Dobre wieści! Po tygodniu przerwy! #ALPHA w końcu wprowadza nową monetę!
Dzisiaj airdrop i Pre-TGE! Masz dosyć? Zdecydowałeś, co chciałbyś zjeść?

Ostatnio Fengzi spędza czas na dogłębnym zapoznawaniu się z @OpenGradient , im więcej patrzy, tym bardziej uważa, że jest to projekt bardziej solidny niż większość projektów AI+Crypto.
Wszyscy mówią, że AI to czarna skrzynka, ale niewielu konkretnie wyjaśnia, co w tej czarnej skrzynce jest. Fengzi rozumie to tak: otrzymujesz wynik z modelu, nie ma sposobu, aby udowodnić, że ten wynik rzeczywiście pochodzi z tego modelu oraz że w trakcie działania nie został zmanipulowany, nie został podmieniony ani nie był przedmiotem manipulacji przez pośredników. Model tak odpowiada, więc musimy w to uwierzyć, nie ma innej opcji.
OpenGradient rozwiązuje ten problem "musimy wierzyć". Jego rdzenna architektura nazywa się HACA (Hybrid AI Compute Architecture), w skrócie to rozdzielenie procesu wnioskowania na kilka niezależnych ról: węzeł wnioskowania odpowiada za rzeczywiste uruchomienie modelu, węzeł danych odpowiada za pozyskiwanie danych zewnętrznych, a węzeł pełny odpowiada za weryfikację i księgowanie. Po zakończeniu każdego wnioskowania generowany jest dowód: może to być certyfikacja na poziomie sprzętu TEE, może to być ZKML zero-knowledge proof, zależnie od wymagań weryfikacyjnych tej konkretnej misji. Ten dowód trafia do węzła pełnego, a po potwierdzeniu przez ponad dwie trzecie weryfikatorów, zostaje na stałe zapisany na łańcuchu. Jeśli dowód jest za duży (ZKML często tak bywa), na łańcuchu przechowywany jest tylko identyfikator referencyjny, a pełne dane są przechowywane na Walrusie.
Fengzi uważa, że najciekawszym aspektem tego projektu jest to, że nie wymusza używania najdroższych i najściślejszych metod weryfikacji dla wszystkich zadań. Dokumentacja jasno to określa: nie wszystkie wnioskowania wymagają tego samego poziomu zaufania. Deweloperzy mogą wybierać według scenariusza: jeśli potrzeba szybkości, wybierają lekkie podpisy, a jeśli silnej gwarancji, idą w ZKML, a nawet w tej samej transakcji różne modele mogą używać różnych metod weryfikacji. To bardzo uczciwe podejście inżynieryjne, nie poświęcająca rzeczywistej użyteczności tylko po to, by opowiedzieć historię o "całkowitej weryfikacji na łańcuchu". Obciążenie obliczeniowe ZKML wciąż stanowi realną barierę, co potwierdzają benchmarki w branży, więc forsowanie tego nie jest realistyczne, a weryfikacja warstwowa to pragmatyczny wybór.
Weryfikowalne wnioskowanie nie jest tylko dodatkiem, to fundament, który musi być uzupełniony, zanim AI zacznie masowo ingerować w rzeczywiste decyzje.

#OPG $OPG


Jakie są Twoje przemyślenia?