जेनसिन प्रोटोकॉल न्यूरल नेटवर्क्स को हाइपरस्केल पर निचले क्रम के परिमाण के साथ प्रशिक्षित करता है ...

प्लेटो द्वारा पुनर्प्रकाशित

अनुयायियों: 0

Gensyn प्रोटोकॉल लागत के निचले क्रम के साथ हाइपरस्केल पर तंत्रिका नेटवर्क को अविश्वसनीय रूप से प्रशिक्षित करता है

लिंक: जेनसिन वेबसाइट, Litepaper, सिक्काफंड पोर्टफोलियो, टेकक्रंच लेख संपर्क

निवेश थीसिस सारांश

एमएल बढ़ती जटिलता और मूल्य के लिए धर्मनिरपेक्ष उत्तोलन: अत्याधुनिक एआई सिस्टम की कम्प्यूटेशनल जटिलता हर 3 महीने में दोगुनी हो रही है, जबकि इन मॉडलों का मूल्य तेजी से बढ़ रहा है, जबकि इन एल्गोरिदम की पूर्व ब्लैक-बॉक्स-प्रकृति अब अधिक से अधिक फिट होने में सक्षम है। मानव-समझने योग्य प्रकाशक.
उपन्यास समन्वय और सत्यापन प्रणाली डिजाइन: जेनसिन एक सत्यापन प्रणाली का निर्माण कर रहा है (इस साल के अंत में टेस्टनेट v1 तैनात किया जाएगा) जो किसी भी पैमाने पर तंत्रिका नेटवर्क प्रशिक्षण में राज्य निर्भरता समस्या को कुशलतापूर्वक हल करता है। सिस्टम मॉडल प्रशिक्षण चौकियों को संभाव्य जांच के साथ जोड़ता है जो ऑन-चेन को समाप्त करता है। यह यह सब अविश्वसनीय रूप से करता है और ओवरहेड स्केल मॉडल आकार के साथ रैखिक रूप से करता है (सत्यापन लागत स्थिर रखते हुए)।
एआई विकेंद्रीकरण पर विषयगत फोकस: मशीन लर्निंग एप्लिकेशन (टेस्ला सेल्फ-ड्राइविंग कार, गूगल डीपमाइंड) के अधिकांश प्रसिद्ध उदाहरण कंपनियों के एक ही सेट द्वारा निर्मित होते हैं, ऐसा इसलिए है क्योंकि डीप लर्निंग उद्योग वर्तमान में बिग टेक कंपनियों के बीच एकाधिकार के खेल की तरह दिखता है, जैसा कि साथ ही चीन और संयुक्त राज्य अमेरिका जैसे राज्य। इन ताकतों के परिणामस्वरूप बड़ी केंद्रीकरण ताकतें होती हैं जो वेब 3 और यहां तक कि वेब 1 की ऐतिहासिक उत्पत्ति के विपरीत चलती हैं।

जेन्सिन प्रोटोकॉल कम परिमाण के परिमाण के साथ हाइपरस्केल पर तंत्रिका नेटवर्क को विश्वसनीय रूप से प्रशिक्षित करता है... प्लेटोब्लॉकचेन डेटा इंटेलिजेंस। लंबवत खोज. ऐ.

कॉइनफंड को जेनसिन प्रोटोकॉल के हालिया धन उगाहने का समर्थन करने पर गर्व है और उनकी नई सत्यापन प्रणाली के माध्यम से हाइपरस्केल और कम लागत पर तंत्रिका नेटवर्क को अविश्वसनीय रूप से प्रशिक्षित करने के लिए टीम की दृष्टि। ऑन-चेन को समाप्त करने वाली संभाव्य जांचों का उपयोग करना में टैप करते समय वर्तमान में कम उपयोग किए गए गेमिंग GPU से लेकर परिष्कृत ETH1 माइनिंग पूल तक, जो एथेरियम नेटवर्क से अलग होने वाले हैं, क्योंकि नेटवर्क ट्रांज़िशन टू प्रूफ ऑफ़ स्टेक, Gensyn प्रोटोकॉल को किसी प्रशासनिक ओवरसियर या कानूनी प्रवर्तन की आवश्यकता नहीं है, बल्कि कार्य वितरण और भुगतान को प्रोग्रामेटिक रूप से सुविधाजनक बनाने की आवश्यकता है। स्मार्ट अनुबंध। बेहतर अभी भी, प्रोटोकॉल के विकेन्द्रीकृत प्रकृति का अर्थ है कि यह अंततः बहुसंख्यक समुदाय शासित होगा और समुदाय की सहमति के बिना इसे 'बंद' नहीं किया जा सकता है; यह अपने web2 समकक्षों के विपरीत, इसे सेंसरशिप प्रतिरोधी बनाता है। अंततः, हमारा मानना है कि Gensyn web3-native ML कंप्यूट के लिए मूलभूत परत बनने के लिए खेल रहा है, क्योंकि तीसरे पक्ष के प्रतिभागी अंततः कई निचे में समृद्ध उपयोगकर्ता अनुभव और विशिष्ट कार्यक्षमता का निर्माण करते हैं।

भाग 1: गहन शिक्षण के बहु-दशक धर्मनिरपेक्ष विकास का परिचय

वीडियो कॉल पर आप जो भी चेहरा देखते हैं और आपके द्वारा सुने जाने वाले सभी ऑडियो में हेराफेरी की जाती है। कॉल गुणवत्ता, तंत्रिका नेटवर्क में सुधार करने के लिए चुनिंदा ज़ूम में रिज़ॉल्यूशन समायोजित करें और पृष्ठभूमि शोर को दबाएं माइक्रोसॉफ्ट टीमों में। अधिक हाल के अग्रिम भी कम रिज़ॉल्यूशन वाला वीडियो देखें 'सपना देखा' एक उच्च संकल्प में। तंत्रिका नेटवर्क कृत्रिम बुद्धि की गहन शिक्षण शाखा में उपयोग किए जाने वाले मॉडल हैं। वे शिथिल रूप से की संरचना पर आधारित हैं मानव मस्तिष्क और असंख्य अनुप्रयोग हैं, शायद अंततः मानव स्तर की कृत्रिम बुद्धिमत्ता का निर्माण कर रहे हैं। बड़े मॉडल आम तौर पर बेहतर परिणाम देते हैं, और अत्याधुनिक विकास के लिए आवश्यक हार्डवेयर दोगुना हो रहा है हर तीन महिने. विकास में इस विस्फोट ने गहन शिक्षण को आधुनिक मानव अनुभव का एक मूलभूत हिस्सा बना दिया है। 2020 में, एक तंत्रिका नेटवर्क रडार संचालित एक अमेरिकी जासूसी विमान पर, भाषा मॉडल अब लिखते हैं बेहतर घोटाला ईमेल मनुष्यों की तुलना में, और सेल्फ-ड्राइविंग कार एल्गोरिदम मात करना कई वातावरण में मनुष्य।

GPT-3 175B, OpenAI द्वारा प्रस्तावित सबसे बड़ा GPT-3 मॉडल ब्राउन एट अल। (2020) प्रशिक्षण के लिए 1,000 NVIDIA Tesla V100 GPU के क्लस्टर का उपयोग किया - लगभग एक डिवाइस पर 355 वर्षों के प्रशिक्षण के बराबर। DALL-E से रमेश एट अल। (2021), OpenAI के एक अन्य ट्रांसफॉर्मर मॉडल में 12 बिलियन पैरामीटर हैं और इसे 400 मिलियन से अधिक कैप्शन वाली छवियों पर प्रशिक्षित किया गया था। OpenAI ने DALL-E के प्रशिक्षण की लागत वहन की, लेकिन विवादास्पद रूप से मॉडल को खोलने से इनकार कर दिया, जिसका अर्थ है कि शायद सबसे महत्वपूर्ण अत्याधुनिक मल्टीमॉडल डीप लर्निंग मॉडल में से एक कुछ चुनिंदा लोगों को छोड़कर सभी के लिए दुर्गम है। इनके निर्माण के लिए विशाल संसाधन आवश्यकताएँ नींव मॉडल पहुंच के लिए महत्वपूर्ण बाधाएं पैदा करें, और, संसाधनों को पूल करने की विधि के बिना अभी भी मूल्य पर कब्जा करते हुए, संभवतः एआई उन्नति में ठहराव का कारण होगा। बहुत से लोग मानते हैं कि ये सामान्यीकृत मॉडल आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई) को अनलॉक करने की कुंजी हैं, जिससे पृथक, कृत्रिम साइलो में प्रशिक्षण की वर्तमान पद्धति बेतुकी लगती है।

वर्तमान समाधान जो आपूर्ति की गणना तक पहुंच प्रदान करते हैं, वे या तो कुलीन और महंगे हैं या सरल हैं असाध्य बड़े पैमाने पर एआई के लिए आवश्यक गणना की जटिलता को देखते हुए। गुब्बारे की मांग को पूरा करने के लिए एक ऐसी प्रणाली की आवश्यकता होती है जो लागत-कुशलता से लाभ उठाती है सब उपलब्ध गणना (आज के ~ 40% वैश्विक प्रोसेसर उपयोग के विपरीत)। इस समस्या को अभी जटिल करना यह तथ्य है कि कंप्यूट आपूर्ति स्वयं ही बाधित है asymptotic माइक्रोप्रोसेसर प्रदर्शन में प्रगति - साथ में आपूर्ति श्रृंखला और भू राजनीतिक चिप की कमी

भाग 2: Gensyn के समन्वय की आवश्यकता क्यों है?

इस नेटवर्क के निर्माण में मूलभूत चुनौती पूर्ण किए गए एमएल कार्य का सत्यापन है। यह एक अत्यधिक जटिल समस्या है जो जटिलता सिद्धांत, गेम थ्योरी, क्रिप्टोग्राफी और अनुकूलन के चौराहे पर बैठती है। मॉडल डिजाइन में मानव ज्ञान के अलावा, लागू एमएल की प्रगति को धीमा करने वाली तीन मूलभूत समस्याएं हैं, 1) गणना शक्ति तक पहुंच; 2) डेटा तक पहुंच; और 3) ज्ञान तक पहुंच (जमीनी-सत्य लेबलिंग)। Gensyn अपने उचित बाजार मूल्य पर विश्व स्तर पर स्केलेबल कंप्यूट के लिए ऑन-डिमांड पहुंच प्रदान करके पहली समस्या का समाधान करता है, जबकि Gensyn फाउंडेशन अनुसंधान, वित्त पोषण और अन्य प्रोटोकॉल के साथ सहयोग के माध्यम से दो और तीन के समाधान को प्रोत्साहित करना चाहता है।

विशेष रूप से, बेहतर प्रोसेसर तक पहुंच तेजी से बड़े/जटिल मॉडल को प्रशिक्षित करने में सक्षम बनाती है। पिछले एक दशक में, ट्रांजिस्टर घनत्व लाभ और मेमोरी एक्सेस स्पीड / समानांतरीकरण में प्रगति ने बड़े मॉडलों के लिए प्रशिक्षण समय को नाटकीय रूप से कम कर दिया है। AWS और अलीबाबा जैसे क्लाउड दिग्गजों के माध्यम से इस हार्डवेयर तक वर्चुअल एक्सेस ने एक साथ अपनाए जाने का दायरा बढ़ाया है। तदनुसार, अत्याधुनिक प्रोसेसर के उत्पादन के साधनों को प्राप्त करने में राज्य की गहरी दिलचस्पी है। मुख्यभूमि चीन में अभी तक अत्याधुनिक अर्धचालकों (अर्थात् सिलिकॉन वेफर्स) का उत्पादन करने की पूरी क्षमता नहीं है, जो प्रोसेसर में एक आवश्यक घटक है। उन्हें इन्हें विशेष रूप से TSMC (ताइवान सेमीकंडक्टर मैन्युफैक्चरिंग कंपनी) से आयात करने की आवश्यकता है। चिप विक्रेता अन्य ग्राहकों को चिप निर्माताओं तक पहुँचने से रोकने का भी प्रयास करते हैं आपूर्ति खरीद कर. राज्य स्तर पर, यू.एस आक्रामक रूप से अवरुद्ध इस तकनीक को हासिल करने के लिए चीनी कंपनियों द्वारा कोई भी कदम। टेक स्टैक को और आगे बढ़ाते हुए, कुछ कंपनियां अपने स्वयं के गहन शिक्षण विशिष्ट हार्डवेयर बनाने तक चली गई हैं, जैसे कि Google का TPU क्लस्टर। ये डीप लर्निंग में मानक GPU से बेहतर प्रदर्शन करते हैं और बिक्री के लिए उपलब्ध नहीं हैं, केवल किराए के लिए हैं।

सुलभ गणना के पैमाने को व्यापक रूप से बढ़ाना, साथ ही साथ इसकी इकाई लागत को कम करना, अनुसंधान और औद्योगिक समुदायों दोनों के लिए गहन सीखने के लिए एक पूरी तरह से नए प्रतिमान के द्वार खोलता है। पैमाने और लागत में सुधार प्रोटोकॉल को पहले से सिद्ध, पूर्व-प्रशिक्षित, आधार मॉडल का एक सेट बनाने की अनुमति देता है-जिसे भी जाना जाता है फाउंडेशन मॉडल- इसी तरह से मॉडल चिड़ियाघर लोकप्रिय ढांचे के। यह शोधकर्ताओं और इंजीनियरों को खुले तौर पर बड़े खुले डेटासेट पर बेहतर मॉडल पर शोध करने और प्रशिक्षित करने की अनुमति देता है, उसी तरह से एलुथेर परियोजना। ये मॉडल केंद्रीकृत स्वामित्व या सेंसरशिप के बिना मानवता की कुछ मूलभूत समस्याओं का समाधान करेंगे। क्रिप्टोग्राफी, विशेष रूप से कार्यात्मक एन्क्रिप्शन, प्रोटोकॉल को निजी डेटा ऑन-डिमांड पर लीवरेज करने की अनुमति देगा। विशाल नींव मॉडल तब मालिकाना डेटासेट का उपयोग करके किसी के द्वारा ठीक-ठाक किए जा सकते हैं, उस डेटा में मूल्य/गोपनीयता बनाए रखते हैं लेकिन फिर भी मॉडल डिजाइन और अनुसंधान में सामूहिक ज्ञान साझा करते हैं।

भाग 3: Gensyn Web3-मूल डेटा केंद्रीकरण को चलाता है

इंटरनेट का जन्म 1960 के दशक में अमेरिकी सरकार से हुआ होगा, लेकिन 1990 के दशक तक यह रचनात्मकता, व्यक्तिवाद और अवसर का एक अराजक वेब था। Google द्वारा TPU का संग्रहण करने से पहले, SETI@home जैसी परियोजनाओं ने विकेंद्रीकृत कंप्यूट पावर को क्राउडसोर्सिंग द्वारा विदेशी जीवन की खोज करने का प्रयास किया। वर्ष 2000 तक, SETI@home की प्रोसेसिंग दर थी 17 टेराफ्लॉप्स, जो उस समय के सर्वश्रेष्ठ सुपर कंप्यूटर, IBM ASCI व्हाइट के प्रदर्शन से दोगुने से अधिक है। समय की इस अवधि को आम तौर पर 'वेब 1' नाम दिया गया है, जो कि Google या अमेज़ॅन (वेब 2) जैसे बड़े प्लेटफार्मों के आधिपत्य से एक क्षण पहले है, लेकिन उस समय कई मुद्दों के कारण, विकेन्द्रीकृत गणना इंटरनेट की प्रारंभिक जरूरतों को पूरा करने के लिए स्केलिंग में लड़खड़ा गई।

हालांकि, वेब इन्फ्रास्ट्रक्चर का विशाल वेब 2 प्लेटफॉर्म में वर्तमान केंद्रीकरण अपने स्वयं के मुद्दों को बनाता है, जैसे लागत (एडब्ल्यूएस का सकल मार्जिन अनुमानित है) 61% तक , अधिकांश उप-स्तरीय शोधकर्ताओं और डेटा-संचालित व्यवसायों के लिए मार्जिन संपीड़न का प्रतिनिधित्व करता है। उसी समय, केंद्रीकृत गणना उदाहरण भी नियंत्रण का त्याग करते हैं - AWS ने लोकप्रिय दक्षिणपंथी सोशल मीडिया प्लेटफॉर्म Parler के बुनियादी ढांचे को बंद कर दिया एक दिन का नोटिस 6 जनवरी 2021 कैपिटल दंगा के बाद। कई लोग इस फैसले से सहमत थे, लेकिन मिसाल खतरनाक है जब AWS मेजबान 42% इंटरनेट पर शीर्ष 10,000 साइटों में से। हालांकि, सत्यापन समस्या के कारण विकेन्द्रीकृत हार्डवेयर में गहन शिक्षण मॉडल का प्रशिक्षण कठिन है, जिसे जेनसिन प्रोटोकॉल हल करने में मदद करता है।

वेब3 प्रोटोकॉल के रूप में मार्केटप्लेस का निर्माण स्केलिंग पर केंद्रीकृत ओवरहेड व्यय को हटाता है, और नए आपूर्ति प्रतिभागियों के लिए प्रवेश की बाधाओं को कम करता है, जिससे नेटवर्क को दुनिया के हर कंप्यूटिंग डिवाइस को संभावित रूप से शामिल करने की अनुमति मिलती है। एक एकल विकेन्द्रीकृत नेटवर्क के माध्यम से सभी उपकरणों को जोड़ने से स्केलेबिलिटी का एक स्तर मिलता है जो वर्तमान में किसी भी मौजूदा प्रदाता के माध्यम से प्राप्त करना असंभव है, जो दुनिया की संपूर्ण गणना आपूर्ति के लिए अभूतपूर्व ऑन-डिमांड पहुंच प्रदान करता है। अंतिम उपयोगकर्ताओं के लिए, यह लागत बनाम पैमाने की दुविधा को पूरी तरह से समाप्त कर देता है और संभावित अनंत मापनीयता (दुनिया भर में भौतिक हार्डवेयर सीमा तक) और बाजार की गतिशीलता द्वारा निर्धारित की जाने वाली इकाई कीमतों के लिए एक पारदर्शी और कम लागत वाली एमएल प्रशिक्षण गणना प्रदान करता है। यह उन सामान्य खाइयों को दरकिनार कर देता है जिनका बड़े प्रदाता आनंद लेते हैं, कीमतों को महत्वपूर्ण रूप से कम करते हैं, और संसाधन स्तर पर वास्तव में वैश्विक प्रतिस्पर्धा की सुविधा प्रदान करते हैं, और यहां तक कि एक ऐसे मामले पर भी विचार करते हैं जहां मौजूदा क्लाउड सेवा प्रदाता जेनसिन प्रोटोकॉल को एक वितरण एवेन्यू के रूप में देखते हैं जो अधिक केंद्रीकृत प्रथम-पक्ष का पूरक है। बंडल प्रसाद.

निष्कर्ष:

एआई लगभग क्रिप्टोक्यूरेंसी और ब्लॉकचैन के रूप में लोकप्रिय एक चर्चा के रूप में, यहां पूर्वावलोकन के रूप में जेनसिन में निवेश के लिए हमारी थीसिस को समझने में आसान और साक्ष्य-समर्थित होने के परीक्षणों को पारित करना होगा, जबकि प्रोटोकॉल की क्षमता के लिए निर्धारित अवसर के बारे में पतला होने में महत्वाकांक्षी होना चाहिए। मूल रूप से वेब3 के लिए मूल रूप से लक्षित लेकिन सामान्यीकरण योग्य संसाधन नेटवर्क मूल्य जोड़ें। जेनसिन प्रोटोकॉल के साथ, हम मानते हैं कि हम एक हाइपर-स्केलेबल, लागत-कुशल समन्वय नेटवर्क की शुरुआत देख रहे हैं जो और भी अधिक मूल्यवान अंतर्दृष्टि का मार्ग प्रशस्त करता है जो भविष्य में असंख्य अनुप्रयोगों के लिए आधार तैयार करता है।

कॉइनफंड के बारे में

CoinFund एक विविध, अग्रणी ब्लॉकचेन-केंद्रित निवेश फर्म है जिसकी स्थापना 2015 में की गई थी, जो यूएस कलेक्टिवली में स्थित है, हमारे पास क्रिप्टोक्यूरेंसी, पारंपरिक इक्विटी, क्रेडिट, निजी इक्विटी और उद्यम निवेश में एक व्यापक ट्रैक रिकॉर्ड और अनुभव है। CoinFund रणनीतियाँ तरल और उद्यम दोनों बाजारों में फैली हुई हैं और हमारे बहु-विषयक दृष्टिकोण से लाभान्वित होती हैं जो पारंपरिक वित्त अनुभव के साथ तकनीकी क्रिप्टोनेटिव योग्यता को सिंक्रनाइज़ करता है। "फाउंडर्स फर्स्ट" दृष्टिकोण के साथ, कॉइनफंड डिजिटल एसेट स्पेस में इनोवेशन को चलाने के लिए अपनी पोर्टफोलियो कंपनियों के साथ मिलकर काम करता है।

Disclaimer

इस साइट पर उपलब्ध कराई गई सामग्री केवल सूचनात्मक और चर्चा के उद्देश्यों के लिए है और किसी विशेष निवेश निर्णय के संबंध में भरोसा नहीं किया जाना चाहिए या किसी निवेश के संबंध में प्रस्ताव, सिफारिश या आग्रह के रूप में नहीं लगाया जाना चाहिए। लेखक इस लेख में चर्चा की गई किसी भी कंपनी, परियोजना या टोकन का समर्थन नहीं कर रहा है। सभी जानकारी यहां "जैसी है," किसी भी प्रकार की वारंटी के बिना प्रस्तुत की गई है, चाहे व्यक्त या निहित हो, और कोई भी दूरंदेशी बयान गलत हो सकता है। CoinFund Management LLC और उसके सहयोगियों के पास इस लेख में चर्चा किए गए टोकन या परियोजनाओं में लंबी या छोटी स्थिति हो सकती है।

जेनसिन प्रोटोकॉल हाइपरस्केल पर न्यूरल नेटवर्क्स को निचले क्रम के परिमाण के साथ अविश्वसनीय रूप से प्रशिक्षित करता है ... में मूल रूप से प्रकाशित हुआ था सिक्काफंड ब्लॉग मध्यम पर, जहां लोग इस कहानी पर प्रकाश डालते हुए और प्रतिक्रिया देकर बातचीत जारी रख रहे हैं।

समय टिकट: मार्च २०,२०२१