כאשר AI ו- blockchain מתכנסים, פרויקט אחד עומד בצומת של המהפכה הזאת: OpenLedger.עם הבטחות של חינוך מודל מעורב, גיוס נתונים תגמול, וכלכלות סוכני כוח, OpenLedger דוחפת לעבר עידן חדש של AI שקוף וקהילה בבעלות. בראיון זה, ישבנו עם התורם העיקרי Kamesh כדי להבין את העקרונות, החידושים ואת מפת הדרכים הבסיסית של OpenLedger תזה ייחודית. היי קאמש, זה תענוג לברך אותך בסדרת "אחורי ההתחלה" שלנו.האם אתה יכול להתחיל על ידי לספר לנו על עצמך וכיצד אתה התחיל להיות מעורב עם OpenLedger? Ishan Pandey: היי Ishan, אני תורם מרכזי ב- OpenLedger. לפני OpenLedger, עבדתי בחברת מחקר ופיתוח AI / ML שבה עבדתי עם לקוחות ארגוניים כגון Walmart, Cadbury ועוד. היו כמה בעיות עיקריות שראינו בסגנון AI, כלומר מודלים של קופסאות שחורות וחוסר שקיפות, ואין דרך לדעת אילו נתונים הובילו למסקנה ספציפית. Kamesh: OpenLedger ממוקם כ"בלוקצ'יין שנבנה עבור AI".האם אתה יכול ללכת אותנו דרך הפער בתשתית הנוכחית OpenLedger מנסה לפתור ולמה רגע זה בזמן הוא קריטי? Ishan Pandey: כפי שהוזכר קודם לכן, חברות מרכזיות הכניסו את מודל ה-AI שלהם לנתונים של משתמשים ללא אישורים וקיבלו מיליארדי דולרים מבלי לשלם לאף אחד בצורה הוגנת. ב-OpenLedger, כל שלב של הכשרה, מקור נתונים ועדכון מודל משאיר עקבות שכולם יכולים לבדוק. זה חשוב עכשיו כי אנשים מבקשים עצה פיננסית, הצעות בריאות ואפילו כיסוי בחירות. בעוד מתמודדים עם נושאים רגישים כאלה, חשוב לוודא שהמודל משתמש בנתונים מדויקים ולא מעצבן. Kamesh: אחד הרעיונות שאפתניים יותר מאחורי OpenLedger הוא ליצור תגמולים מבוססי הקשר עבור תרומות נתונים ומודל. Ishan Pandey: תחשבו על היסטוריית שרשרת משותפת שמקלטת כל ערכת נתונים ושינוי מודל יחד עם הארנק ששלח אותו. בכל פעם שהרשת מכינה גרסה חדשה או מגיבה לשאילתה של משתמש, היא מסתכלת אחורה דרך ההיסטוריה כדי לראות אילו תרומות השתתפו. Kamesh: בואו נדבר על Model Factory ו-OpenLoRA. מנקודת מבט טכנית, איך כלים אלה בנויים כדי להתמודד עם שיתוף משאבים, מכשירי GPU בבקבוקים, ואת הדרישות של איטרציה של מודלים בקנה מידה? Ishan Pandey: תחשבו על Model Factory כפלטפורמה ללא קוד שבה כל אחד יכול להסתגל למודל שפה מיוחדת מבלי לשכור מרכז נתונים שלם. אתה בוחר מודל בסיס ומבחן את הפרמטרים. כאשר ההסתגלות שלך מסיימת, היא מאוחסנת כמו מתאם LoRA קל, כך גירסאות רבות יכולות לחיות לצדדים מבלי לאכול כמויות עצומות של זיכרון או רוחב פס. OpenLoRA מאוחר יותר מאפשר לך לחבר את המתאימים האלה למודל בסיס משותף במהלך ההערכה, כך GPU יחיד יכול לעבור בין עשרות התמחות, המאפשרת iteration בקנה מידה. Model Factory ו- OpenLoRA הם עמודי חשובים מאוד של האקולוגיה מכיוון שהם מאפשרים לכל אחד להשתתף בפיתוח AI ללא עלות משמעותית. Kamesh: אתה גם מציג מושג שנקרא "הוכחה לזיהוי (POA)," מה בדיוק נמדד כאן, וכיצד אתה מבטיח שזה מדד אמין בהערכה של פעילות סוכן? Ishan Pandey: הוכחה לזיהוי היא האופן שבו אנו עוקבים אחר הנתונים שהשתמשו במודל כדי להגיע למסקנה ספציפית ולגמול כל תרומה משמעותית. כאשר הנתונים שלך משמשים על ידי מודל כדי ליצור תפיסה, זה נרשם בשרשרת. בכל פעם שהמשתמשים מסתמכים על המודל, חלק מההכנסות מועבר באופן אוטומטי אליך, ואת המסלול כולו פתוח לכל אחד כדי לאמת. זה מאפשר לתורמים לראות ראיות לעבודתם בשרשרת ומאפשר להם לקבל תגמול עבור זה בצורה הוגנת. Kamesh: AI royalty כעיקרון תלוי מעקב ארוך טווח ואמון.איך אתם מתכננים להתמודד עם בעיות של מודל forking, שימוש פרוקיס, ואת הקצאת ערך מתחת לסוכנים AI? Ishan Pandey: העדיפות שלנו היא להבטיח כי התורמים תמיד מקבלים פיצוי הוגן.כדי למנוע בעיות כגון דפוס מודל ושימוש ב- proxy, אנו מארחים את כל המודלים בעצמנו וגישה חיצונית תהיה באמצעות API בלבד. Kamesh: האם אתה יכול לשתף את הסדרה הבאה של קווים מפתח שאתה עובד אליהם, ומה מפתחים יכולים לצפות כאשר משתפים פעולה עם OpenLedger בשלב הנוכחי שלו? Ishan Pandey: תורמים כבר לסובב את הענפים ולהעביר נתונים אמיתיים לרשת. יש לנו כרגע מעל 4 מיליון ענפים פעילים פועלים על הטסטנט שלנו, ואנחנו רק אוחז Epoch 2. יש לנו מעל 10 פרויקטים בונים עלינו כבר, כולל חוקר לשעבר של Google DeepMind. אנחנו גם מאוד נרגשים לשתף כי אנחנו הולכים בקרוב עבור TGE שלנו ו mainnet ההשקה. Kamesh: לבסוף, כמי שמבנה תשתית טכנולוגיה עמוקה, איזה עצה היית נותן למפתחים או לחוקרים המבקשים להיכנס למסלול זה של AI מתרכז? Ishan Pandey: העצה הטובה ביותר שאני יכול לתת לאנשים היא לשמור על המוצר שלך פשוט.אנשים צריכים להיות מסוגלים להבין מה אתה עושה בדקות הראשונות. Kamesh: אל תשכחו לחבב ולשתף את הסיפור! 
 
