$AIGENSYN tika iekļauts Binance pirms 2 dienām, un lielākā daļa cilvēku tikai skatās uz velām 📈
Bet gandrīz neviens nerunā par to, ko patiesībā nozīmē Proof-of-Learning.
Kā kāds no ML puses, šeit ir tas, kas izceļas par Gensyn dizainu — gan gudrās daļas, gan neatbildētie jautājumi 👇
1/ Galvenais izaicinājums:
Kā tu pierādi, ka kāds patiešām apmācījis modeli, nevis augšupielādējis viltotus svarus?
Acīmredzamais risinājums ir atkārtoti palaist apmācību pats…
bet tas maksā gandrīz tikpat, cik modeli apmācīt no nulles. Nepraktiski.
2/ Gensyn pieeja:
probabilistiska Proof-of-Learning.
Darbinieki iesniedz apmācību pirkstu nospiedumus, piemēram, starpposma gradientus un pārbaudes punktus.
Verificētāji pēc tam nejauši atkārto mazas apmācības procesa daļas.
Lai veiksmīgi krāptos, slikts aktieris būtu jāizveido ticams gradientu ceļš — daudz grūtāk nekā vienkārši viltot gala rezultātus.
3/ Nezināmā daļa:
Drošība ļoti atkarīga no verificētāju paraugu ņemšanas biežuma pret krāpšanas datora ietaupījumiem.
Teorija izskatās stabila uz papīra.
Bet reālās pasaules pretinieku vidē faktiskās konstantes un savienojuma gadījumi ir ļoti svarīgi — un joprojām ir ierobežoti publiski ražošanas dati pieejami.
4/ Patiesi gudrā ideja:
Protokols atlīdzina verificētus aprēķinu vienības, nevis tikai pabeigtos modeļus.
Tātad, nevis jautājot:
“Vai tu apmācīji šo visu 70B modeli?”
… tas sadala procesu tūkstošos mazāku:
“Vai tu pareizi izpildīji šo gradienta soli?” pārbaudes.
Tas padara verificēšanu dramatiski lētāku un skalojamu.
Atbalstīts ar a16z ar 43M USD piesaistītiem.
Vai tokens piesaista ilgtermiņa tīkla vērtību ir atsevišķa diskusija no tā, vai pamatinženierija strādā.
Tehnoloģija ir interesanta.
Izlasi baltās grāmatas pirms tirgošanas hype.
#AI #Crypto #Binance #machinelearning #Blockchain #AIGENSYN