💬 Добро пожаловать в Deai Summer

Добро пожаловать в Deai Summer

В ноябре 2024 года я собрал пять основателей из портфеля Coinfund для обсуждения за круглым столом по децентрализованному подходу к реализации технологического стека ИИ. Этот стек не является тривиальным: он начинается с основы вычислительной агрегации графических процессоров, сталкивается с сложными проблемами децентрализованного обучения ИИ и экономически эффективного вывода и поднимает вопросы о децентрализованном сборе данных и разработке потребительских продуктов искусственного интеллекта.

Из этой дискуссии было ясно, что наши децентрализованные основатели ИИ (DEAI) не просто продают ИИ в Web3; Они продвигают современность самого ИИ. Более того, меня осенило, что в ближайшем будущем лучшим выбором для розничных инвесторов, чтобы получить финансовое воздействие на Frontier AI, будет не через общественные акции или частные размещения, а через цифровые активы. Оставив разговор, который чувствует себя вдохновленным инновациями и растущими финансовыми возможностями, я сказал группе, что мы увидим взрыв роста в ближайшие месяцы, назвав его «Deai Summer 2025».

Восемь месяцев спустя это наконец здесь.

Сейчас мы находимся в мире, где модели проверки концепции уже были предварительно обучены и после обучения в децентрализованных сетях. Весьма вероятно, что в этом году будет продемонстрировано 100 миллиардов параметров предварительного обучения по децентрализованным сетям. Некоторые компании считают, что мы можем добраться до модели пограничной разведки в децентрализованных сетях с использованием обучения после тренировки и подкрепления. Даже Джек Кларк, соучредитель Anpropic, написал о децентрализованном обучении в своем личном блоге.

Развитие ИИ находится в точке перегиба. Поскольку крупные компании, такие как Openai, Microsoft и Google, стремятся запечатлеть потребителя в качестве главной цели, все больше пользователей используют инструменты искусственного интеллекта в своих рабочих процессах и личной жизни. Но с централизованными корпорациями у руля есть больше частных данных, подверженных риску, чем когда -либо прежде. Это одна из причин, по которой DEAI стал ключевой категорией для Web3 и может принципиально изменить способ, которым модели создаются и принадлежат.

Согласно данным Analytics Platform Kiato, за последние 12 месяцев Deai заняла более 30% MindShare по всему крипто. Компании, построенные распределенные протоколы, агентские рамки и децентрализованные маршруты, доминируют в этом перекрестке. Поскольку существует мало государственных акций, ориентированных на прямое воздействие технологии Frontier AI - и большинство розничных инвесторов не имеют доступа к частным раундам Frontier Labs, таких как OpenAI или антроп, криптоассеты DEAI появляются в качестве высококачественного класса активов для инвестиций в компании ИИ.

Несмотря на то, что в Coinfund есть много шумихи, мы работали над тем, чтобы прорезать шум и спросить себя, какие команды решают самые эффективные и самые сложные проблемы. Среди них вопрос о том, возможно ли обучать крупные, конкурентоспособные модели в децентрализованных сетях.

Обучение Очень большие модели, по-видимому, требуют высококлассных, богатых памятью графических процессоров с быстрой пропускной способностью общения, поскольку обучающие узлы постоянно обрабатывают пропускную способность, которая превышает множество кратных размеров всего Интернета. Исторически, разработчики в этой области приложили огромные усилия по снижению этих требований к пропускной способности, но не нашли эффективного подхода.

Например, предыдущие попытки сжатия этой полосы пропускания сошли с рельсов учебных процессов, так как сжатие потерь приводило к сходимости моделей. Все предполагали, что не было жизнеспособного решения для снижения требований к пропускной способности до такой степени, что процесс обучения мог бы иметь место на обычном оборудовании графического процессора для медленных интернет -соединений. Соответственно, большинство экспертов согласились с тем, что децентрализованная подготовка была тупиком.

Мы не согласны.

Наш тезис

Тезис Coinfund по децентрализованному ИИ заключается в том, что сети Web3 позволили бы моделям ИИ быть избыточными, обученными, обученными, владельцами и поддерживаются как открытые и ценные общественные блага. Эти сети будут собирать рекордные объемы вычислений, конкурировать на границе ИИ и создавать массовые инновации в ИИ в широком смысле, решая такие проблемы, как оптимизация полосы пропускания, обнаружение ошибок, устойчивость к неисправности, распределение, устойчивое открытое исходное кольцо и нарушение моделей.

Кроме того, эти сети - будучи открытыми - также будут иметь бизнес -модели. Например, децентрализованные модели искусственного интеллекта будут жить в сети, и пользователи будут платить сеть за вывод за них. Эти сети будут стимулировать и выравнивать пользователей, компенсируя их за финансирование и обучение моделей и предоставив им долю в сети.

В портфеле Coinfund мы поддержали децентрализованные учебные компании, такие как Gensyn, Prime Intellect и Plurureis. Эти компании добились поразительного прогресса в децентрализованных предварительных тренировках и после тренировки. Gensyn собрал более 85 000 участников в свой Testnet Swarm RL. Prime Intellect обучил модель параметров 32 миллиарда с распределенным вычислением. Pluralis недавно запустил знаменательную бумагу, показывающая, что сжатие без потерь может обеспечить широкомасштабную модель предварительного обучения по децентрализованным сетям в масштабе.

Мы также поддержали платформу управления данными Perle, которая недавно опубликовала статью о аннотации человека в машинном обучении, и Bagel моделировала платформу с тонкой настройкой, недавно опубликовала свою структуру для тонкой настройки знаний. Портфельная компания Coinfund Giza недавно дебютировала с агентом ARMA, искусственным искусством, который очарован DEFI, помогая пользователям оптимизировать свою доходность стаблека по разным протоколам.

На пересечении Web3 и AI есть изобилие активности Web3 и AI, и, поскольку основатели принимают во внимание, как они масштабируют свои продукты в ближайшие месяцы, основной целью должно быть принятие реальных клиентов и достигать соответствия продукции. Компании, сосредотачивающиеся на выводе, должны продавать выводы конкурентоспособно в Web 2.0 и приносить доход. Ранние учебные сети Mover AI будут объединяться и добавить больше клиентов.

К концу 2025 года мы ожидаем, что многососо миллиардов моделей параметров децентрализованы. Это было бы невозможно всего 18 месяцев назад! Если мы продолжим по этому пути, компании ИИ с открытым исходным кодом могут однажды обогнать доминирующих игроков в машинном обучении сегодня. Если нет, то наш ежедневный цифровой опыт может существовать в руках всего лишь нескольких корпораций на западном побережье Соединенных Штатов.