
 
 컴퓨터가 최적화 규칙을 사용하여 프로그래밍하는 대신 사람들이 실제로 컴퓨팅 전력을 어떻게 교환하는지 배울 때 어떤 일이 일어납니까? 컴퓨터가 최적화 규칙을 사용하여 프로그래밍하는 대신 사람들이 실제로 컴퓨팅 전력을 어떻게 교환하는지 배울 때 어떤 일이 일어납니까? Menlo Park의 스타트업이자 기업이 GPU 리소스에 접근하는 방법을 재구성할 수 있다고 내기하고 있습니다.10월 21일, 회사는 AI 시스템을 실제 인간 경매 행동에 훈련시키는 시장 플랫폼을 발표하여 CEO Andrew Sobko가 컴퓨팅 경제를위한 "살아있는 기준"이라고 부르는 것을 만들었습니다. 아르헨티나 AI 타이밍이 중요합니다.The 2035년까지 8116억 달러에 도달할 것으로 예상되며, 2025년 기준 2541억 달러에서 연간 41.39%로 성장한다.그러나 이러한 확장에도 불구하고 액세스가 집중되어 있습니다.하이퍼 스케일러는 가격과 가용성을 제어하며, 블록체인 활동은 매년 86% 증가하여 대안에 대한 수요를 신호합니다.Argentum은 다른 논문으로이 풍경에 들어갑니다 : 시장, 알고리즘뿐만 아니라 컴퓨팅 할당을 결정해야합니다. 글로벌 GPU 시장 분산된 컴퓨팅 플랫폼 이 개념은 즉각적인 질문을 제기합니다.인간 거래 패턴은 순수한 최적화보다 AI 의사 결정을 향상시킬 수 있습니까?기업은 자율적인 가격 조언 시스템을 신뢰할 수 있습니까?그리고 행동에 대해 훈련받은 시장이 행동 신호가 더 복잡해질 때 투명해질 수 있습니까? 무엇이 "Live Benchmark"을 다르게 만드는가 Argentum은 AI 시스템을 훈련시키기 위해 두 개의 데이터 스트림을 처리합니다. 첫째, 게시, 제안, 취소, 에스크로 및 지불을 포함한 체인 시장 활동을 검증합니다. 둘째, 컴퓨팅 노드에서 암호화적으로 서명된 실행 텔레메리아가 실행 시간, 효율성 및 에너지 소비를보고합니다. 구별은 컴퓨팅 시장에서 중요합니다.전통적인 최적화 모델은 수요 곡선을 예측하고 역사적인 패턴에 따라 가격을 설정합니다.Argentum의 접근 방식은 주문 책의 깊이, 입찰 수락 비율 및 배팅 행동을 추적하여 신뢰성과 신뢰성을 실시간으로 평가합니다.시스템은 거래 전략, 예비 가격 수준 및 다양한 컴퓨팅 환경을 통한 워크로드 라우팅을 제안합니다. 행동 학습은 복잡성을 도입합니다. 시장은 참가자들이 서로와 AI의 제안을 통해 배우면서 진화합니다.이로 인해 오늘날의 거래 패턴이 내일의 권장 사항에 영향을 미치며 그 후 미래의 행동을 형성합니다.플랫폼은이 적응이 시간이 지남에 따라 의사 결정을 강화한다고 주장하지만 AI의 교육 데이터가 끊임없이 변화한다는 것을 의미합니다.이 안정성 또는 증폭을 생산하는지 여부는 규모에서 테스트해야합니다. The Human Approval Layer: Necessity or Bottleneck에 대한 리뷰 보기 모든 Argentum 권고는 실행하기 전에 인간의 승인을 필요로합니다. 신호에 즉시 작용하는 자율 거래 시스템과는 달리 Argentum은 자신을 엄격하게 조언자로 위치시킵니다.사용자는 제안을 검토하고 근본적인 추론을보고 진행 여부를 결정합니다.이것은 인간의 제어를 유지하지만 시간 민감한 컴퓨팅 경매에 지연을 도입합니다. 이 다른 분야에서 효과적이었음을 증명했다. 완전 자동화된 시스템에 비해 인공지능 기능과 인간 감독을 결합할 때 25~40%의 정확도 향상; 의료 분야에서 하이브리드 시스템은 유방암과 같은 상태를 식별할 때 인간의 의사와 기계 학습 모델 모두를 뛰어넘는다. 인간-in-the-loop 접근법 기업 보고서 속도는 판단에 비해 속도다. 이미 Thunder Compute와 같은 공급자가 시간당 $0.66의 광고 A100을 보았으며, 80 %까지 하이퍼 스케일러를 낮추고 있습니다.이런 경쟁 환경에서 몇 분의 지연은 잃어버린 기회를 의미 할 수 있습니다.Argentum의 모델은 더 나은 결정이 약간 느린 실행을 정당화한다고 가정합니다.기업이 이 거래를 받아들이는지 여부는 작업 부하의 민감성과 위험 관용에 달려 있습니다. GPU SPOT 시장 암호화를 통한 투명성, 단지 주장뿐만 아니라 Argentum은 암호화적으로 서명된 실행 증거와 과도한 검증 실행을 통해 투명성을 강요합니다.이로 인해 참가자는 AI가 훈련 한 데이터를 추적하고 특정 권장 사항이 어떻게 생성되었는지 추적 할 수 있습니다.The company commits to open metrics, auditable processes, and community-based governance using quadratic voting and reputation-weighted supervision. 인공지능이 거래 패턴에서 배울 경우, 참가자는 단일 배우자가 편견을 권장하기 위해 그 패턴을 조작할 수 없다는 것을 확인해야합니다. 암호화 증거는 무슨 일이 일어났는지, 언제, 어떤 조건에서 변함없는 기록을 만드는 것에 의해이 보증을 제공합니다. 이 접근 방식은 기업이 공정성과 정확성에 대한 공급자의 주장을 신뢰하는 불확실한 최적화 모델과 대조됩니다.Blockchain-based verification adds overhead but removes single points of trust. 현재 2024년에 1220억 달러에 가치가 있으며 2033년까지 3950억 달러에 도달할 것으로 예상되며, 기업들이 중앙 통제에 대한 대안을 원하기 때문에 성장했습니다.Argentum의 암호화 레이어는 중앙 컴퓨팅 풀의 효율성 향상을 유지하면서 이러한 수요를 해결합니다. Decentralized AI Computing Market에 대한 리뷰 보기 마켓 컨텍스트 : Argentum이 Compute Landscape에 적합한 곳 이 2023 년에 3.23 억 달러로 평가되었으며 2032 년까지 49.84 억 달러에 도달 할 것으로 예상되며 35.8 % 성장률을 나타냅니다. 북아메리카는 39.63 %의 시장 점유율을 가지고 있으며, 확립 된 공급 업체와 무거운 AI 채택에 의해 주도됩니다. HBM3E 메모리, 2025년까지 완전히 예약된 생산 라인, 그리고 유연성을 제한하는 공급자 잠금. 서비스 시장으로서의 GPU 공급 제한 분산된 플랫폼이 반응으로 나타났다. peer-to-peer 시장에서 공급자와 소비자를 연결하여 전통적인 클라우드에 비해 최대 80%의 비용을 절감합니다. 이러한 플랫폼은 대안에 대한 수요를 보여 주지만 자신의 도전에 직면합니다 : 분산 된 유동성, 불일치 품질 및 감지 된 신뢰성 위험으로 인해 기업의 채택이 제한됩니다. Akash 네트워크 골프 네트워크 Argentum은 하이퍼 스케일러와 완전히 분산된 네트워크 사이에 자신을 위치시킵니다. 투명한 가격 및 검증 가능한 실행으로 GPU 워크로드의 스팟 시장을 만듭니다.하지만 전통적인 분산된 플랫폼에 부족한 행동 학습 계층을 추가합니다. AI는 집계 시장 활동에서 더 나은 전략을 제안하여 이론적으로 모든 참가자를위한 결과를 향상시킵니다.이 하이브리드 접근 방식이 트랙션을 얻는지 여부는 실행 품질에 달려 있으며 기업이 확립 된 공급자로부터 전환 할 수있는 충분한 이익을 볼 수 있는지 여부에 달려 있습니다. 기술 구현 및 사용자에게 의미하는 것 플랫폼은 실질적인 성능 결과를 통해 효율성을 측정합니다: 가격 부효율이 줄어들고 작업 완료율이 높으며 평균 GPU 시간 비용이 낮습니다.이 매개 변수는 재정적 영향과 직접적으로 연결되어 있으며, 이는 기업이 새로운 시장을 채택할지 여부를 평가하는 데 중요합니다. 이것은 더 많은 참가자가 더 나은 데이터를 생성하고 더 정확한 제안을 생성하는 네트워크 효과를 창출하여 더 많은 참가자를 끌어들입니다.이 도전은 중요한 질량에 도달하는 것입니다.초기 사용자는 효과적으로 시스템을 자신의 행동으로 훈련하지만 데이터 세트가 작아지면 즉각적인 이익을 볼 수 없습니다.Argentum은 권장 사항이 신뢰할 수있게 유용해지기 전에 통계적으로 의미있는 패턴을 생성하기 위해 충분한 볼륨이 필요합니다. 이 회사는 각 제안은 논리와 신뢰 지표가 동반한다고 주장합니다. 이것은 디버깅 및 신뢰에 중요합니다. 권장 사항이 실패하면 사용자가 이유를 이해하기 위해 추적을 통해 추적 할 수 있습니다. 시간이 지남에 따라 전략이 어떤 조건에서 작동하는지 보여주는 패턴이 나타납니다.이 지식은 AI의 훈련에서 기관화되어 모든 시장 참가자들에게 유익한 공유 리소스를 창출합니다. 경쟁 역학 및 시장 위치 Andrew Sobko는 회사의 비전을 설명합니다 : 
 
 "Argentum AI 시장은 모든 기업, 연구자 및 건축가에게 GPU 유동성에 대한 동등한 액세스를 제공하여 AI 시대를위한 공정하고, 국경없고 효율적인 현장 시장을 창출합니다." "Argentum AI 시장은 모든 기업, 연구자 및 건축가에게 GPU 유동성에 대한 동등한 액세스를 제공하여 AI 시대를위한 공정하고, 국경없고 효율적인 현장 시장을 창출합니다." 금융 시장은 수십 년 동안 표준화, 투명성 및 행동 학습을 통해 유동성을 달성했습니다.컴퓨터 시장은 압축된 시간 프레임에서 동일한 경로를 따를 수 있습니까? 대답은 부분적으로 행동 학습이 순수 최적화보다 더 효과적인지 여부에 달려 있습니다. 하이브리드 접근 방식은 복잡한 의사 결정 환경에서 인간이나 기계만을 뛰어넘는 것이지만 컴퓨팅 시장에는 독특한 특징이 있습니다 : 매우 변화하는 워크로드, 빠르게 변화하는 공급 제한, 그리고 다른 위험 프로파일과 기술적 요구 사항을 가진 참가자. 최근 연구 경쟁자들은 문제를 다르게 다루고 있다. AWS와 Azure와 같은 플랫폼은 안정성과 통합을 제공하지만 프리미엄 가격을 부과합니다. 순수한 분산 플랫폼은 낮은 비용이지만 변수 품질을 제공합니다. Argentum은 행동 학습과 인간 감독이 극단적 인 것보다 더 나은 결과를 창출하는 중간 지점이 있습니다. 하이퍼스케일러 윤리적 설계 및 지배 문제 Argentum은 자율적이거나 투명한 의사 결정 시스템을 거부하고 대신 개방적 인 측정, 감사 가능한 프로세스 및 커뮤니티 기반 통치에 중점을 둡니다.Quadratic 투표 및 명성 가중화 된 감독은 플랫폼 규칙 및 분쟁 해결에 대한 민주적인 의사 결정을 제안합니다. 큰 공급자가 소규모 공급자를 지속적으로 부담시키고 시장에서 그들을 밀어내는 시나리오를 고려하십시오.이 플랫폼의 AI는 다양성을 유지하기 위해이 전략에 반대해야합니까?또는 시장 구조 효과에 관계없이 사용자 결과를 최적화해야합니까?이 질문에는 명백한 대답이 없으며 경쟁 가치를 균형 잡는 정부 프레임 워크가 필요합니다. 윤리적 설계 프레임 워크는 또한 데이터 사용을 다루고 있습니다. AI를 훈련시키는 행동 데이터를 누가 소유하고 있습니까? 참가자는 훈련 세트에 기여하지 않을 수 있습니까? 누군가의 거래 패턴이 경쟁자들에게 이익을 주는 통찰력을 생성하는 데 사용될 때 어떤 일이 발생합니까? Argentum의 암호화 검증은 어떤 데이터가 사용되었는지에 대한 투명성을 제공하지만, 정부는 그 데이터를 어떻게 활용할 수 있는지 결정합니다.이 균형을 맞추는 것은 공정성과 채택에 영향을 미칩니다. 데이터가 실제로 보여주는 것 이 2024 년에 3,17 억 달러로 평가되었으며 2033 년까지 47,24 억 달러에 도달 할 것으로 예상되며 연간 35 %로 성장합니다.이 확장은 업계에 걸쳐 AI 훈련, 기계 학습 추론 및 고성능 컴퓨팅에 대한 증가하는 수요를 반영합니다. 폭 넓은 변동을 보여줍니다 : 일부 공급자는 A100 시간 당 $ 0.66를 청구하는 반면 다른 공급자는 유사한 자원에 대해 $ 3.00를 초과합니다. GPU 클라우드 컴퓨팅 시장 데이터 센터 GPU 가격 이 가격 효율성 부족은 Argentum 목표의 기회를 나타냅니다. 행동 학습이 참가자가 더 나은 가격의 자원을 식별하거나 입찰 전략을 최적화하는 데 도움이된다면, 겸손한 개선조차도 규모에서 빠르게 증가합니다. 평균 GPU 비용의 10 % 감소는 예상되는 컴퓨팅 지출에 따라 기업에게 매년 수백만을 절약 할 것입니다. 이 플랫폼은 AI가 권장하는 전략이 학습 곡선과 전환 비용을 정당화하기에 충분히 중요한 마진으로 수동 의사 결정을 이행한다는 것을 증명해야합니다.이로 인해 다양한 사용 사례와 참가자 유형에 대한 성능 측정에 대한 투명한 보고가 필요합니다.이 데이터가 없으면 저렴한 가격 효율성에 대한 주장은 이론적입니다. 행동 학습의 약속과 한계 이론적 모델보다는 실제 시장 행동에 대한 AI 훈련의 개념은 가치가 있습니다.마켓은 참가자가 최적화 알고리즘이 종종 놓치지 않는 방식으로 서로의 행동에 반응하는 복잡한 적응 시스템입니다. 그러나 몇 가지 우려는 주의를 기울일 수 있습니다. 첫째, 행동 학습은 피드백 루프가 최소한의 패턴을 강화한다면 시장의 효율성 부족을 억제하는 것이 아니라 증폭시킬 수 있습니다. 초기 참가자가 특정 조건에서 작동하는 전략을 채택하면 AI는 이러한 전략을 광범위하게 권장할 수 있으며, 조건이 변할 때 실패하게 만들 수 있습니다. 둘째, 인간 승인 층은 빠르게 움직이는 포인트 시장에서 경쟁력을 해칠 수있는 지연을 도입합니다. 컴퓨터 경매는 종종 몇 분 또는 몇 초 만에 해결됩니다.인간이 권장 사항을 검토하고 행동을 승인하는 데 필요한 시간은 특히 자율 거래 시스템과 경쟁 할 때 기회를 놓칠 수 있습니다. 인간-in-the-loop 시스템 셋째, 암호화 증거를 통한 투명성은 기술적 인 검증을 해결하지만 해석 가능성 문제를 해결하지 않습니다.참가자는 특정 데이터가 특정 권장 사항을 생성했는지 확인할 수 있지만, 왜 이러한 권장 사항이 복잡한 행동 패턴에서 발생했는지 이해하는 것은 여전히 어렵습니다. 현재의 옵션은 예측 가능한 성능을 갖춘 비싼 하이퍼 스케일러와 변수 품질을 갖춘 저렴한 분산 플랫폼 사이의 선택을 강요합니다.학습 기반 최적화와 시장 효율성을 결합하는 중간 경로는 비용 절감과 신뢰성 모두를 추구하는 기업을 끌어들일 수 있습니다.성공은 실행 품질에 달려 있으며 행동 학습 이점이 시장이 성숙함에 따라 지속되는지 여부에 달려 있습니다. 행동 계산 시장에 대해 다음과 같이 무엇이 오는가 Argentum의 출시는 하이브리드 컴퓨팅 시장을 향한 광범위한 추세의 실험 중 하나를 나타냅니다. AIOZ 네트워크와 아카시 네트워크와 같은 프로젝트가 상당한 개발자 활동을 끌어들이고 있으며, 컴퓨터 경제는 하이퍼스케일러 지배에서 비용, 제어 및 성능을 다르게 균형 잡는 더 다양한 모델로 분열되고 있습니다. 분산된 물리적 인프라 네트워크 행동 학습이 컴퓨팅 시장에서 표준화되는지 여부는 가까운 장기 결과에 달려 있습니다.Argentum이 가격 효율성과 작업 완료율에 측정 가능한 개선을 보여주면 경쟁자들은 유사한 접근 방식을 채택할 것입니다.인간 승인 계층이 너무 느리거나 AI의 권장 사항이 간단한 전략을 뛰어넘지 못하면 모델이 트레이닝을 얻지 못할 수도 있습니다. 장기적인 질문은 계산 시장이 금융 시장의 유동성과 표준화를 향한 경로를 따르는지 여부입니다.금융 시장은 수세기 동안 진화하여 효율적인 자본 할당을 허용하는 청산 메커니즘, 표준화 계약 및 규제 프레임 워크를 개발했습니다.계산 시장은 작업량 검증 및 품질 보증을 둘러싼 추가적인 기술적 복잡성과 비슷한 도전을 겪고 있습니다.아르헨티움의 행동 학습 및 암호화 검증 실험은 앞으로 나아가는 한 가지 길을 나타냅니다. 최종 생각 Argentum AI의 출시는 컴퓨팅 시장에서 근본적인 긴장을 강조합니다 : 효율성과 공정성, 속도와 감독, 최적화 및 투명성에 대한 필요성.이 회사의 인공지능을 인간 시장 행동에 대한 훈련에 대한 접근 방식은 인간의 승인 권한을 유지하면서 이러한 경쟁 요구 사항을 균형 잡으려고합니다.이 균형이 지속 가능하다는 것을 증명하는지 여전히 시장 채택이 대답 할 수있는 경험적 인 질문입니다. "Live benchmark"개념은 컴퓨팅 시장이 정적 최적화 문제가 아니라 참가자가 적응하고 배우는 진화하는 생태계임을 인정하기 때문에 호소력이 있습니다.그러나 적응형 학습은 자신의 위험을 제시하며, 특히 피드백 루프와 체제 변화 주위에 있습니다.플랫폼의 성공은 기술적 구현뿐만 아니라 시장 규모로 효율성과 공정성 사이의 갈등을 관리할 수 있는지 여부에 달려 있습니다. 2025년에 GPU 공급 전략을 평가하는 기업의 경우, Argentum은 모니터링 가치가있는 추가 옵션을 나타냅니다.이 플랫폼은 즉시 확립 된 하이퍼 스케일러 또는 완전히 분산 된 대안을 대체하지는 않을 수 있지만 시장 역학에서 이익을 얻는 워크로드에 대한 틈새를 채울 수 있습니다 절대적 최소 비용을 요구하지 않고. 스토리를 좋아하고 공유하는 것을 잊지 마세요! 
 
