
 
 Nini kinatokea wakati unaruhusu mashine kujifunza kutoka kwa jinsi watu kweli biashara ya nguvu ya kompyuta, badala ya kupanga kwa sheria za uboreshaji? Nini kinatokea wakati unaruhusu mashine kujifunza kutoka kwa jinsi watu kweli biashara ya nguvu ya kompyuta, badala ya kupanga kwa sheria za uboreshaji? Mnamo Oktoba 21, kampuni hiyo ilitangaza jukwaa la soko ambalo linafundisha mfumo wake wa AI juu ya tabia halisi ya ununuzi wa binadamu, kuunda kile Mkurugenzi Mtendaji Andrew Sobko anachoita "mtazamo wa kuishi" kwa uchumi wa kompyuta. fedha kwa ajili ya Maana ya muda ni muhimu. ya inatarajiwa kufikia $ 811.6 bilioni mwaka 2035, kuongezeka kwa 41.39% kwa mwaka kutoka kiwango cha msingi wa $ 25.41 bilioni mwaka 2025. Hata hivyo, licha ya ukuaji huu, upatikanaji unaendelea kuunganishwa. Kazi ya blockchain imeongezeka kwa 86% mwaka kwa mwaka, kuonyesha mahitaji ya mbadala. Argentum inakuja katika mazingira haya na thesis tofauti: masoko, sio algorithms pekee, yanapaswa kuamua usambazaji wa kompyuta. Soko la kimataifa la GPU Mipangilio ya kompyuta ya decentralized Mtazamo huu unauliza maswali ya haraka.Je, mifano ya biashara ya binadamu inaweza kuboresha uamuzi wa AI zaidi kuliko ufanisi tu?Je, makampuni yanaamini mfumo wa ushauri juu ya bei ya kujitegemea?Na je, soko lililofundishwa juu ya tabia inaweza kuendelea kuwa wazi wakati ishara za tabia zinazidi kuwa ngumu? Ni nini kinachofanya "Live Benchmark" tofauti Argentum inashughulikia mtiririko wa data miwili ili kufundisha mfumo wake wa AI. Kwanza, shughuli za soko zilizothibitishwa kwenye mzunguko ikiwa ni pamoja na postings, bidhaa, kufutwa, escrow, na malipo. Pili, telemetry ya utekelezaji iliyosajiliwa kwa siri kutoka kwa nodes za kompyuta ambazo zinaarifu muda wa kuendesha, ufanisi, na matumizi ya nishati. Pamoja, ufumbuzi huu huunda mzunguko wa maoni ambapo AI inajifunza kutoka kwa kile kilichotokea kwa kweli badala ya kile kinachohitajika kutokea kimwili. Tofauti ni muhimu katika masoko ya kompyuta. Mipangilio ya kuboresha ya jadi hutabiri mzunguko wa mahitaji na kuweka bei kulingana na mifano ya kihistoria. Njia ya Argentum inashughulikia ukomo wa kitabu cha maagizo, kiwango cha kukubalika kwa bidhaa, na tabia ya kuchangia ili kutathmini uaminifu na uaminifu katika muda halisi. Ujuzi wa tabia unajifunza utata. Masoko yanabadilika kama washiriki kujifunza kutoka kwa kila mmoja na kutoka kwa mapendekezo ya AI. Hii inajenga mitindo ya maoni ya kurudi ambapo mifano ya biashara ya leo inathiri mapendekezo ya kesho, ambayo kisha huunda tabia ya baadaye. jukwaa linadai kuwa marekebisho haya huimarisha uamuzi kwa muda, lakini pia inamaanisha data ya mafunzo ya AI inabadilika mara kwa mara. Ikiwa hii inatoa utulivu au kuimarisha bado inapaswa kupimwa kwa kiwango. Kiwango cha kibinadamu cha idhini: Uhitaji au Bottleneck Kila mapendekezo ya Argentum yanahitaji idhini ya binadamu kabla ya utekelezaji. Tofauti na mifumo ya biashara ya kujitegemea ambayo inafanya kazi kwenye ishara mara moja, Argentum inaweka mwenyewe kwa usahihi kama ushauri. Watumiaji wanatazama mapendekezo, kuangalia sababu ya msingi, na kuamua kama kuendelea. Hii inahifadhi udhibiti wa binadamu lakini hutoa latency katika ununuzi wa kompyuta unaofaa kwa muda. ya imeonekana kuwa na ufanisi katika maeneo mengine. uhakika wa kuboresha kwa 25 hadi 40% wakati wa kuchanganya uwezo wa AI na ufuatiliaji wa binadamu ikilinganishwa na mifumo kamili ya automatiska. Katika huduma ya afya, mifumo ya hybrid inafanya kazi zaidi ya daktari wa binadamu na mifumo ya kujifunza mashine peke yake wakati wa kutambua hali kama vile saratani ya matiti. Njia ya mwanadamu-in-the-loop Ripoti ya Kampuni Mchakato huu ni haraka dhidi ya hukumu. tayari kuona watoa huduma kama vile A100s za matangazo za Thunder Compute kwa $ 0.66 kwa saa, kupunguza viwango vya juu kwa hadi 80%. Katika mazingira kama hayo ya ushindani, upungufu wa dakika hata inaweza maana fursa zilizopotea. Mfano wa Argentum unatarajia kwamba maamuzi bora yanahakikishia utekelezaji mdogo wa polepole. Ikiwa makampuni yanakubali mkataba huu inategemea hisia zao za kazi na uvumilivu wa hatari. Soko la Spot ya GPU Uwazi kupitia Cryptography, sio tu madai Argentum inachukua uwazi kwa njia ya ushahidi wa utekelezaji uliosajiliwa kwa siri na utekelezaji wa ukaguzi wa kutosha. Hii inaruhusu washiriki kufuatilia data gani iliyofundishwa na AI na jinsi mapendekezo maalum yalitengenezwa. Kampuni ina wajibu wa kufungua takwimu, taratibu za kudhibiti, na utawala wa jumuiya kwa kutumia kura ya mraba na usimamizi wa sifa. Uwazi inakuwa muhimu wakati data ya tabia inafanya maamuzi. Ikiwa AI inajifunza kutoka kwa mifano ya biashara, washiriki wanahitaji kuthibitisha kwamba hakuna mshiriki mmoja anaweza kuendesha mifano hiyo kwa mapendekezo ya upendeleo. ushahidi wa cryptographic hutoa uhakika huu kwa kuunda rekodi isiyobadilika ya kile kilichotokea, wakati, na chini ya hali gani. Uhakiki wa kutosha hufanya matokeo ya ukaguzi wa mstari ili kukamata upungufu kabla ya kuenea kupitia mfumo. Njia hii inapingana na mifano ya uboreshaji usiofaa ambapo makampuni yanaaminika madai ya mtoa huduma kuhusu uadilifu na usahihi. uhakiki wa msingi wa Blockchain huongeza juu lakini hupunguza pointi moja ya uaminifu. , ambayo sasa inahesabiwa kuwa dola bilioni 12.2 mwaka 2024 na inatarajiwa kufikia dola bilioni 39.5 mwaka 2033, imeongezeka hasa kwa sababu makampuni yanahitaji mbadala kwa udhibiti wa kimkakati. Soko la mawasiliano ya decentralized Hali ya soko: Ambapo Argentum inatumika katika mazingira ya kompyuta ya ilipata thamani ya dola bilioni 3.23 mwaka 2023 na inatarajiwa kufikia dola bilioni 49.84 mwaka 2032, ikionyesha kiwango cha ukuaji wa 35.8%. Amerika ya Kaskazini inaongozwa na kiwango cha soko cha 39.63%, kilichoongozwa na wauzaji wa imara na utekelezaji mkubwa wa AI. Hata hivyo, ukuaji huu unaficha matatizo ya muundo: kwa kumbukumbu ya HBM3E, vifaa vya uzalishaji vilivyopangwa kikamilifu hadi mwaka 2025, na kufungwa kwa wauzaji ambayo hupunguza urahisi. GPU kama soko la huduma Utoaji wa vikwazo Majukwaa ya kipekee yalitokea kama jibu. kuunganisha watoa huduma na watumiaji katika soko la peer-to-peer, kupunguza gharama za hadi 80% ikilinganishwa na wingu ya jadi. Inakuwezesha watumiaji kushiriki nguvu zisizotumiwa za kompyuta bila kutegemea mashirika yaliyokusudiwa. jukwaa hizi zinaonyesha mahitaji ya mbadala lakini zinakabiliwa na changamoto zao wenyewe: usambazaji mdogo, ubora usio na utaratibu, na utambulisho mdogo wa kampuni kutokana na hatari za kuaminika za uaminifu. Mtandao wa Akash Mtandao wa Golem Argentum inazingatia mwenyewe kati ya viwango vya juu na mitandao kamili ya kusambazwa. Inaunda soko la mahali pa kazi kwa kazi za GPU na bei ya wazi na utekelezaji unaoweza kuthibitishwa, lakini inaongeza kiwango cha kujifunza tabia ambayo majukwaa ya jadi ya kusambazwa haipatikani. AI inajifunza kutoka kwa shughuli za soko za jumla ili kupendekeza mikakati bora, kwa nadharia kuboresha matokeo kwa washiriki wote. Ikiwa mbinu hii ya hybrid inakua traction inategemea ubora wa utekelezaji na kama makampuni yanaona faida ya kutosha kuhamia kutoka kwa wauzaji walioanzishwa. Utekelezaji wa kiufundi na maana yake kwa watumiaji jukwaa inathiri ufanisi kupitia matokeo halisi ya utendaji: ukosefu wa ufanisi wa bei, viwango vya juu vya kukamilika kwa kazi, na gharama za wastani wa GPU kwa saa. Takwimu hizi zinaunganishwa moja kwa moja na athari ya kifedha, ambayo ni muhimu kwa makampuni ya kutathmini kama kuchukua soko jipya. Hii inajenga athari ya mtandao ambapo washiriki wengi huunda data bora, ambayo hutoa mapendekezo sahihi zaidi, ambayo huvutia washiriki zaidi. changamoto ni kufikia wingi muhimu. Watumiaji wa mapema hufundisha mfumo kwa tabia zao, lakini hawawezi kuona faida za haraka ikiwa dataset inabaki ndogo. Kampuni inadai kila mapendekezo yanahusishwa na dalili na viashiria vya uaminifu. Hii ni muhimu kwa ajili ya kurekebisha na uaminifu. Ikiwa mapendekezo haifai, watumiaji wanaweza kufuatilia nyuma kwa sababu ya kuelewa kwa nini. Baada ya muda, mifano hutokea kuonyesha mikakati gani inafanya kazi katika hali gani. Maarifa haya huwa na taasisi katika mafunzo ya AI, kuunda rasilimali ya pamoja ambayo inasaidia washiriki wote wa soko. Uwezo wa ushindani na uendeshaji wa soko Andrew Sobko anaelezea mtazamo wa kampuni hiyo: 
 
 Soko la Argentum la AI hutoa kila kampuni, watafiti, na mtengenezaji upatikanaji sawa wa malipo ya GPU kuunda soko la haki, lenye mipaka na lenye ufanisi kwa enzi ya AI. " Soko la Argentum la AI hutoa kila kampuni, watafiti, na mtengenezaji upatikanaji sawa wa malipo ya GPU kuunda soko la haki, lenye mipaka na lenye ufanisi kwa enzi ya AI. " Masoko ya fedha yamefanikiwa kwa njia ya usafi, uwazi, na kujifunza tabia kwa miongo kadhaa. Je, masoko ya kompyuta yanaweza kufuata njia sawa katika muda mfupi? Jibu linategemea sehemu ya kama kujifunza tabia inaonekana kuwa na ufanisi zaidi kuliko uboreshaji mzima. Inashauri mbinu za hybrid zinafanana na binadamu au mashine pekee katika mazingira magumu ya uamuzi. Lakini masoko ya kompyuta yana sifa za kipekee: mizigo ya kazi yenye kubadilika sana, mabadiliko ya haraka ya upatikanaji, na washiriki na maelezo tofauti ya hatari na mahitaji ya kiufundi. Utafiti wa hivi karibuni Washindani wanakabiliwa na tatizo hili kwa namna tofauti. kama AWS na Azure hutoa utulivu na ushirikiano lakini gharama ya bei ya juu. Majukwaa safi yaliyotengwa hutoa gharama ya chini lakini ubora wa kubadilika. Argentum inasema kuna eneo la kati ambapo kujifunza tabia pamoja na ufuatiliaji wa binadamu huunda matokeo bora kuliko mabadiliko yoyote. Soko litajaribu thesis hii haraka kama mashirika hufanya maamuzi ya ununuzi kwa 2025 na 2026 uwezo wa kompyuta. Maelezo ya Hyperscale Maswali ya maadili ya kubuni na utawala Argentum inahusika na kukataa mifumo ya uamuzi wa kujitegemea au usio na uwazi, badala ya kusisitiza metric ya wazi, taratibu za kudhibiti, na utawala wa jumuiya. kupiga kura ya mraba na usimamizi unaoongozwa na sifa unaonyesha uamuzi wa kidemokrasia juu ya sheria za jukwaa na ufumbuzi wa migogoro. Fikiria hali ambapo watoa huduma kubwa mara kwa mara huwafukuza watoa huduma wadogo, wakiondoa kutoka soko. Je, AI ya jukwaa inapaswa kupendekeza dhidi ya mkakati huu ili kudumisha utofauti? Au inapaswa kuboresha tu kwa matokeo ya mtumiaji bila kujali madhara ya muundo wa soko? Maswali haya hayana majibu ya dhahiri na yanahitaji mifumo ya utawala ambayo inabadilisha maadili ya ushindani. Mfumo wa muundo wa maadili pia unakabiliwa na matumizi ya data. Ni nani mmiliki wa data ya tabia ambayo hufundisha AI? Washiriki wanaweza kuchagua kushiriki katika mkusanyiko wa mafunzo? Nini kinatokea wakati mifano ya biashara ya mtu hutumiwa kuzalisha ufahamu ambao unafaidika na washindani? Uhakiki wa crypto wa Argentum hutoa uwazi juu ya data gani ilitumiwa, lakini utawala unaamua jinsi data hiyo inaweza kutumika. Nini data ya kweli inaonyesha ya Inatarajiwa kufikia $ 47,24 bilioni hadi 2033, na kukua kwa 35% kila mwaka. Upanuzi huu unaonyesha mahitaji ya kuongezeka kwa mafunzo ya AI, ujuzi wa mashine, na kompyuta ya juu ya utendaji katika sekta. inaonyesha tofauti kubwa: baadhi ya watoa gharama $ 0.66 kwa saa A100 wakati wengine zaidi ya $ 3.00 kwa rasilimali sawa. Soko la GPU ya Cloud Computing Bei ya kituo cha data ya GPU Ufanisi huu wa bei unawakilisha fursa ya malengo ya Argentum. Ikiwa kujifunza tabia inaweza kusaidia washiriki kutambua rasilimali bora za bei au kuboresha mikakati ya mauzo, hata maboresho madogo yanaongezeka haraka. Kupunguza gharama za GPU kwa asilimia 10 kwa wastani itaokoa makampuni mamilioni kila mwaka kutokana na matumizi ya kompyuta yaliyotarajiwa. Swali ni kama mbinu ya Argentum inatoa faida hizi kwa utaratibu. Takwimu za ufanisi wa mapema zitakuwa muhimu. jukwaa linapaswa kuonyesha kwamba mikakati iliyopendekezwa na AI inashinda uamuzi wa mwongozo kwa kiwango kikubwa cha kutosha kuhalalisha mzunguko wa kujifunza na gharama za kubadilisha. Hii inahitaji ripoti ya uwazi ya takwimu za utendaji katika kesi tofauti za matumizi na aina za washiriki. ahadi na mipaka ya kujifunza tabia Dhana ya mafunzo ya AI juu ya tabia halisi ya soko badala ya mifano ya nadharia ina faida. masoko ni mifumo magumu ya kurekebisha ambapo washiriki wanajibu hatua za kila mmoja kwa njia ambazo algorithms ya uboreshaji mara nyingi hupata. Hata hivyo, wasiwasi kadhaa wanahitaji tahadhari. Kwanza, kujifunza tabia inaweza kuimarisha badala ya kuzuia ufanisi wa soko ikiwa mitindo ya maoni yanaimarisha mifano ya chini. Ikiwa washiriki wa awali wanakubali mikakati ambayo hutokea kufanya kazi katika hali maalum, AI inaweza kupendekeza mikakati hiyo kwa ujumla, na kusababisha kushindwa wakati hali inabadilika. Dhana ya "mfano wa kuishi" inachukua kujifunza ni mwelekeo na kuhesabu, lakini masoko mara nyingi huonyesha mabadiliko ya utawala ambapo mifano ya zamani inapoteza nguvu ya utabiri. Pili, kiwango cha kibinadamu cha idhini hutoa latency ambayo inaweza kuharibu ushindani katika masoko ya haraka. Wakati unahitajika kwa binadamu kuangalia mapendekezo na kukubali hatua inaweza maana ya kushindwa fursa, hasa wakati wa kushindana na mifumo ya biashara ya kujitegemea. Mfumo wa binadamu-in-the-loop Tatu, uwazi kwa njia ya ushahidi wa cryptographic unakabiliwa na uhakiki wa kiufundi lakini hauwezi kutatua changamoto za ufafanuzi. Washiriki wanaweza kuthibitisha kwamba data fulani zilifanya mapendekezo fulani, lakini kuelewa kwa nini mapendekezo hayo yalitokea kutoka kwa mifano ya tabia ngumu bado ni vigumu. Hiyo alisema, mbinu hii hujaza upungufu halisi katika masoko ya kompyuta. Chaguo za sasa zinahitaji kuchagua kati ya viwango vya juu vya gharama na utendaji wa utabiri na jukwaa la bei nafuu na ubora wa kubadilika. Njia ya kati ambayo inachanganya ufanisi wa soko na uboreshaji wa kujifunza inaweza kuvutia makampuni yanayotaka kuokoa gharama na kuaminika. Mafanikio yanategemea ubora wa utekelezaji na kama faida ya kujifunza tabia inathibitisha kuwa endelevu kama soko linapokua. Nini inakuja baadaye kwa masoko ya hesabu ya tabia Kuanzishwa kwa Argentum inawakilisha jaribio moja katika mwelekeo mkubwa kwa masoko ya kompyuta ya hybrid. nafasi imeona uwekezaji unaongezeka, na miradi kama AIOZ Mtandao na Akash Mtandao kuvutia shughuli kubwa ya watengenezaji. uchumi wa kompyuta ni kusambazwa kutoka udhibiti wa kiwango cha juu kuelekea mifano tofauti zaidi ambayo usawa gharama, udhibiti, na utendaji tofauti. Mtandao wa miundombinu ya kimwili Ikiwa kujifunza tabia inakuwa kiwango katika masoko ya kompyuta inategemea matokeo ya muda mfupi. Ikiwa Argentum inaonyesha maboresho ya kutathmini katika ufanisi wa bei na kiwango cha kukamilika kwa kazi, washindani watachukua mbinu sawa. Ikiwa kiwango cha kibali cha binadamu kinaonekana kuwa chache sana au mapendekezo ya AI hayakufanikiana na mikakati rahisi, mfano hauwezi kupata traction. Swali la muda mrefu ni kama masoko ya kompyuta yanafuata trajectory ya masoko ya kifedha kuelekea kuongezeka kwa malipo na viwango. masoko ya kifedha yamebadilika kwa karne, kuendeleza taratibu za utambulisho, mikataba ya viwango na mifumo ya udhibiti ambayo inaruhusu usambazaji wa fedha kwa ufanisi. masoko ya kompyuta yanakabiliwa na changamoto sawa na ugumu wa kiufundi wa ziada karibu na uhakiki wa kazi na uhakiki wa ubora. majaribio ya Argentum na kujifunza tabia pamoja na uhakiki wa siri ni njia moja mbele, lakini hakika sio moja tu. mawazo ya mwisho Kuanzishwa kwa Argentum AI inaonyesha mvutano wa msingi katika masoko ya kompyuta: haja ya ufanisi na usawa, kasi na usimamizi, ufanisi na uwazi. Njia ya kampuni ya mafunzo ya AI juu ya tabia ya soko la binadamu wakati wa kudumisha mamlaka ya kibali cha binadamu inajaribu kulinganisha mahitaji haya ya ushindani. Dhana ya "benchmark ya kuishi" imekuwa ya kuvutia kwa sababu inatambua kwamba masoko ya kompyuta sio matatizo ya uboreshaji wa static lakini mifumo ya maendeleo ambapo washiriki wanakabiliwa na kujifunza. Hata hivyo, kujifunza adaptive inatoa hatari zake mwenyewe, hasa karibu na njia za maoni na mabadiliko ya utawala. mafanikio ya jukwaa hayategemei tu utekelezaji wa kiufundi lakini ikiwa mbinu zake za utawala zinaweza kushughulikia migogoro kati ya ufanisi na haki kama kiwango cha soko. Kwa makampuni yanayotathmini mikakati ya ununuzi wa GPU mwaka 2025, Argentum inawakilisha chaguo la ziada la thamani ya kufuatilia. jukwaa haiwezi kubadilisha mara moja hyperescalers zilizoanzishwa au mbadala za kikamilifu, lakini inaweza kujaza niche kwa kazi za kazi ambazo zinafaidika na uwezekano wa soko bila kuhitaji gharama za chini kabisa. viwango muhimu vya kufuatilia ni kuboresha ufanisi wa bei, viwango vya kukamilika kwa kazi, na kama faida ya kujifunza ya tabia hutengenezwa kwa muda au viwango vya juu kama soko hurekebisha kwa mapendekezo ya AI. Usisahau kupenda na kushiriki hadithi hii! 
 
 Mwandishi huu ni mchango wa kujitegemea wa kuchapisha kupitia programu yetu ya blogu ya biashara. HackerNoon imechunguza ripoti kwa ubora, lakini madai hapa yanahusiana na mwandishi. #DYO Mwandishi huu ni mchango wa kujitegemea wa kuchapisha kupitia programu yetu ya blogu ya biashara. HackerNoon imechunguza ripoti kwa ubora, lakini madai hapa yanahusiana na mwandishi. #DYO Programu ya Blog ya Biashara Programu ya Blog ya Biashara

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

Sauti hii imetolewa katika lugha asilia ya hadithi!

Jinsi Argentum AI inapanga kufanya Upatikanaji wa GPU kama Liquid kama masoko ya fedha

About Author

MAONI

HANG TAGS

MAKALA HII ILIWASILISHWA NDANI

Related Stories

Speed up Swift compile time

Jinsi $ TRUTH token ya Swarm Network inapanga kukabiliana na taarifa mbaya kupitia uhakiki wa Blockchain

Master Crypto Security: Your Complete Guide to Safe Wallet Management

A PENDENT WORLD

Speed up Swift compile time

Jinsi $ TRUTH token ya Swarm Network inapanga kukabiliana na taarifa mbaya kupitia uhakiki wa Blockchain

Master Crypto Security: Your Complete Guide to Safe Wallet Management

A PENDENT WORLD

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps