyznać, że partnerstwo pomiędzy FLock i io.net jest po prostu rewolucyjne. Koncepcja mechanizmu konsensusu Proof-of-AI (PoAI) może potencjalnie zmienić krajobraz segmentów AI i Web3.

Platforma edukacyjna AI FLock, a nie Flock przez małe „l”, nawiązała współpracę z io.net w celu stworzenia pierwszego w historii systemu weryfikacji Proof-of-AI (PoAI) dla węzłów w rozproszonej sieci komputerowej. Ta innowacja ma na celu zwiększenie wydajności obliczeń AI w wielu zastosowaniach.

FLock i io.net ogłaszają partnerstwo i prezentują koncepcję Proof-of-AI

io.net i FLock, odpowiednio platforma do zarządzania procesorami graficznymi i federacyjna usługa uczenia się AI, ujawniły plany długoterminowego partnerstwa strategicznego. Oczekuje się, że sojusz ten zaoferuje sektorom sztucznej inteligencji i Web3 szereg zupełnie nowych narzędzi do celów programistycznych i obliczeniowych.

1/ Ekscytująca współpraca pomiędzy @ionet i X FLock: przełom

Praca nad stworzeniem przełomowego mechanizmu konsensusu Proof of Artificial Intelligence (PoAI).

The zamiar? Aby uwierzytelnić niezawodność węzłów DePIN w zdecentralizowanych sieciach komputerowych.

Dowiedz się więcej o tym skupionym na pracy Proof of Work, obsługiwanym przez sztuczną inteligencję.

— FLock.io (@flock_io) 29 sierpnia 2024

W szczególności łączą siły w celu opracowania wstępnego systemu porozumienia Proof of Artificial Intelligence (PoAI) służącego do weryfikacji niezawodności węzłów funkcjonujących w rozproszonej sieci obliczeniowej.

Dzięki PoAI zdecentralizowane sieci infrastruktury fizycznej (DePIN) mogą uwierzytelniać niezawodność swoich węzłów, wykonując złożone zadania szkoleniowe w zakresie sztucznej inteligencji. PoAI to rodzaj dowodu pracy zaprojektowanego specjalnie dla sztucznej inteligencji, kierujący zasoby weryfikacyjne do wartościowych projektów AI. W ten sposób węzły mogą otrzymywać nagrody blokowe nie tylko od DePIN, ale także od sieci szkoleniowych AI, takich jak IO.net i FLock.io.

Jiahao Sun, założyciel i dyrektor generalny FLock, podkreśla, że ​​nadchodzące wydanie będzie miało istotne znaczenie dla sektorów DePIN, AI i Web3.

Wiarygodne zasoby obliczeniowe mają kluczowe znaczenie zarówno dla inżynierów sztucznej inteligencji, jak i użytkowników końcowych, a dowód sztucznej inteligencji (PoAI) stanowi podstawę budowania takiego zaufania. Ponieważ infrastruktura obliczeniowa stanowi podstawę rozwoju sztucznej inteligencji, konieczne jest zajęcie się w pierwszej kolejności tym aspektem. Jesteśmy podekscytowani współpracą z io.net, pionierem w swojej branży, aby zapewnić dostarczanie najwyższej klasy zasobów obliczeniowych na potrzeby naszych wysiłków w zakresie sztucznej inteligencji.

System zapewniający niezawodność węzłów DePIN przy wykorzystaniu zdecentralizowanego i zintegrowanego ze sztuczną inteligencją podejścia posiada silnik, który konsekwentnie generuje wyzwania, zbiera odpowiedzi i dostarcza odpowiednie statystyki (takie jak opóźnienia, różnice w wynikach, dokładność danych) do węzłów io.net w celu podejmowania decyzji .

Przesuwanie barier w szkoleniu modeli AI za pomocą Web3

Tory Green, dyrektor generalny i współzałożyciel io.net, jest zachwycony szerokim wachlarzem możliwości, jakie oferuje najnowsze partnerstwo w zakresie stosowania sztucznej inteligencji w wielu scenariuszach.

Oczekuje się, że pojawienie się dowodu na sztuczną inteligencję przyniesie znaczące ulepszenia w procesach uczenia i wnioskowania modeli sztucznej inteligencji w rozproszonych systemach komputerowych. Jest prawdopodobne, że operatorzy węzłów GPU i szersza społeczność programistów AI/ML ciepło przyjmą technologię Proof of AI, spodziewając się jej korzyści.

Jako inwestor zajmujący się kryptowalutami zajmujący się sztuczną inteligencją, zacząłem doceniać znaczenie danych syntetycznych w szkoleniu modeli. Jednak zadanie syntezy i udoskonalenia 15 bilionów tokenów, jak widać podczas szkolenia LLama3, to nie lada wyczyn. Dlatego FLock Data Generation opracowało sprytne rozwiązanie: wykorzystanie bezczynnych zasobów GPU do wykonywania wsadowego wnioskowania na temat modeli językowych (LLM) wymaganych zarówno przez kreatora zadań FLock, jak i węzeł szkoleniowy.

Na dłuższą metę konieczne jest, aby rozproszone systemy sztucznej inteligencji wykorzystujące procesory graficzne działały dobrze, aby zdecentralizowana sztuczna inteligencja mogła się rozwijać. Istnieją jednak pozbawione skrupułów osoby, które próbują wykorzystać system, fałszywie twierdząc, że posiadają większą moc obliczeniową, niż w rzeczywistości. Jedną z typowych metod jest oszukiwanie sieci, aby myślała, że ​​​​ma większą liczbę zasobów obliczeniowych.

Jako badacz spotkałem się z poważnym problemem: brak silnych mechanizmów odstraszających może potencjalnie doprowadzić operatorów węzłów do działania bez skrupułów w dążeniu do nagród sieciowych, niezależnie od ich faktycznego wkładu. Weryfikacja integralności węzłów jest trudnym zadaniem ze względu na możliwość, że złośliwi aktorzy mogą sfabrykować reprezentacje swoich zasobów i ubiegać się o nagrody, nie wykonując żadnej prawdziwej pracy.

2024-08-29 19:19