
 
 コンピューティングパワーをどのように人々が実際に取引するかから機械に学ぶようにすると、最適化のルールでプログラミングするのではなく、どうなりますか? コンピューティングパワーをどのように人々が実際に取引するかから機械に学ぶようにすると、最適化のルールでプログラミングするのではなく、どうなりますか? Menlo Parkのスタートアップは、その答えが企業がGPUリソースにどのようにアクセスするかを再構築する可能性があると賭けている。10月21日、同社は、AIシステムを実際の人間の競売行動に訓練する市場プラットフォームを発表し、CEOのAndrew Sobkoがコンピュータ経済の「生きている基準」を創出した。 アルゼンチン AI The timing matters. The 2035年までに8116億ドルに達すると予測され、2025年の2541億ドルの基準から年間41.39%増加するが、この拡大にもかかわらず、アクセスは集中している。 ブロックチェーンの活動は年々86%増加し、代替案の需要を示している。Argentumは、市場だけではなく、アルゴリズムだけが計算分配を決定すべきであるという別の論文でこの風景に入ります。 グローバルGPU市場 分散型コンピューティングプラットフォーム 人間の取引パターンは、純粋な最適化よりもAIの意思決定を向上させることができるだろうか? 企業は自律的な価格設定よりもアドバイザーシステムを信頼するだろうか? 行動に訓練された市場は、行動信号がより複雑になるにつれて透明でいられるだろうか? 何が「Live Benchmark」を異なるのか Argentum は、AI システムをトレーニングするために 2 つのデータ ストリームを処理します。第一に、投稿、オファー、キャンセル、エスロウ、支払いを含む検証された連鎖市場活動。第二に、ランタイム、効率性、エネルギー消費を報告するコンピュータノードから暗号的に署名された実行テレメトリーです。 違いはコンピュータ市場で重要です。伝統的な最適化モデルは、需要曲線を予測し、歴史的なパターンに基づいて価格を設定します。Argentumのアプローチは、注文書の深さ、オファー受け入れ比率、ストッキング行動を追跡して、信頼性と信頼性をリアルタイムで評価します。 行動学習は複雑さを導入します。 市場は、参加者が互いに学び、AIの提案から学ぶように進化します。 これは、今日の取引パターンが明日の推奨に影響を与え、その後将来の行動を形作る反復的なフィードバックループを作成します。 プラットフォームは、この適応が時間とともに意思決定を強化すると主張しますが、AIのトレーニングデータが絶えず変化していることを意味します。 The Human Approval Layer: Necessity or Bottleneck(人間の承認層:必要性またはボトレーネック) すべてのArgentum勧告は、実行前に人間の承認を必要とします。信号に即座に反応する自律的な取引システムとは異なり、Argentumは自分自身を厳密にアドバイスとして位置づけます。ユーザーは提案をレビューし、根底にある推論を確認し、継続するかどうかを決定します。これは人間のコントロールを維持しますが、時間に敏感なコンピュータオークションに遅延を導入します。 THE 他の分野でも有効であることが証明されています。 完全自動化されたシステムと比較して、AIの能力と人間の監視を組み合わせた場合の精度向上は25〜40%です。医療において、ハイブリッドシステムは、乳がんのような状態を特定する際に、人間の医師と機械学習モデルだけでも優れている。 ヒューマン・イン・ザ・ループ・アプローチ 企業レポート スピードは判断に反する。 すでに Thunder Compute のようなプロバイダーが A100s の広告を 1 時間あたり 0.66 ドルで表示し、80% までハイパースケールを削減しています。競争の激しい環境では、数分間の遅延は機会を失うことを意味します。