Το πρωτόκολλο Gensyn εκπαιδεύει χωρίς εμπιστοσύνη νευρωνικά δίκτυα σε υπερκλίμακα με χαμηλότερη τάξη μεγέθους…

Το πρωτόκολλο Gensyn εκπαιδεύει χωρίς εμπιστοσύνη τα νευρωνικά δίκτυα σε υπερκλίμακα με χαμηλότερη τάξη μεγέθους

Σύνδεσμοι: Ιστοσελίδα Gensyn, Litepaper, Χαρτοφυλάκιο CoinFund, Άρθρο TechCrunch Σύνδεσμος

Περίληψη Επενδυτικής Διατριβής

• Κοσμική μόχλευση για την αυξανόμενη πολυπλοκότητα και αξία της ML: Η υπολογιστική πολυπλοκότητα των υπερσύγχρονων συστημάτων τεχνητής νοημοσύνης διπλασιάζεται κάθε 3 μήνες, ενώ η αξία αυτών των μοντέλων συνεχίζει να αυξάνεται γρήγορα, ενώ η πρώην φύση μαύρου κουτιού αυτών των αλγορίθμων είναι πλέον σε θέση να ταιριάζουν με μεγαλύτερες κατανοητοί από τον άνθρωπο φωτιστές.
• Νέος σχεδιασμός συστήματος συντονισμού και επαλήθευσης: Η Gensyn κατασκευάζει ένα σύστημα επαλήθευσης (το testnet v1 θα αναπτυχθεί αργότερα φέτος) το οποίο λύνει αποτελεσματικά το πρόβλημα της εξάρτησης από την κατάσταση στην εκπαίδευση νευρωνικών δικτύων σε οποιαδήποτε κλίμακα. Το σύστημα συνδυάζει μοντέλα σημείων ελέγχου εκπαίδευσης με πιθανολογικούς ελέγχους που τερματίζουν στην αλυσίδα. Τα κάνει όλα αυτά χωρίς εμπιστοσύνη και οι γενικές κλίμακες γραμμικά με το μέγεθος του μοντέλου (διατηρώντας το κόστος επαλήθευσης σταθερό).
• Θεματική εστίαση στην αποκέντρωση της τεχνητής νοημοσύνης: Τα περισσότερα από τα γνωστά παραδείγματα εφαρμογών μηχανικής εκμάθησης (αυτοκίνητα αυτοκίνητα Tesla, Google DeepMind) παράγονται από το ίδιο σύνολο εταιρειών, επειδή η βιομηχανία βαθιάς μάθησης μοιάζει επί του παρόντος με ένα παιχνίδι μονοπωλίου μεταξύ εταιρειών μεγάλης τεχνολογίας, όπως καθώς και κράτη όπως η Κίνα και οι Ηνωμένες Πολιτείες. Αυτές οι δυνάμεις έχουν ως αποτέλεσμα τεράστιες δυνάμεις συγκεντρωτισμού που είναι αντίθετες με το web3 και ακόμη και την ιστορική προέλευση του web1.

Το CoinFund είναι περήφανο που υποστηρίζει τον πρόσφατο έρανο του Gensyn Protocol και το όραμα της ομάδας να επιτρέψει την αξιόπιστη εκπαίδευση νευρωνικών δικτύων σε υπερκλίμακα και χαμηλό κόστος μέσω του νέου τους συστήματος επαλήθευσης. Χρήση πιθανοτικών ελέγχων που τερματίζουν στην αλυσίδα ενώ χτυπάτε μέσα υποχρησιμοποιημένες και υποχρησιμοποιημένες υπολογιστικές πηγές, από τις επί του παρόντος υποχρησιμοποιημένες GPU gaming έως εξελιγμένες δεξαμενές εξόρυξης ETH1 που πρόκειται να αποσπαστούν από το δίκτυο Ethereum, καθώς η μετάβαση του δικτύου στο Proof of Stake, στο πρωτόκολλο Gensyn δεν απαιτεί διοικητικό επόπτη ή νομική επιβολή, αλλά διευκολύνει τη διανομή εργασιών και τις πληρωμές μέσω προγραμματισμού έξυπνα συμβόλαια. Ακόμα καλύτερα, ο αποκεντρωμένος χαρακτήρας του πρωτοκόλλου σημαίνει ότι τελικά θα κυβερνάται από την πλειοψηφία της κοινότητας και δεν μπορεί να «απενεργοποιηθεί» χωρίς τη συγκατάθεση της κοινότητας. Αυτό το καθιστά ανθεκτικό στη λογοκρισία, σε αντίθεση με τα αντίστοιχα web2. Τελικά, πιστεύουμε ότι η Gensyn παίζει να γίνει το θεμελιώδες επίπεδο για τον υπολογισμό ML εγγενούς στο web3, καθώς οι συμμετέχοντες τρίτων φτιάχνουν τελικά πλούσιες εμπειρίες χρήστη και συγκεκριμένη λειτουργικότητα σε πολλές θέσεις.

Μέρος 1: Εισαγωγή στην κοσμική ανάπτυξη πολλών δεκαετιών του Deep Learning

Κάθε πρόσωπο που βλέπετε σε μια βιντεοκλήση και όλος ο ήχος που ακούτε χειραγωγείται. Για τη βελτίωση της ποιότητας των κλήσεων, τα νευρωνικά δίκτυα επιλεκτικά προσαρμόστε την ανάλυση στο Zoom και καταστολή θορύβου φόντου στο Microsoft Teams. Πιο πρόσφατες εξελίξεις δείτε ακόμη και βίντεο χαμηλότερης ανάλυσης 'ονειρεύτηκα' σε υψηλότερη ανάλυση. Τα νευρωνικά δίκτυα είναι τα μοντέλα που χρησιμοποιούνται στον κλάδο βαθιάς μάθησης της τεχνητής νοημοσύνης. Βασίζονται χαλαρά στη δομή του ανθρώπινος εγκέφαλος και έχουν μυριάδες εφαρμογές, ίσως δημιουργώντας τελικά τεχνητή νοημοσύνη σε ανθρώπινο επίπεδο. Τα μεγαλύτερα μοντέλα γενικά αποδίδουν καλύτερα αποτελέσματα και το υλικό που απαιτείται για την ανάπτυξη αιχμής διπλασιάζεται κάθε τρεις μήνες. Αυτή η έκρηξη στην ανάπτυξη έχει κάνει τη βαθιά μάθηση θεμελιώδες μέρος της σύγχρονης ανθρώπινης εμπειρίας. Το 2020, ένα νευρωνικό δίκτυο χειριζόταν το ραντάρ σε κατασκοπευτικό αεροπλάνο των ΗΠΑ γράφουν τώρα τα γλωσσικά μοντέλα καλύτερα ηλεκτρονικά μηνύματα απάτης από τους ανθρώπους και τους αλγόριθμους αυτοοδηγούμενων αυτοκινήτων Υπεραποδόσεις ανθρώπους σε πολλά περιβάλλοντα.

GPT-3 175B, το μεγαλύτερο μοντέλο GPT-3 που προτείνεται από την OpenAI στο Brown et αϊ. (2020) χρησιμοποίησε ένα σύμπλεγμα 1,000 GPU NVIDIA Tesla V100 για εκπαίδευση — περίπου ισοδύναμο με 355 χρόνια εκπαίδευσης σε μία μόνο συσκευή. DALL-E από Ramesh et al. (2021), ένα άλλο μοντέλο Transformer από το OpenAI, έχει 12 δισεκατομμύρια παραμέτρους και εκπαιδεύτηκε σε πάνω από 400 εκατομμύρια εικόνες με λεζάντες. Το OpenAI επωμίστηκε το κόστος της εκπαίδευσης του DALL-E, αλλά αρνήθηκε αμφιλεγόμενα να δώσει το μοντέλο ανοιχτού κώδικα, πράγμα που σημαίνει ότι ίσως ένα από τα πιο σύγχρονα πολυτροπικά μοντέλα βαθιάς μάθησης παραμένει απρόσιτο σε όλους εκτός από λίγους εκλεκτούς. Οι τεράστιες απαιτήσεις πόρων για την κατασκευή τους μοντέλα θεμελίωσης δημιουργήσει σημαντικά εμπόδια στην πρόσβαση και, χωρίς μέθοδο συγκέντρωσης πόρων, ενώ εξακολουθεί να συλλαμβάνει αξία, πιθανότατα θα προκαλέσει στασιμότητα στην πρόοδο της τεχνητής νοημοσύνης. Πολλοί πιστεύουν ότι αυτά τα γενικευμένα μοντέλα είναι το κλειδί για το ξεκλείδωμα της Τεχνητής Γενικής Νοημοσύνης (AGI), κάνοντας την τρέχουσα μέθοδο εκπαίδευσης σε μεμονωμένα, τεχνητά σιλό να φαίνεται παράλογη.

Οι τρέχουσες λύσεις που παρέχουν πρόσβαση στην παροχή υπολογιστών είναι είτε ολιγοπωλιακές και ακριβές είτε απλές μη κατεργαστός δεδομένης της πολυπλοκότητας του υπολογισμού που απαιτείται για τεχνητή νοημοσύνη μεγάλης κλίμακας. Η κάλυψη της ζήτησης με αερόστατο απαιτεί ένα σύστημα που αξιοποιεί οικονομικά αποδοτικά όλοι διαθέσιμος υπολογισμός (σε αντίθεση με τη σημερινή ~40% παγκόσμια χρήση επεξεργαστή). Αυτό το πρόβλημα που επιδεινώνεται αυτή τη στιγμή είναι το γεγονός ότι η ίδια η υπολογιστική προμήθεια παρεμποδίζεται ασυμπτωτικός προόδους στην απόδοση μικροεπεξεργαστή — παράλληλα αλυσίδας εφοδιασμού και γεωπολιτικό ελλείψεις τσιπ.

Μέρος 2: Γιατί χρειάζεται ο συντονισμός του Gensyn;

Η θεμελιώδης πρόκληση για τη δημιουργία αυτού του δικτύου είναι η επαλήθευση της ολοκληρωμένης εργασίας ML. Αυτό είναι ένα εξαιρετικά περίπλοκο πρόβλημα που βρίσκεται στη διασταύρωση της θεωρίας πολυπλοκότητας, της θεωρίας παιγνίων, της κρυπτογραφίας και της βελτιστοποίησης. Εκτός από την ανθρώπινη γνώση στον σχεδιασμό μοντέλων, υπάρχουν τρία θεμελιώδη προβλήματα που επιβραδύνουν την πρόοδο της εφαρμοσμένης ML, 1) πρόσβαση στην υπολογιστική ισχύ. 2) πρόσβαση σε δεδομένα. και 3) πρόσβαση στη γνώση (επισήμανση βασικής αλήθειας). Η Gensyn λύνει το πρώτο πρόβλημα παρέχοντας πρόσβαση κατ' απαίτηση σε παγκόσμια κλιμακωτούς υπολογιστές στη δίκαιη τιμή της αγοράς, ενώ το Ίδρυμα Gensyn θα επιδιώξει να ενθαρρύνει λύσεις σε δύο και τρία μέσω έρευνας, χρηματοδότησης και συνεργασιών με άλλα πρωτόκολλα.

Συγκεκριμένα, η πρόσβαση σε ανώτερους επεξεργαστές επιτρέπει την εκπαίδευση ολοένα και πιο μεγάλων/σύνθετων μοντέλων. Την τελευταία δεκαετία, τα κέρδη πυκνότητας τρανζίστορ και η πρόοδος στην ταχύτητα πρόσβασης στη μνήμη/παραλληλοποίηση μείωσαν δραματικά τους χρόνους εκπαίδευσης για μεγάλα μοντέλα. Η εικονική πρόσβαση σε αυτό το υλικό, μέσω γιγάντων cloud όπως το AWS και η Alibaba, έχει ταυτόχρονα διευρύνει την υιοθέτηση. Αντίστοιχα, υπάρχει έντονο κρατικό ενδιαφέρον για την απόκτηση των μέσων παραγωγής υπερσύγχρονων μεταποιητών. Η ηπειρωτική Κίνα δεν έχει ακόμη την ικανότητα από άκρο σε άκρο να παράγει ημιαγωγούς τελευταίας τεχνολογίας (δηλαδή, γκοφρέτες πυριτίου), ένα βασικό συστατικό στους επεξεργαστές. Πρέπει να τα εισάγουν, ιδιαίτερα από την TSMC (Taiwan Semiconductor Manufacturing Company). Οι πωλητές chip προσπαθούν επίσης να αποκλείσουν άλλους πελάτες από την πρόσβαση σε κατασκευαστές chip αγοράζοντας προμήθεια. Σε κρατικό επίπεδο, οι ΗΠΑ ήταν μπλοκάρει επιθετικά οποιαδήποτε κίνηση κινεζικών εταιρειών για την απόκτηση αυτής της τεχνολογίας. Περαιτέρω στη στοίβα τεχνολογίας, ορισμένες εταιρείες έχουν φτάσει στο σημείο να δημιουργήσουν το δικό τους ειδικό υλικό βαθιάς εκμάθησης, όπως τα συμπλέγματα TPU της Google. Αυτές οι επιδόσεις ξεπερνούν τις τυπικές GPU στη βαθιά εκμάθηση και δεν διατίθενται προς πώληση, μόνο προς ενοικίαση.

Η τεράστια αύξηση της κλίμακας των προσβάσιμων υπολογιστών, ενώ ταυτόχρονα μειώνεται το μοναδιαίο κόστος, ανοίγει την πόρτα σε ένα εντελώς νέο παράδειγμα για βαθιά μάθηση τόσο για τις ερευνητικές όσο και για τις βιομηχανικές κοινότητες. Οι βελτιώσεις στην κλίμακα και το κόστος επιτρέπουν στο πρωτόκολλο να δημιουργήσει ένα σύνολο ήδη αποδεδειγμένων, προεκπαιδευμένων, βασικών μοντέλων—γνωστά και ως Μοντέλα θεμελίωσης–με παρόμοιο τρόπο με το πρότυπο ζωολογικούς κήπους δημοφιλών πλαισίων. Αυτό επιτρέπει σε ερευνητές και μηχανικούς να ερευνούν ανοιχτά και να εκπαιδεύουν ανώτερα μοντέλα σε τεράστια ανοιχτά σύνολα δεδομένων, με παρόμοιο τρόπο με τον Ελεύθερ έργο. Αυτά τα μοντέλα θα λύσουν ορισμένα από τα θεμελιώδη προβλήματα της ανθρωπότητας χωρίς συγκεντρωτική ιδιοκτησία ή λογοκρισία. Η κρυπτογραφία, ιδιαίτερα η Λειτουργική Κρυπτογράφηση, θα επιτρέψει τη χρήση του πρωτοκόλλου σε ιδιωτικά δεδομένα κατ' απαίτηση. Τεράστια μοντέλα θεμελίων μπορούν στη συνέχεια να βελτιστοποιηθούν από οποιονδήποτε χρησιμοποιεί ένα ιδιόκτητο σύνολο δεδομένων, διατηρώντας την αξία/απόρρητο σε αυτά τα δεδομένα, αλλά μοιράζοντας τη συλλογική γνώση στο σχεδιασμό και την έρευνα μοντέλων.

Μέρος 3: Gensyn Drives Web3-Native Data Centralization

Το Διαδίκτυο μπορεί να γεννήθηκε από την κυβέρνηση των ΗΠΑ τη δεκαετία του 1960, αλλά μέχρι τη δεκαετία του 1990 ήταν ένας άναρχος ιστός δημιουργικότητας, ατομικισμού και ευκαιριών. Πολύ πριν η Google συσσωρεύσει TPU, έργα όπως το SETI@home προσπάθησαν να ανακαλύψουν την εξωγήινη ζωή μέσω του crowdsourcing αποκεντρωμένης υπολογιστικής ισχύος. Μέχρι το έτος 2000, το SETI@home είχε ρυθμό επεξεργασίας ίσο με 17 teraflops, που είναι υπερδιπλάσια από την απόδοση του καλύτερου υπερυπολογιστή εκείνη την εποχή, του IBM ASCI White. Αυτή η χρονική περίοδος ονομάζεται γενικά «web1», μια στιγμή πριν από την ηγεμονία μεγάλων πλατφορμών όπως η Google ή η Amazon (web2), αλλά οι αποκεντρωμένοι υπολογιστές υποχώρησαν στην κλιμάκωση για να ανταποκριθούν στις αρχικές ανάγκες του Διαδικτύου, λόγω πολλών προβλημάτων εκείνη την εποχή.

Ωστόσο, η τρέχουσα συγκέντρωση της υποδομής ιστού σε τεράστιες πλατφόρμες web2 δημιουργεί τα δικά της προβλήματα, όπως το κόστος (το μικτό περιθώριο κέρδους του AWS είναι ένα εκτιμώμενο 61%, που αντιπροσωπεύει τη συμπίεση περιθωρίου για τους περισσότερους ερευνητές υποκλίμακας και επιχειρήσεις που βασίζονται σε δεδομένα. Ταυτόχρονα, οι κεντρικές περιπτώσεις υπολογιστών θυσιάζουν επίσης τον έλεγχο — το AWS απενεργοποίησε την υποδομή της δημοφιλούς δεξιάς πλατφόρμας κοινωνικών μέσων Parler με ειδοποίηση μιας ημέρας μετά την εξέγερση του Καπιτωλίου στις 6 Ιανουαρίου 2021. Πολλοί συμφώνησαν με αυτήν την απόφαση, αλλά το προηγούμενο είναι επικίνδυνο όταν το AWS φιλοξενεί 42% από τους 10,000 κορυφαίους ιστότοπους στο διαδίκτυο. Ωστόσο, η εκπαίδευση μοντέλων βαθιάς εκμάθησης σε αποκεντρωμένο υλικό είναι δύσκολη λόγω του προβλήματος επαλήθευσης, το οποίο βοηθά στην επίλυση του Πρωτοκόλλου Gensyn.

Η οικοδόμηση της αγοράς ως πρωτόκολλο Web3 αφαιρεί τις κεντρικές γενικές δαπάνες για την κλιμάκωση και μειώνει τα εμπόδια εισόδου για νέους συμμετέχοντες προμήθειας, επιτρέποντας στο δίκτυο να περικλείει δυνητικά κάθε υπολογιστική συσκευή στον κόσμο. Η σύνδεση όλων των συσκευών μέσω ενός ενιαίου αποκεντρωμένου δικτύου παρέχει ένα επίπεδο επεκτασιμότητας που επί του παρόντος είναι αδύνατο να επιτευχθεί μέσω οποιουδήποτε υπάρχοντος παρόχου, παρέχοντας άνευ προηγουμένου πρόσβαση κατ' απαίτηση στο σύνολο της παγκόσμιας παροχής υπολογιστών. Για τους τελικούς χρήστες, αυτό καταργεί πλήρως το δίλημμα κόστους έναντι κλίμακας και παρέχει έναν διαφανή και χαμηλού κόστους υπολογισμό εκπαίδευσης ML για δυνητικά άπειρη επεκτασιμότητα (έως τα παγκόσμια όρια φυσικού υλικού) και για τις τιμές μονάδας που καθορίζονται από τη δυναμική της αγοράς. Αυτό παρακάμπτει τις συνήθεις τάφρους που απολαμβάνουν οι μεγάλοι πάροχοι, μειώνει σημαντικά τις τιμές και διευκολύνει τον πραγματικό παγκόσμιο ανταγωνισμό σε επίπεδο πόρων και εξετάζει ακόμη και μια περίπτωση όπου οι υφιστάμενοι πάροχοι υπηρεσιών cloud βλέπουν επίσης το πρωτόκολλο Gensyn ως μια οδό διανομής που συμπληρώνει πιο συγκεντρωτικό πρώτο μέρος πακέτα προσφορές.

Συμπέρασμα:

Με το AI σχεδόν εξίσου δημοφιλές τσιτάτο όπως τα κρυπτονομίσματα και τα μπλοκ αλυσίδες, η διατριβή μας για επένδυση στο Gensyn όπως παρουσιάζεται εδώ πρέπει να περάσει τα τεστ της εύκολης κατανόησης και της τεκμηρίωσης, ενώ θα είναι εξίσου φιλόδοξη όσον αφορά την ευκαιρία που έχει τεθεί για την ικανότητα του πρωτοκόλλου να προσθέτει αξία σε ένα αρχικά στοχευμένο αλλά γενικεύσιμο δίκτυο πόρων εγγενές στο web3. Με το πρωτόκολλο Gensyn, πιστεύουμε ότι βλέπουμε τις απαρχές ενός υπερ-κλιμακούμενου, οικονομικά αποδοτικού δικτύου συντονισμού που ανοίγει το δρόμο για ακόμη πιο πολύτιμες γνώσεις που θέτουν τις βάσεις για μυριάδες εφαρμογές στο μέλλον.

Σχετικά με το CoinFund

Η CoinFund είναι μια ποικιλόμορφη, κορυφαία επενδυτική εταιρεία που εστιάζει στο blockchain που ιδρύθηκε το 2015, με έδρα τις ΗΠΑ. Συλλογικά, έχουμε εκτεταμένο ιστορικό και εμπειρία σε κρυπτονομίσματα, παραδοσιακά μετοχικά κεφάλαια, πιστώσεις, ιδιωτικά κεφάλαια και επενδύσεις επιχειρηματικών συμμετοχών. Οι στρατηγικές του CoinFund καλύπτουν τόσο τις αγορές ρευστότητας όσο και τις αγορές επιχειρηματικών συμμετοχών και επωφελούνται από τη διεπιστημονική μας προσέγγιση που συγχρονίζει την τεχνική ικανότητα κρυπτογράφησης με την παραδοσιακή χρηματοοικονομική εμπειρία. Με μια προσέγγιση «πρώτα οι ιδρυτές», το CoinFund συνεργάζεται στενά με τις εταιρείες του χαρτοφυλακίου του για να προωθήσει την καινοτομία στον χώρο των ψηφιακών περιουσιακών στοιχείων.

Αποποίηση ευθυνών

Το περιεχόμενο που παρέχεται σε αυτόν τον ιστότοπο είναι μόνο για ενημερωτικούς και συζητητικούς σκοπούς και δεν πρέπει να βασίζεται σε μια συγκεκριμένη επενδυτική απόφαση ή να ερμηνεύεται ως προσφορά, σύσταση ή πρόσκληση σχετικά με οποιαδήποτε επένδυση. Ο συγγραφέας δεν υποστηρίζει καμία εταιρεία, έργο ή διακριτικό που συζητείται σε αυτό το άρθρο. Όλες οι πληροφορίες παρουσιάζονται εδώ «ως έχουν», χωρίς κανενός είδους εγγύηση, ρητή ή σιωπηρή, και οποιεσδήποτε μελλοντικές δηλώσεις μπορεί να αποδειχθούν εσφαλμένες. Η CoinFund Management LLC και οι θυγατρικές της ενδέχεται να έχουν θέσεις long ή short στα token ή τα έργα που συζητούνται σε αυτό το άρθρο.

---

Το πρωτόκολλο Gensyn εκπαιδεύει χωρίς εμπιστοσύνη νευρωνικά δίκτυα σε υπερκλίμακα με χαμηλότερη τάξη μεγέθους… αρχικά δημοσιεύτηκε το Το ιστολόγιο CoinFund στο Medium, όπου οι άνθρωποι συνεχίζουν τη συζήτηση επισημαίνοντας και απαντώντας σε αυτήν την ιστορία.

• Coinsmart. Το καλύτερο ανταλλακτήριο Bitcoin και Crypto στην Ευρώπη.
• Platoblockchain. Web3 Metaverse Intelligence. Ενισχύθηκε η γνώση. ΕΛΕΥΘΕΡΗ ΠΡΟΣΒΑΣΗ.
• CryptoHawk. Ραντάρ Altcoin. Δωρεάν δοκιμή.
• Source: https://blog.coinfund.io/the-gensyn-protocol-trustlessly-trains-neural-networks-at-hyperscale-with-lower-order-of-magnitude-227fe968fabf?source=rss—-f5f136d48fc3—4