 이 저자는 비즈니스 블로그 프로그램을 통해 출판하는 독립적 인 기여자입니다.HackerNoon은 품질에 대한 보고서를 검토했지만 여기에 포함된 주장은 저자의 것입니다. #DYO 이 저자는 비즈니스 블로그 프로그램을 통해 출판하는 독립적 인 기여자입니다.HackerNoon은 품질에 대한 보고서를 검토했지만 여기에 포함된 주장은 저자의 것입니다. #DYO 비즈니스 블로그 프로그램 비즈니스 블로그 프로그램

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

이 오디오는 이야기의 원래 언어로 제작되었습니다!

Argentum AI가 자본 시장만큼 유동적으로 GPU 액세스를 만들 계획

About Author

코멘트

태그 걸기

이 기사는 다음에서 발표되었습니다.

Related Stories

포럼에서 피드까지: 소셜 미디어 알고리즘이 디지털 상호작용을 형성하는 방식

이 18가지 개발자 도구로 생산성을 높이세요 🚀🔥

AI/ML 데이터레이크용 참조 아키텍처 구축을 위한 설계자 가이드

HackerNoon 글쓰기 대회에서 우승하고 싶으신가요? #crypto-api 대회 우승자들이 추천하는 내용은 다음과 같습니다.

포럼에서 피드까지: 소셜 미디어 알고리즘이 디지털 상호작용을 형성하는 방식

이 18가지 개발자 도구로 생산성을 높이세요 🚀🔥

AI/ML 데이터레이크용 참조 아키텍처 구축을 위한 설계자 가이드

HackerNoon 글쓰기 대회에서 우승하고 싶으신가요? #crypto-api 대회 우승자들이 추천하는 내용은 다음과 같습니다.

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps