比特派官网app下载安卓|去中心化机器学习:Gensyn 如何利用 DLT 训练 AI 模型

作者: 比特派官网app下载安卓|去中心化机器学习:Gensyn 如何利用 DLT 训练 AI 模型
2024-04-10 21:15:42

作者 Tim Fries 和本网站 The代币ist 均未提供财务建议。 在做出财务决定之前,请查阅我们的网站政策。

就在宣布在伦敦开设新的国际办事处后,a16z 加密货币也宣布了最新的投资。 这家风险投资公司领投了 Gensyn 的 3,425 万英镑(4,300 万美元)A 轮融资,Gensyn 是一家寻求利用区块链技术来训练人工智能模型的公司。

此前,Galaxy Digital 在 2022 年 3 月的 Gensyn 种子轮融资中提供了 650 万美元。资深计算机科学和机器学习专家 Ben Fielding 和 Harry Grieve 于 2020 年创立了该公司。其他著名投资者包括 CoinFund、Protocol Labs、Canonical 加密货币和 Eden Block。

财务上的推动无疑将使公司从目前上市的两名员工,即联合创始人中成长起来。 随着 ChatGPT 闯入主流并点燃 AI 之火,Gensyn 的机器学习计算协议终于可以作为软件工程师和研究人员的分布式云计算现收现付模型起飞。

推荐阅读 1

立即加入的 5 个最佳加密货币社区

19分钟前 2

由于看跌情绪持续,机构投资者从加密货币资产中撤出 8800 万美元

53分钟前

机器学习的去中心化信任层

与人工智能交互的区块链通常被认为是低效的。 毕竟,区块链在许多需要验证它们的网络节点之间提供不可变的记录,但人工智能模型需要高数据吞吐量和频繁更新。

同时,如果计算任务是可验证的并且可以跨全球硬件提供支持,那将是非常有益的。 正如 Gensyn 联合创始人 Harry Grieve 所说,a16z 将总部位于英国的 Gensyn 视为提供“机器学习的去中心化信任层”所需的突破。

就像比特币消除了对可信第三方创造可靠货币的需求一样,Gensyn 的点对点 (P2P) 网络旨在消除云计算的中介作用。 即,反对 Amazon Web Services (AWS) 等寡头垄断企业。

截至今天,亚马逊在以太坊的节点托管份额甚至更高,为 64.7%。 图片来源:梅萨里。

Gensyn 的网络协议努力通过连接世界上所有未使用的计算设备来实现这一目标。 这包括用于视频游戏的消费类 GPU、用于挖矿的定制 ASIC,以及作为集成电路常见于智能手机和平板电脑上的片上系统 (SoC) 设备。

特别是,消费类 SoC 设备对机器学习(即训练神经网络)的需求很高。 它们在单个微芯片上集成了多个组件——内存、CPU、GPU 和存储。 这种紧凑性提供了可扩展性,因为它们可以为分布式系统形成计算集群。

但是区块链网络本身不会减慢这样的系统吗?

Gensyn 是否可扩展?

与以太坊或 Solana 一样,Gensyn 的网络是第 1 层权益证明协议网络。 更准确地说,它基于构建区块链的框架,称为 Substrate 协议,允许网络节点之间在对等基础上进行通信。

根据 Gensyn 对协议性能的 Python 模拟,修改后的国家标准与技术研究院 (MNIST) 是一种广泛用于机器学习的数据集,与本机运行时相比显示出较低的开销。

Harry Grieve 告诉 Decrypt,Gensyn“在验证开销方面具有无限的规模和超低的成本。” 要解决的核心问题是有一个可以执行任意小计算的去信任共识机制,克服六个 GHOSTLY 问题:

  • 通用性——无论自定义架构或数据集如何,ML 开发人员都需要接受经过训练的神经网络。
  • 异构性——在不同的操作系统上使用不同的处理架构。
  • 开销——计算验证必须具有可忽略的开销才可行。 举个例子,Gensyn 指出,与使用 Nvidia GPU(例如 V100 Tensor Core)的 AWS 相比,将以太坊用于 ML 会产生约 7850 倍的计算开销。
  • 可扩展性——专用硬件阻碍了可扩展性。
  • 无信任——如果不消除对信任的需求,则扩展就不会发生,因为需要信任方来验证工作。
  • 延迟——训练神经网络需要低延迟,因为高延迟会对推理产生负面影响。 推理是指经过适当训练的机器学习模型可以对新输入的数据做出真实世界的预测。

简而言之,Gensyn 的目标是创建这样一种激励结构,以允许“机器学习计算的单位成本达到其公平的平衡。” 根据他们的预测,这将使 Gensyn 甚至超过 AWS。

Gensyn 对现实世界竞争领域未来表现的预测。 图片来源:Gensyn.ai

最后,如果人工智能要成为每个人生活的一部分,那么如果他们的模型是在不信任的情况下训练的,那将是有益的。

“我们可以信任社区拥有和运营的软件,而不是信任公司,将互联网的管理原则从“不作恶”转变为“不能作恶”。”

a16z 加密货币负责人 Chris Dixon。

你相信公司会以合乎道德的方式进行 ML 培训吗? 请在下面的评测中告诉我们。

关于作者

Tim Fries 是 The代币ist 的联合创始人。 他拥有理学学士学位。 密歇根大学机械工程学士学位,芝加哥大学布斯商学院工商管理硕士学位。 Tim 曾在 RW Baird 的美国私募股权部门担任投资团队的高级助理,同时也是专业从事传感、保护和控制解决方案的投资公司 Protective Technologies Capital 的联合创始人。