Argentum のモデルは、より良い決定が少し遅い実行を正当化することを前提としています。企業がこの妥協を受け入れるかどうかは、作業負荷の敏感性とリスク容忍性に依存します。 GPUスポット市場 暗号化による透明性、単なる主張ではない Argentumは、暗号的に署名された実行証明書と過剰な検証を実行することで透明性を強化します。これにより、参加者はAIがどのようなデータをトレーニングし、具体的な勧告がどのように生成されたかを追跡することができます。 透明性は、行動データが意思決定を促進するときに重要になります。AIが取引パターンから学ぶ場合、参加者は、これらのパターンを偏見の推奨に操作することができないことを確認する必要があります。暗号化の証拠は、何が起こったか、いつ、どのような条件下で不変な記録を作成することによって、この保証を提供します。 このアプローチは、企業がプロバイダーの公平性と正確性に関する主張を信頼する不透明な最適化モデルと対照しています。 2024年に現在1220億ドルで評価され、2033年までに3950億ドルに達すると予想され、企業が集中コントロールの代替手段を求めているため、まさに成長している。 decentralized AI compute market(分散型AIコンピュータ市場) 市場コンテキスト:ArgentumがCompute Landscapeに適合する場所 THE 2023年には323億ドルで評価され、2032年までに49億84億ドルに達し、35%の成長率を示す見通しです。北米は39.63%の市場シェアを占め、既存のプロバイダーと重いAIの採用によって推進されています。しかし、この成長は構造的な問題を隠しています: HBM3Eメモリ、2025年までに完全に予約された生産ライン、そして柔軟性を制限するベンダーロックイン。 サービス市場としてのGPU 供給制限 反応として分散型プラットフォームが現れた。 peer-to-peer市場におけるプロバイダーと消費者を接続し、従来のクラウドと比較してコストを最大80%削減します。 これらのプラットフォームは、代替案の需要を示しているが、それ自身の課題に直面している:分散された流動性、不一致な品質、および信頼性のリスクが認識されるため、企業の採用が限られている。 Akash ネットワーク ゴールネットワーク Argentumは、ハイパースケーラーと完全に分散型ネットワークの間に自分自身を位置づけています。透明な価格設定と検証可能な実行でGPUワークロードのスポット市場を作成しますが、伝統的な分散型プラットフォームに欠けている行動学習層を追加します。AIは、総合的な市場活動からより良い戦略を提案し、理論的にすべての参加者の結果を改善します。このハイブリッドアプローチがトラクションを得るかどうかは、実行品質に依存し、企業が既存のプロバイダーから切り替えるのに十分な利益を見るかどうかです。 テクニカル実装とそれがユーザーにとって何を意味するか プラットフォームは、実際のパフォーマンスの結果を通じて効率性を測定します:価格の低減、タスクの完了率の増加、および平均GPU時間コストの低下。これらのメトリクスは、新しい市場を採用するかどうかを評価する企業にとって重要な財務的影響に直接関連しています。 これは、より多くの参加者がより良いデータを生成するネットワーク効果を生成し、より正確な提案を生成し、より多くの参加者を魅了します。課題は、重要な量に達することです。初期のユーザーは、システムを効果的に彼らの行動で訓練しますが、データセットが小さい場合に直ちに利益を見ることができません。 同社は、各提案は合理性と信頼性の指標が伴うと主張しています。これはデバッグと信頼性の問題です。勧告が失敗した場合、ユーザーは理由を理解するために推論を追跡することができます。 競争力と市場定位 Andrew Sobkoは、同社のビジョンを説明しています。 
 
 「Argentum AI Marketplaceは、すべての企業、研究者、およびビルダーにGPUの流動性に平等なアクセスを提供し、AI時代の公正で無制限で効率的なスポットマーケットを作成します。 「Argentum AI Marketplaceは、すべての企業、研究者、およびビルダーにGPUの流動性に平等なアクセスを提供し、AI時代の公正で無制限で効率的なスポットマーケットを作成します。 資本市場の類似性は重要です。金融市場は、標準化、透明性、行動学習を通じて数十年にわたって流動性を達成しました。 その答えは、行動学習が純粋な最適化よりも効果的であるかどうかに部分的に依存します。 ハイブリッドアプローチは、複雑な意思決定環境において人間または機械だけで優れていることを示唆しているが、コンピュータ市場には独自の特徴がある:高度に変化するワークロード、急速に変化する供給制限、および異なるリスクプロフィールと技術的要件を持つ参加者。 最近の研究 競争相手は問題に異なるアプローチをする。 AWS や Azure のようなプラットフォームは安定性と統合を提供しますが、プレミアム価格を請求します。純粋な分散型プラットフォームは低コストを提供しますが、質は変化します。Argentum は、行動学習と人間の監督がどちらの極端よりも良い結果を生み出す中間地点があると賭けています。 ハイパースケール 倫理的設計とガバナンスの問題 Argentumは、自主的または不透明な意思決定システムを拒否することにコミットし、代わりにオープンメトリクス、監査可能なプロセス、およびコミュニティベースのガバナンスを強調します。 大規模なプロバイダーが常に小規模なプロバイダーを支援し、それらを市場から追い払うシナリオを考えてみましょう。このプラットフォームのAIは、この戦略に対して多様性を維持することを推奨すべきですか?それとも、市場構造の影響に関係なく、ユーザーの結果のために純粋に最適化すべきですか?これらの質問には明らかな答えはありませんし、競合する価値をバランスを取るためのガバナンスフレームワークが必要です。 倫理的設計フレームワークはまた、データの使用にも取り組んでいます。AIを訓練する行動データを誰が所有しているのですか?参加者はトレーニングセットへの貢献を拒否できますか?誰かの取引パターンが競争相手に利益をもたらす洞察を生成するために使用される場合に何が起こりますか?Argentumの暗号化検証は、どのようなデータが使用されたかについて透明性を提供しますが、統治はそのデータがどのように利用されるかを決定します。 データが実際に示すもの THE 2024年には317億ドルと推定され、2033年までに470億ドルに達し、年間35%増加すると予想されています。この拡大は、業界全体でAIトレーニング、機械学習推論、高性能コンピューティングの需要の増加を反映しています。 幅広い差異を示す:一部のプロバイダはA100時間あたり0.66ドルを請求する一方で、他のプロバイダは同様のリソースで3.00ドルを超える。 GPU クラウドコンピューティング市場 データセンターGPU価格 この価格効率の低下は、Argentumのターゲットの機会を表します。行動学習が、参加者がより良い価格のリソースを特定したり、競売戦略を最適化するのに役立つ場合、わずかな改善さえもスケールで迅速に拡大します。平均GPUコストの10%削減は、予想されるコンピューティング支出によって企業に年間数百万を節約します。 早期の有効性データは極めて重要である。プラットフォームは、AIが推奨する戦略が、学習曲線と切り替えコストを正当化するのに十分なマージンで手動の意思決定を上回ることを示す必要があります。 行動学習の約束と限界 市場は、参加者が最適化アルゴリズムがしばしば欠けている方法で互いの行動に反応する複雑な適応システムである。 しかし、いくつかの懸念は注意を払う必要がある。第一に、行動学習は、フィードバックループが非最適なパターンを強化する場合、市場の不効率を抑制するのではなく強化することができる。初期の参加者が特定の条件下で動作するための戦略を採用する場合、AIは、これらの戦略を広く推奨し、状況が変化するときに失敗する可能性があります。「ライブベンチマーク」コンセプトは、学習が方向的かつ累積的であると仮定しますが、市場はしばしば過去のパターンが予測力を失う状態で体制の変化を示します。 第二に、人間の承認層は、急速に動くスポット市場における競争力を損なう可能性のある遅延を導入する。 多くの分野で価値を示すために、コンピュータの競売はしばしば数分または数秒で解決します。人々が勧告をレビューし、行動を承認するのに必要な時間は、特に自律的な取引システムとの競争時にチャンスを失うことを意味するかもしれません。 Human-in-the-loop システム 第三に、暗号化証拠による透明性は技術的検証に対処するが、解釈性の課題を解決しない。参加者は、特定のデータが特定の勧告を生み出したことを確認することができるが、これらの勧告が複雑な行動パターンから生じた理由を理解することは困難である。 言い換えれば、このアプローチはコンピューティング市場における真のギャップを埋める。現在のオプションは、予測可能なパフォーマンスを持つ高価なハイパースケーラーと変数品質の安価な分散型プラットフォームの選択を強制する。市場効率と学習ベースの最適化を組み合わせた中間コースは、コスト節約と信頼性の両方を求める企業を魅了する可能性がある。 行動計算市場の次に何が来るか Argentumの発売は、ハイブリッドコンピューティング市場への幅広い傾向の実験の1つです。 AIOZネットワークやアカッシュネットワークなどのプロジェクトが重要な開発者活動を引き寄せており、コンピュータ経済は、コスト、コントロール、パフォーマンスを異なる方法でバランスを取るより多様なモデルに向かって、ハイパースケールの支配から分散化している。 分散型物理インフラネットワーク 行動学習がコンピュータ市場で標準になるかどうかは、近期的な結果に依存します。Argentumが価格効率とタスク完了率の測定可能な改善を示している場合、競合相手は同様のアプローチを採用します。 長期的な問題は、コンピューティング市場が金融市場の流動性と標準化の向上に向かう軌道に従っているかどうかである。金融市場は何世紀にもわたって進化し、清算メカニズム、標準化された契約、効率的な資本配分を可能にする規制枠組みを開発してきた。 最終思考 Argentum AIの発売は、コンピュータ市場における根本的な緊張を強調しています:効率性と公平性、スピードと監視、最適化と透明性の両方の必要性。 「ライブベンチマーク」のコンセプトは、コンピュータ市場が静的最適化の問題ではなく、参加者が適応し学習する進化する生態系であることを認識しているため、魅力があります。しかし、適応型学習は、特にフィードバックループや体制の変化の周りに、独自のリスクを導入します。 2025年にGPU調達戦略を評価する企業にとって、Argentumは監視に値する追加のオプションです。プラットフォームは、既存のハイパースケーラーや完全に分散された代替手段をすぐに置き換えることはできないが、市場のダイナミクスから恩恵を受けるワークロードのニッチを満たすことができ、絶対的な最低コストを必要としない。 ストーリーを気に入ってシェアすることを忘れないでください! 
 
 この著者は、当社のビジネスブログプログラムを通じて出版する独立した貢献者です HackerNoonは、品質のためのレポートをレビューしましたが、ここに記載されている主張は著者に属します。 この著者は、当社のビジネスブログプログラムを通じて出版する独立した貢献者です HackerNoonは、品質のためのレポートをレビューしましたが、ここに記載されている主張は著者に属します。 ビジネスブログプログラム ビジネスブログプログラム

This story contains new, firsthand information uncovered by the writer.

The writer was physically present in relevant location(s) to this story. The location is also a prevalent aspect of this story be it news or otherwise.

Hot off the press! This story contains factual information about a recent event.

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

このオーディオは、ストーリーの元の言語で制作されています。

長すぎる; 読むには

Download free Tech Leaders Productivity Report!

Argentum AIが資本市場のように流動性の高いGPUアクセスを計画する方法

About Author

コメント

ラベル

この記事は

Related Stories

暗号通貨の成長: 効果的なユーザーペルソナの作成

HackerNoon Coded: HackerNoonが最も活発に活動している上位10カ国

フロキのヴァルハラがインドのスリランカツアーのアソシエイトスポンサーに加わる

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

暗号通貨の成長: 効果的なユーザーペルソナの作成

HackerNoon Coded: HackerNoonが最も活発に活動している上位10カ国

フロキのヴァルハラがインドのスリランカツアーのアソシエイトスポンサーに加わる

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps