AI与加密:发现先锋团队和项目
开源和闭源AI模型的优劣之争日益激烈,但随着加密网络的发展,人们开始探讨如何利用加密网络加速AI发展。一些团队已经开始在分布式计算网络上训练AI模型,并建立开源的机器学习协调平台。此外,还有团队致力于构建AI代理或链上代理网络,以加速加密网络上的经济活动。这些发展为AI和加密网络带来更多可能性,例如Bittensor和其他协调平台的重要性,以及Autonolas允许开发人员将代理和相关服务创建为NFT。预计代理与链上协议交互的数量将继续增长,特别是通过共享图形结构。许多团队也专注于AI系统的数据组件。 摘要由 Mars AI 生成 本摘要由 Mars AI 模型生成,其生成内容的准确性、完整性还处于迭代更新阶段。
关于集中式、闭源式 AI 与分散式、开源式 AI 孰优孰劣的争论愈演愈烈。无数帖子对这一话题的双方都进行了辩论,而扎克伯格最近发布的(开源)Llama 3.1 模型更是火上浇油。
从历史上看,开源 AI 一直落后于闭源 AI。OpenAI 和其他公司已经能够利用巨大的规模经济,这些规模经济催生了这些实验室中创建的广泛使用的前沿模型。这给开源社区带来了艰巨的挑战,即构建和发现他们可以竞争的竞争维度,并为大型 AI 实验室提供可行的替代方案。从 AI x Crypto 的交集的角度来看,这个挑战可以被认为是“加密网络如何加速 AI 发展”?
但是,在去中心化和分布式加密/计算网络的背景下,人工智能发展意味着什么?目前,我认为这在很大程度上仍是一个悬而未决的问题。然而, @_jamico 对此有一个很好的框架,我倾向于同意这个框架:“突破将来自利用这些 [分布式] 网络的新颖性的新模型 [架构],而不是试图缓解它们。”许多团队现在正在努力做到这一点。
ML 模型训练 – 集中式与分散式
@PrimeIntellect 是一支致力于解决这些问题的团队,最近还发布了分布式训练领域的开源成果。他们的工作是 Google DeepMind 研究的延伸,专注于扩展一种名为分布式低通信 (DiLoCo) 训练的分布式训练形式。这种方法利用地理上分散的 GPU 集群来训练 1.1B 参数的 LLM。他们的研究中发现了许多有趣的细节(I我已经在单独的主题中介绍了这一点,Prime Intellect 有一篇很棒的博客文章/论文, @0xPrismatic 也是如此;如果您有兴趣,请查看这些文章),但我认为这是加密网络如何用于加速 AI 开发的典型示例,同时利用 Jeff 所说的这些网络的新颖性。
我曾经坚信,机器学习模型训练应该留给那些拥有大规模、共置 GPU 集群的人。但有了这些结果和小型模型的潜在潜力,我将继续密切关注这一领域。
开源、协作的 AI 社区相对于集中式社区的一个优势是实验空间。分散式计算网络将在这方面发挥作用,但协调平台(如 @opentensor 也将发挥作用。现在关注 AI x Crypto 领域的每个人都可能知道 Bittensor(s/o @Old_Samster )。如果你不熟悉它,给他发私信,并留出你一天中整整 6 个小时的时间,他会告诉你所有关于它的信息。
Bittensor 等平台为机器学习研究人员和工程师提供激励/补贴,让他们专注于在不同垂直领域部署、调整和测试模型。就在几天前,一个新的子网 ( @BitMindAI ) 启动,试图开发用于检测 AI 生成媒体的最佳模型。仅在 Bittensor 上,就有一组不同的子网,它们都拥有不同的专业领域。
尽管我认为 Bittensor 在应用/价值获取方面仍面临一些挑战(TBD如果即将到来的技术升级能解决这个问题),但我预计构建开源 AI 系统的社区将继续利用 Bittensor 和其他协调平台。发展和维持强大的开发者活动对于这些平台至关重要。
从机器学习模型到人工智能代理
以上各节展示了加密网络如何加速 AI 的发展。AI 代理或链上“代理网络”突出了 AI 可以加速加密网络上经济活动的另一种情况。
在这个领域,越来越多的团队正在建设。其中两个是 @AIWayfinder 和 @autonolas 。Wayfinder 协议是 @ParallelTCG 团队为他们的 Colony 游戏构建的工作的概括。有很多东西需要解开(我们在报告中做了),但 Wayfinder 应该出现的是将链上协议/智能合约有效地映射到一个类似图形的结构上,AI 代理可以使用它来安全地浏览链上世界。考虑到它可能产生的网络效应,这是一个引人注目的设计。
Autonolas 允许开发人员将代理和相关服务创建为 NFT,从而在其系统内创建可组合性并成为链上所有权的一种方式。他们的 Mech 实际上是代理可以利用的技能,以完成手头的任务。在报告中,我们讨论了他们目前的一些链上足迹,但 @jphackworth42 对此有一个很棒的帖子,非常值得一读。
从更广阔的角度来看,我预计代理与链上协议交互的数量将继续增长。代理存储和共享知识的复合特性(即通过共享代码/软件进行扩展),尤其是通过 Wayfinder 正在构建的共享图形结构,应该有助于这些代理系统快速扩展。这是我计划花更多时间深入研究的 AI x Crypto 堆栈领域,因此如果您正在此领域构建,请直接发信息给我。
事实上,尽管上面讨论的是该领域中一些更引人注目的领域/项目,但我知道在 AI x Crypto 堆栈中还有一些令人兴奋的领域我没有讨论过。例如,有很多优秀的团队专注于 AI 系统的数据组件。
我总是很乐意聊天/了解这个领域的新项目,所以如果我错过了你的项目/你认为正在构建很酷的东西的项目,请随时给我发 DM。
免责声明:文章中的所有内容仅代表作者的观点,与本平台无关。用户不应以本文作为投资决策的参考。