 גילוי אינטרסים: מחבר זה הוא תורם עצמאי המפרסם באמצעות תוכנית הבלוגים העסקיים שלנו. HackerNoon בדק את הדו"ח באיכות, אך הטענות כאן שייכות לכותב. #DYO   גילוי עניין מעורר: המחבר הזה הוא תורם עצמאי המפרסם באמצעות תוכנית הבלוגים העסקיים שלנו. HackerNoon בדק את הדו"ח באיכות, אך הטענות כאן שייכות לכותב. #DYO גילוי עניין מעורר: תוכנית לבלוג עסקי

Winner of Noonies 2020 for the award Hacker Noon Contributor of the Year - DATA.

2020 - Hacker Noon Contributor of the Year in DATA

Read My Stories

האודיו הזה מופק בשפת המקור של הסיפור!

יותר מדי זמן; לקרוא

Download free Tech Leaders Productivity Report!

מאחורי ההתחלה: כיצד OpenLedger בונה מערכת אקולוגית של AI מולדת בלוקצ'יין

About Author

הערות

תלו תגים

מאמר זה הוצג ב

Related Stories

97 Stories To Learn About Quicknode

The TechBeat: How to Implement a Merkle Tree in Solidity (10/26/2023)

The TechBeat: Python's Testing Playbook: Building Bulletproof Code (1/16/2024)

The TechBeat: Investigating Internet Freedom: Unseen Aspects of Our Online Existence (1/22/2024)

97 Stories To Learn About Quicknode

The TechBeat: How to Implement a Merkle Tree in Solidity (10/26/2023)

The TechBeat: Python's Testing Playbook: Building Bulletproof Code (1/16/2024)

The TechBeat: Investigating Internet Freedom: Unseen Aspects of Our Online Existence (1/22/2024)

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps