Kako se veštačka inteligencija i blokčein zbližavaju, jedan projekat stoji na raskrižju ove revolucije: OpenLedger.S obećanjima da će decentralizovati obuku o modelima, nagraditi pripisivanje podataka i ekonomiju potencijalnih agenata, OpenLedger se kreće ka novoj eri transparentne i u vlasništvu zajednice AI.
У овом интервјуу, седели смо са главним доприносиоцем Камешем да разумемо принципе, иновације и путну карту која подржава јединствену тезу ОпенЛедгер-а.
Ishan Pandey:Здраво Камеш, задовољство је да вас поздравим на нашој серији "Зад стартапа".Можете ли почети тако што ћете нам рећи о себи и како сте се укључили у ОпенЛедгер?
Kamesh:Hej Ishan, ja sam ključni doprinosnik u OpenLedgeru. Pre OpenLedgera, radio sam na kompaniji za istraživanje i razvoj AI/ML tokom koje sam radio sa korporativnim klijentima kao što su Walmart, Cadbury i još mnogo toga. Bilo je nekoliko glavnih problema koje smo primetili u segmentu AI, što je model crne kutije i nedostatak transparentnosti, i da nije bilo načina da se zna koji podaci dovode do specifičnog zaključka.
Ishan Pandey:OpenLedger се позиционира као "блокцхаин изграђен за АИ."Можете ли нас проћи кроз празнину у тренутној инфраструктури коју ОпенЛеедгер покушава да реши и зашто је овај тренутак у времену критичан?
Kamesh:Као што је раније поменуто, централизоване компаније су обучавале своје АИ моделе на корисничким подацима без дозвола и направиле су милијарде долара без да плаћају било кога поштено. На ОпенЛедгер-у, сваки корак обуке, извор података и надоградња модела оставља траг који свако може да провери. Ово је сада важно јер људи траже АИ за финансијске савете, здравствене сугестије, па чак и изборну покривеност. Док се баве таквим осетљивим темама, важно је осигурати да модел користи тачне податке и не халуцинира. Користећи Доказ атрибуције, можемо елиминисати податке који су довели до специфичног штетног закључка, осигуравајући сигурност у осетљивим случајевима употре
Ishan Pandey:Једна од амбициознијих идеја иза ОпенЛедгер-а је да се генеришу награде засноване на атрибуцијама за доприносе података и модела.
Kamesh:Размислите о заједничкој историји на ланцу која евидентира сваки прилагођавање сета података и модела заједно са новчаником који га је поднео. Кад год мрежа тренира нову верзију или одговара на корисничко упит, она гледа уназад кроз ту историју да види који су доприноси били укључени. Сваки пут када се појави ваш унос, аутоматски добијате део накнаде везане за ту акцију. Ове информације су јавне, тако да свако може отворити истраживач и пратити тачно како је њихов рад коришћен и шта је зарадио.
Ishan Pandey:Хајде да причамо о Модел Фабрици и ОпенЛоРА. Са техничке перспективе, како су ови алати изграђени да се носе са дељењем ресурса, ГПУ боцама и захтевима итерације модела на скали?
Kamesh:Размислите о Модел Фабрици као платформи без кода на којој свако може да усклади специјализовани модел језика без изнајмљивања читавог центра за податке. Изаберите базни модел и изаберите параметре. Када ваш фин усклађивање заврши, он је сачуван као лаган ЛОРА адаптер, тако да многе верзије могу да живе заједно без једења велике количине меморије или опсега. ОпенЛоРА онда вам омогућава да прикључите те адаптере на заједнички базни модел током закључења, тако да један ГПУ може да се пребаци између десетина специјализација, омогућавајући итерацију на скали. Модел Фабрика и ОпенЛоРА су веома важни стубови екосистема јер омогућавају свима да учествују у развоју
Ishan Pandey:Такође уводите концепт под називом "Доказ атрибуције (ПОА)," шта се тачно мери овде, и како осигурати да је то поуздана метрика у процени активности агента?
Kamesh:Доказ атрибуције је како пратимо које податке је модел користио да би дошао до одређеног закључка и наградио сваки значајан допринос. Када ваш податак користи модел да створи закључак, он се снима на ланцу. Сваки пут када се корисници ослањају на модел, део прихода се аутоматски враћа вама, а цела стаза је отворена за свакога да провери. То омогућава доприносиоцима да виде доказ свог рада на ланцу и омогућава им да се поштено награде за то.
Ishan Pandey:AI royalty kao koncept zavisi od dugoročnog praćenja i poverenja.Kako planirate da se bavite problemima modelskog forking-a, upotrebe proxy-a i dodeljivanja vrednosti u daljnjem toku preko AI agenata?
Kamesh:Наш приоритет је да осигурамо да доприноси увек добију поштену накнаду.Да бисмо избегли проблеме као што су форкинг модела и употреба прокија, ми ћемо сами хостовати све моделе и спољни приступ ће бити преко АПИ-ја.
Ishan Pandey:Možete li da podelite sledeći set mejlova prema kojima radite, i šta programeri mogu da očekuju kada se uključe u OpenLedger u njegovoj trenutnoj fazi?
Kamesh:Сада имамо преко 4 милиона активних чворова који раде на нашој тест мрежи, а ми смо управо упаковали Епоцх 2. Имамо преко 10 пројеката који се већ граде на нама, укључујући и бившег истраживача Гоогле ДеепМинд. Такође смо веома узбуђени да поделимо да ћемо ускоро ићи за наш ТГЕ и маиннет лансирање.
Ishan Pandey:Коначно, као неко ко гради дубоку технолошку инфраструктуру, који савет бисте дали програмерима или истраживачима који желе да уђу у овај раскрсницу децентрализоване АИ?
Kamesh:Најбољи савет који могу да дам људима је да ваш производ буде једноставан.Људи би требали бити у стању да разумеју шта радите у првих неколико минута.Корисници више брину о томе да ли производ функционише глатко и решава њихов проблем уместо фантастичних кључних речи.
Ne zaboravite da volite i delite priču!
Vested Interest Disclosure: Овај аутор је независни доприносилац који објављује преко нашег програма за пословне блогове. HackerNoon је прегледао извештај за квалитет, али тврдње у овом чланку припадају аутору. #DYO
Објављивање интереса: Овај аутор је независни доприносилац који објављује преко нашег програма за пословне блогове. HackerNoon је прегледао извештај за квалитет, али тврдње у овом чланку припадају аутору. #DYO
Објављивање интереса:Program poslovnog blogovanja
