Tas, kas mani pārsteidz, nav tas, ka Openledger īsteno mākoņu konfigurācijas atjauninājumus un izvietošanas slāņus, bet gan sajūta, ka kaut kas tiek skatīts nepareizi, ir ļoti skaidri redzama, kad novēro, kā visa šī struktūra darbojas.
Tas nav kā šaubas, arī ne gluži piesardzība, tā ir mirkļa sajūta, kad "AI vairs nav ierobežots tikai ar modeli" pēkšņi kļūst par precīzu aprakstu tam, kā pašreizējais AI sistēma patiesībā darbojas.
tas man atgādina, kā daudz uzņēmumu mākonī reālajā dzīvē ir attīstījušies. sākumā lielākā daļa cilvēku domāja, ka vissvarīgākais vienmēr būs augšējā produkta daļa: spēcīgāka lietojumprogramma, labāks modelis, skaistāka saskarne. bet laika gaitā tirgus saprata, ka tas, kas patiešām nosaka paplašināšanas spēju, ir izvietošanas infrastruktūra, orķestrācija un spējas saglabāt visu sistēmu stabilu, kad mērogs palielinās.
piemēram, Amazon Web Services. tas, kas padara AWS par interneta pamatu, nav tas, ka viņi radīja labāko lietojumprogrammu, bet gan tas, ka viņi izveidoja pietiekami stabilu infrastruktūras slāni, lai miljoniem citu pakalpojumu varētu darboties virs tā vienlaikus, neapgāžoties.
un tieši šī sajūta liek man uz OpenLedger lūkoties citādi.
jo ir tendence, kas ir pārāk dziļa AI izaugsmes pieejā, līdz tādai pakāpei, ka lielākā daļa cilvēku to uzskata par pašsaprotamu, retu reizi apstājas, lai jautātu, vai izvietošanas infrastruktūra tiešām ir tas šaurais posms, kas tiek atstāts novārtā. lielākā daļa parasti interpretē AI, koncentrējoties uz modeļu kvalitāti, benchmarkiem, aģentiem un automatizāciju. un no šīs interpretācijas parasti izriet pazīstamais secinājums, ka spēcīgāks modelis uzvarēs, gudrāks AI vadīs. šī pieeja nav nepareiza, bet tā ir pareiza tikai redzamākajā slānī.
kamēr Openledger šķiro visu pēc citas loģikas. šeit model layer, deployment layer un attribution layer netiek apvienoti kā paplašinājumu versijas no viena modeļa. katrs slānis pastāv ar savu lomu, un robežas starp tiem tieši nosaka, kā sistēma reaģē uz dalībniekiem.
svarīgi ir tas, ka tas vairs nav tikai ideju simulācija. šī struktūra ir ieviesta kā reāla darbības sistēma. model layer uzņemas fine-tuning un inference optimization, kā arī AI workloads paplašināšanas spējas. deployment layer ir atbildīgs par mākonī balstītu orķestrāciju un infrastruktūras standartizāciju. attribution layer ir izveidots, lai apstrādātu datu īpašumtiesības un vērtības sadali ekosistēmā.
tāpēc veids, kā izvietojums tiek sadalīts slāņos, patiešām ir vērts rūpīgi novērot.
bet parasti lielākais izaicinājums nekad nav bijis struktūrā.
grūtākais punkts ir, vai sistēma tiešām liek dalībniekiem rīkoties saskaņā ar lomām, kādas katram slānim ir paredzētas.
un šī ir vieta, kur es uzskatu, ka ir vērts atgriezties vēlreiz. katrs slānis šajā arhitektūrā risina atšķirīgu uzdevumu. model layer pastāv, lai risinātu aprēķinu efektivitāti. deployment layer ir izveidots, lai nodrošinātu operatīvo stabilitāti. un attribution layer nodrošina ekonomisko koordināciju.
trīs atsevišķas slodzes. trīs atsevišķi slāņi. nevis lai radītu papildu sarežģītību, bet lai sistēma varētu izturēt slodzi no vairākām pusēm vienlaicīgi.
un tad stāsts dabiski aizved uz OpenLoRA. to gandrīz nav iespējams izvairīties.
un šeit arī sākas viss interesantākais. OpenLoRA rada aprēķinu efektivitāti un izvietošanas optimizāciju. bet šī lieta nedarbojas kā vienkārša optimizācijas slāņa pievienošana. tā tieši pastiprina izvietošanas infrastruktūras slāni, liekot izstrādātājiem ne tikai apstāties pie modeļu veidošanas, bet arī vienlaikus būt vilkti uz sistēmu paplašināšanu un ražošanas vidē uzturēšanu.
tas diezgan atgādina, kā Kubernetes maina programmatūras infrastruktūru reālajā pasaulē. pirms Kubernetes izstrādātāji galvenokārt koncentrējās uz lietojumprogrammu rakstīšanu. bet kad orķestrācijas slānis parādījās, visa uzmanība sāka pāriet uz sistēmu paplašināšanu, darba slodzes sadalīšanu un infrastruktūras stabilitāti. kopš tā laika “izvietošanas spēja” kļuva tikpat svarīga kā “veidošanas spēja”.
infrastruktūras slānis un ekonomiskās koordinācijas slānis nedarbojas neatkarīgi, bet nepārtraukti ietekmē viens otru. dalībnieks vienlaikus veic izvietošanas optimizāciju, saglabā infrastruktūras stabilitāti un turpina būt dziļi iesaistīts vērtību plūsmas optimizācijā ekosistēmā. šī daudzslāņu arhitektūra ļauj slāņiem pastāvēt kopā, nesabojājot viens otru.
turklāt ir vēl viens aspekts, kas bieži tiek novērtēts par zemu.
jaunais izvietošanas infrastruktūras slānis ir patiešām tas, kas palīdz sistēmai paplašināties līdz masveida pieņemšanai, kamēr lielākā daļa no šīs grupas gandrīz nepiedalās atribūcijas mehānikā. parastie lietotāji un mazie izstrādātāji veido lielāko daļu tirgus, eksistējot vidē, kur AI infrastruktūra katru dienu sniedz skaidru pielietojuma vērtību. pamatslānis nav vienkārša sistēmas vienkāršota versija, bet tieši vieta, kur notiek lielākā daļa reālās pieredzes. nodrošināt šī slāņa stabilu darbību, neietekmējot augšējo slāni, ir faktors, kas ļauj visai struktūrai paplašināties.
sistēma, kur tikai augšējais slānis savienojas ar pamatvērtību, parasti samazina paša tirgus apjomu. Openledger risina šo problēmu, ļaujot izvietošanas slānim darboties neatkarīgi, tādējādi radot iespēju augšējiem slāņiem turpināt pastāvēt.
bet tomēr ir viena lieta, ko vērts pieminēt.
izvēle sadalīt sistēmu vairākos slāņos, nevis apvienot visu vienā modelī, parāda, ka OpenLedger diezgan labi saprot, ko katra dalībnieku grupa nepieciešama, un ko sistēma no viņiem sagaida. sarežģītība šajā arhitektūrā nav lieka daļa, ko vajadzētu izslēgt, bet gan nosacījums, lai vairāki uzvedības slāņi varētu pastāvēt, neradot kopējās struktūras sabrukumu.
un visbeidzot, varbūt vissvarīgākais jautājums ir tieši dalībniekos.
vai viņi tiešām saprot, kur viņi atrodas visā šajā struktūrā, un vai viņi apzinās, kādam uzdevumam ir paredzēts slānis, kurā viņi piedalās. jo daudzslāņu sistēmā nepareiza pozīcijas noteikšana ir gandrīz vienāda ar nepareizu mijiedarbību ar zemāk esošo darbības loģiku.
un, skatoties caur visiem šiem slāņiem, parādās ne tikai darbojošās sistēmas. bet arī visa pamatloģika, ko Openledger cenšas izveidot un saglabāt laika gaitā.