Dengan melancarkan semula Subnet 9 di Rangkaian Bittensor - bayangkan ia sebagai aplikasi mudah alih di kedai aplikasi - Macrocosmos membuat langkah penting pertama ke arah masa depan yang lebih demokratik untuk kecerdasan buatan. Rahsia untuk mencapai pencapaian ini terletak pada akronim baru subnet, IOTA: Arkitek Latihan yang dirancang oleh Incentivized. Rangka kerja ini membolehkan sesiapa sahaja dengan unit pemprosesan grafik, tanpa mengira saiznya, untuk membantu dalam latihan model AI maju.

Berdasarkan kaedah "Swarm" novel, yang berfungsi sebagai strategi pra-latihan teoritis untuk AI, penemuan makrokosmos menangani cabaran kritikal yang berkaitan dengan pemampatan data dan model, seperti yang terperinci dalam kertas putih mereka yang dikeluarkan pada hari Jumaat. Di tengah -tengahnya terdapat visi yang mengulangi bagaimana kecerdasan dibina dan yang mengambil bahagian dalam proses itu.

"Kami berfokus dan bersemangat untuk mewujudkan teknologi yang berpusat yang berpusat yang mampu bersaing dengan makmal berpusat," tulis Macrocosmos CTO Steffen Cruz dalam jawatan di X.

Apa itu AI yang terdesentralisasi dan mengapa ia penting? ----------------------------------------------------

Sebelum menyelam ke dalam latihan, mari kita memahami perbezaan utama antara AI tradisional dan AI yang terdesentralisasi. Ringkasnya, AI yang terdesentralisasi bermaksud latihan model AI tidak berlaku di satu lokasi atau di bawah satu kawalan syarikat. Sebaliknya, ia tersebar di seluruh rumah, makmal, kampus, dan pelayan di seluruh dunia. Sama seperti Bitcoin desentralisasi wang dari bank berpusat, Bittensor dan makrokosmos bertujuan untuk mendemokrasikan kecerdasan itu sendiri.

Ini penting kerana AI semakin mempengaruhi kehidupan kita. Ia menentukan berita yang kita lihat, produk yang kami tawarkan, bagaimana kami membeli, berinteraksi, bekerja, dan juga disewa. Memusatkan kuasa ini dalam beberapa sistem pengkomputeran rahsia menimbulkan risiko kepada privasi, keadilan, dan inovasi. Dengan membuka sistem ini kepada penglibatan awam, AI yang terdesentralisasi menyediakan bentuk penjajaran baru-di mana pengguna menjadi pencipta bersama.

"Bukan sahaja usaha penyelidikan baru ini untuk makrokosmos dan Bittensor, tetapi ia adalah sesuatu yang lebih mendalam dan lebih peribadi kepada kami," kata Cruz. "Kami adalah saintis, penyelidik, dan pemaju."

Memahami Swarm AI dan Latihan Pra

Latihan Swarm, yang dilaksanakan oleh makrokosmos melalui IOTA, menarik inspirasi dari alam semula jadi. Sama seperti kawanan lebah, sekolah ikan, atau kawanan burung yang menavigasi tanpa kawalan pusat, subnet inovatif ini membolehkan beribu -ribu mesin bebas untuk bekerjasama dalam melatih satu model AI yang besar.

Daripada memerlukan setiap peserta rangkaian untuk memuat turun dan menjalankan keseluruhan model -permintaan yang mahal dan tidak praktikal -macrocosmos menggunakan paralelisme model. Setiap ahli subnet -dirujuk sebagai pelombong sejak tindakan mereka "lombong" insentif kewangan yang memberi manfaat kepada seluruh rangkaian -latihan hanya satu segmen model, biasanya beberapa lapisan rangkaian saraf. Apabila data bergerak melalui lapisan individu ini, setiap pelombong memproses bahagiannya dan meneruskan output. Pemeriksaan Swift Reverse menilai sejauh mana model dan menyesuaikan pembayaran pelombong dengan sewajarnya.

Kaedah ini bukan semata -mata lebih cekap daripada pendekatan berpusat -ia lebih inklusif. Tidak seperti kaedah tradisional yang memerlukan perkakasan teratas, seni bina ini membolehkan kedua-dua peserta rendah dan tinggi menyumbang secara bermakna. Ini membongkar halangan yang memelihara komuniti sumber terbuka di pinggir latihan model AI.

Latihan AI yang berpusat di Versus Desentralisasi

Untuk memahami perbezaan antara latihan model AI konvensional dan apa yang dilakukan oleh makrokosmos, grafik ini menawarkan perbandingan bersebelahan yang berguna:

Dalam latihan berpusat, satu model berpecah kepada lapisan yang saling berkaitan di seluruh GPU dalam satu pusat data. Segala-galanya mengoptimumkan sambungan tempatan berkelajuan tinggi. Walau bagaimanapun, persediaan ini mahal, eksklusif, dan ditutup.

Sebaliknya, latihan swarm yang terdesentralisasi menyebarkan lapisan model yang berbeza di seluruh rangkaian penyumbang atau pelombong global. Setiap peserta mengendalikan sebahagian daripada beban kerja dan hasil saham dengan orang lain. Sistem Swarm sering mengintegrasikan semua bahagian ke dalam model bersatu. Daripada bergantung kepada kluster pengiraan besar -besaran, ia memanfaatkan pelbagai peranti yang bersambung -dari GPU desktop peribadi kepada persediaan perindustrian yang lebih besar.

Hasilnya? Kos yang lebih rendah, ketelusan yang lebih besar, dan model AI yang dibuat oleh ramai, bukan sedikit.

Apa yang menjadikan alkimia ai ini mungkin

Namun, model latihan dengan cara ini memberikan cabaran. Jalur lebar internet tertinggal di belakang optik serat di dalam pusat data. Peserta yang terdesentralisasi boleh memutuskan sambungan, cuba mengeksploitasi sistem insentif, atau pergi luar talian tanpa diduga.

Walaupun beberapa isu terletak di luar kawalan Macrocosmos, mereka telah membuat penyelesaian yang elegan untuk masalah yang berpotensi mengenai insentif dan ganjaran pelombong. Rangkaian IOTA baru mereka menangani tiga halangan utama:

1. Bantuan jalur lebar: Teknik mampatan khusus mengurangkan penghantaran data sehingga 128 kali, membolehkan penyegerakan walaupun pada kelajuan internet rumah.
2. Toleransi Kesalahan: Strategi yang bernama Butterfly All-Reduce memastikan kemas kini model purata dan mengesahkan merentasi banyak penyumbang bebas, menghalang mana-mana putus sekolah dari menghentikan sistem.
3. Ganjaran adil: Setiap penyumbang mengukur kesan dengan tepat, menggunakan sistem ganjaran berdasarkan berapa banyak orang (atau komputer) membantu rangkaian mencapai matlamat dengan mengira sumbangan yang unik. Usaha yang jujur ??menerima pampasan yang telus dan berkadar.

Mengapa Latihan Pre Pre yang terdesentralisasi sekarang

Dalam klip video ini, pengasas bersama firma Cruz dan Will Squires menjelaskan mengapa perkara latihan yang terdesentralisasi dan bagaimana ia membuka bab baru untuk AI.

Ini melampaui peningkatan teknikal -ia adalah transformasi falsafah yang mendalam. Selama bertahun -tahun, inisiatif AI yang terdesentralisasi bergantung pada latihan berpusat di belakang tabir. Macrocosmos beralih paradigma itu.

"Masa telah tiba bagi kami untuk maju sebagai komuniti dan menghadapi cabaran baru dalam latihan model. Ini penting untuk Bittensor. Pesaing ditutup," kata Cruz.

"Kami melebihi prestasi negara-negara, dengan ketat yang ditandai dengan kemajuan kami, dan terperinci penemuan kami di dalam kertas putih kami. Ini adalah percubaan yang luar biasa, mendorongnya jauh melebihi reka bentuk awalnya."

Inisiatif ini untuk mengedarkan pengiraan dan pemilikan AI kepada semua orang melalui latihan swarm membayangkan masa depan di mana AI tidak dimonopoli oleh entiti elit sementara sisa meneteskan ke massa. Ia adalah usaha kolektif yang kita bina bersama.

Macrocosmos sedang memindahkan latihan terdesentralisasi dari taman -taman tertutup Big Tech ke tempat terbuka. Sekiranya berjaya, model AI yang akan datang mungkin tidak berasal dari OpenAI, Google, atau Meta -tetapi dari sekumpulan kami.

Forbesmost Americans Mahu AI Desentralisasi, Tidak Dikawal oleh Big Tech oleh Tor Constantino, MBA

Atas ialah kandungan terperinci Kecerdasan Swarm membentuk semula bagaimana AI dilatih. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!