مقال واحد لفهم النجم الصاعد Crypto x AI الزائدي

المؤلف: جوش هو وتنغ يان، سلسلة الفكر؛ الترجمة: Golden Finance xiaozou

هذا المقال ، سنلقي نظرة متعمقة على Hyperbolic، وهي خدمة سحابية شهيرة ومفتوحة المصدر تعمل بالذكاء الاصطناعي. تتمثل مهمة Hyperbolic الطموحة في جعل الوصول إلى الذكاء الاصطناعي أكثر سهولة من خلال توفير قوة حوسبة استدلالية ميسورة التكلفة.

ولكن قبل ذلك، دعونا نلقي نظرة على ما نعتقد أنه من أكثر الأشياء إثارة للاهتمام حول القطع الزائد...

1،أسرار الزائدية —— > إثبات أخذ العينات

القطع الزائد هو حل مصطنع يأتي أحد أصعب التحديات في مجال الذكاء إلى المقدمة: التحقق مما إذا كان المخرج يأتي بالفعل من نموذج معين للذكاء الاصطناعي.

هذه المشكلة صعبة بشكل خاص بالنسبة لمقدمي الخدمات المركزية مغلقة المصدر مثل OpenAI. عندما تطلب مخرجات من GPT-4، كيف يمكنك التأكد من عدم تعرضك للخداع - على سبيل المثال، من خلال تشغيل OpenAI لنموذج GPT-3.5 الأرخص (1/20 من سعر الرمز المميز)؟

في الوقت الحالي، تعتمد هذه الضمانات على السمعة، لكن Hyperbolic تعتقد أنه يجب التعامل مع هذه المشكلة بطريقة لا مركزية وغير موثوقة.

توجد حاليًا عدة طرق للقيام بذلك:

· التفاؤلالتعلم الآلي (OpML): افترض أن جميع المعاملات صالحة ما لم يتم الاعتراض عليها من قبل المدقق.

· التعلم الآلي بدون معرفة(zkML): استخدم دائرة ZK للتحقق من إجراء الحسابات بشكل صحيح.

ومع ذلك، كلاهما لهما قيود:

· OpML الاعتماد على المدققين للتحقق من النتائج يؤدي إلى تأخير نهائيتها بسبب فترات النزاع. بالإضافة إلى ذلك، هناك نقص في الحوافز الجوهرية لضمان تصرف المصادقين بنزاهة.

· zkML يعد مكلفًا للغاية من الناحية الحسابية، ويستغرق أحيانًا أيامًا لإنشاء دليل نموذجي كبير يحتوي على أكثر من 70B من المعلمات.

يهدف Hyperbolic إلى التغلب على أوجه القصور هذه من خلال بروتوكول إثبات العينات (PoSP) وتعلم الآلة باستخدام العينات (SpML). تستخدم SpML نظرية أخذ العينات والألعاب لتشجيع السلوك الصادق دون الحاجة إلى الرقابة المستمرة.

يعتمد هذا النظام على مفهوم نظرية اللعبة الإستراتيجية البحتة والذي يسمى Nash Equilibrium، حيث يكون لدى جميع المشاركين حوافز واضحة للعمل بنزاهة لأن تكاليف الغش تفوق الإمكانات فوائد.

أبسط طريقة للتفكير في الأمر هي تخيله كنظام تذاكر الحافلات.

يجري مفتشو التذاكر عمليات فحص عشوائية فقط، لذلك قد تعتقد أن الركاب غالبًا ما يخاطرون بالتهرب من الأسعار. ولكن من المدهش أنهم لا يفعلون ذلك لأن العقوبات المفروضة على التهرب من دفع الأجرة قوية بما يكفي لردع الركاب عن الغش. وطالما أن الغرامة تتجاوز بكثير تكلفة شراء التذكرة، فستسود النزاهة.

تستخدم SpML الخاصة بـ Hyperbolic حوافز مالية لمعالجة القيود المفروضة على آليات التحقق الحالية مثل OpML وzkML. فهو يوفر توازنًا جيدًا بين السرعة والأمان دون عبء حسابي ثقيل.

ما الذي يجب أن ننتبه إليه؟ أي أنه يفترض أن كل شخص يتصرف بعقلانية، وهذا ليس هو الحال دائمًا.

إذا عملت SpML بشكل جيد في الممارسة العملية، فسوف تغير قواعد اللعبة لتطبيقات الذكاء الاصطناعي اللامركزية، مما يجعل الاستدلال الذي تم التحقق منه وغير الموثوق به حقيقة واقعة.

2، حوسبة منخفضة التكلفة وقابلة للتطوير

تدريب الذكاء الاصطناعي مكلف. تعد الطاقة والوصول إلى الحوسبة من أكبر التكاليف التي تواجهها الشركات والشركات الناشئة. تتضاعف تكلفة الطاقة الحاسوبية اللازمة لتدريب النماذج كل 9 أشهر تقريبًا.

تبلغ تكلفة GPT-3 في عام 2020 حوالي 4 ملايين دولار أمريكي، في حين تصل تكلفة التدريب الحسابي لـ GPT-4 في عام 2023 إلى 190 مليون دولار أمريكي، وهو أمر مذهل.

لا يمكن البقاء إلا للمؤسسات التي لديها موارد كافية. يتم تسعير صغار اللاعبين والمتحمسين خارج السوق بسبب التكاليف الباهظة. اضطر أحد باحثي ما بعد الدكتوراه في جامعة ستانفورد إلى إيقاف أبحاثه لأنه لم يكن قادرًا على شراء آلاف وحدات معالجة الرسوميات التي كان يحتاجها.

أحد التحديات الرئيسية في شبكات الحوسبة اللامركزية هو إدارة الأجهزة غير المتجانسة - وليس فقط شرائح Nvidia المتطورة؛ .

يعد نظام التشغيل اللامركزي الخاص بـ Hyperbolic جوهر شبكة الحوسبة الخاصة به. سيتم تجميع الموارد بسلاسة مع القياس التلقائي المدمج والتسامح مع الأخطاء.

يكمن الإنجاز الذي حققته شركة Hyperbolic في تعاملها مع هذا التعقيد.

· يوفر المرونة من خلال تحسين عمليات الموتر على أجهزة مختلفة، من Nvidia إلى وحدات معالجة الرسومات AMD.

· تعمل مجموعة التجميعات الخاصة بـ Hyperbolic على تجريد التعقيد، مما يتيح للمطورين تحقيق أداء عالٍ عبر إعدادات GPU المختلفة دون التورط في معضلة النشر والتكوين.

قد تقدم الأسواق الأخرى وحدات معالجة رسومات لا مركزية، لكنها غالبًا ما تفتقر إلى التحسينات المتطورة التي يمكن أن توفرها Hyperbolic، مما يضع عبء ضبط الأداء على عاتق المستخدم.

يعمل الزائدي على تبسيط ذلك من خلال واجهة برمجة التطبيقات (API) التي توفر الوصول إلى نماذج الذكاء الاصطناعي المحسنة لمجموعة متنوعة من الأجهزة، مما يجعل موارد الحوسبة في العالم أكثر سهولة في الوصول إليها.

في 15 أغسطس، أصدرت شركة Hyperbolic إصدارًا محدودًا ألفا من سوق GPU الخاص بها، مما يسمح لـ 100 عضو منتظر بتجربة ميزة تأجير GPU.

3، الذكاء الاصطناعيطبقة الخدمة

المكون التالي للنظام البيئي للذكاء الاصطناعي الزائدي هو طبقة خدمة الذكاء الاصطناعي، والتي توفر وظائف مثل الاستدلال والتدريب النموذجي وتقييم النموذج وتوليد زيادة الاسترجاع (RAG).

في تطبيق Hyperbolic، يمكنك بسهولة تشغيل أفضل النماذج مفتوحة المصدر مثل Llama 3.1 405B وHermes 370B. لضبط الإخراج بشكل دقيق، يمكنك ضبط المعلمات الفائقة مثل الرموز المميزة القصوى ودرجة الحرارة وأعلى P.

تفتح منصة Hyperbolic الباب أمام تطبيقات الذكاء الاصطناعي المبتكرة، بما في ذلك:

·الذكاء الاصطناعيإيرادات الوكلاء المشاركة: قم بترميز ملكية وكلاء الذكاء الاصطناعي لإعادة توزيع الإيرادات.

· الذكاء الاصطناعيDAO: استخدام الذكاء الاصطناعي للحوكمة صناعة القرار.

· تقسيموحدة معالجة الرسوماتالملكية:تسمح للمستخدمين بامتلاك و التجارة الجزئية GPU.

4ما الدور الذي تلعبه التشفير؟

إن جوهر البنية التحتية الزائدية هو blockchain الخاص بها، والذي يدعم طبقات التنسيق والخدمة والتحقق. تتعامل Blockchain مع التسوية والحوكمة لسحابة الذكاء الاصطناعي مفتوحة المصدر من Hyperbolic. كما أنه يدعم آليات التحكيم والتحقق الخاصة بتقنية PoSP.

على الرغم من أنه لا يزال هناك القليل جدًا من المحتوى المحدد حول blockchain، يمكنك أن تتوقع أن تكشف Hyperbolic المزيد عنها قريبًا.

5، درجة البحثنمط ألفا

القطع الزائد لا يزال في مرحلة testnet. لقد جمعوا 7 ملايين دولار في جولة تأسيسية بقيادة Polychain Capital وLightspeed Faction.

ومن المثير للاهتمام أن Hyperbolic هي المزود الحصري لنموذج Llama 3.1 405B Base.

النموذج الأساسي هو نسخة أولية تم تدريبها مسبقًا من LLM دون الضبط الدقيق أو التعلم المعزز باستخدام التعليقات البشرية (RLHF). ويتميز بالمزايا التالية:

·دعم شامل لتحسين مهام محددة

· هي نقطة البداية لتقنيات الذكاء الاصطناعي المتقدمة، مثل توليد البيانات الاصطناعية أو التقطير النموذجي.

6، حول الفريق

الدكتور جاسبر (يوي) تشانغ هو المشارك- مؤسس شركة Hyperbolic Labs الشخص والرئيس التنفيذي. كان سابقًا باحثًا كبيرًا في مجال blockchain في Ava Labs وباحثًا كميًا في Citadel Securities. حصل على درجة الدكتوراه في الرياضيات من جامعة كاليفورنيا، بيركلي، خلال عامين، وفاز بالميداليات الذهبية في كل من مسابقة علي بابا العالمية للرياضيات وأولمبياد الصين للرياضيات.

الدكتور يوتشين جين هو المؤسس المشارك والرئيس التنفيذي للتكنولوجيا في Hyperbolic Labs. حصل على درجة الدكتوراه في أنظمة الكمبيوتر والشبكات من جامعة واشنطن. وقد عمل سابقًا في OctoML، وهي شركة توفر البنية التحتية لتشغيل تطبيقات الذكاء الاصطناعي التوليدية وضبطها وتوسيع نطاقها.

7بعض أفكارنا

بشكل عام، نحن متحمسون جدًا بشأن القطع الزائد. إنهم بالتأكيد أحد الفرق الأكثر شهرة في مجال Crypto AI.

يعد Hyperbolic أكثر من مجرد موفر للطاقة الحاسوبية، حيث تضيف ابتكارات مثل PoSP وSpML أيضًا طبقات جديدة من الثقة والتحقق إلى الذكاء الاصطناعي اللامركزي.

من المثير للاهتمام تجربة النماذج الأساسية على Hyperbolic، خاصة وأنهم أحد المزودين القلائل القادرين حاليًا على تنفيذ هذه الميزة. يمكننا أن نثق تمامًا في التزامهم بالذكاء الاصطناعي مفتوح المصدر.

كتبنا منذ بضعة أسابيع عن Prime Intellect. يبقى أن نرى ما إذا كانت Hyperbolic ستركز على تدريب الذكاء الاصطناعي الموزع مثل Prime Intellect.

بينما نلاحظ أن الطلب على قوة الحوسبة متناثر بشكل عام، لا يبدو أن هذا هو الحال بالنسبة للقطع الزائد. لقد أظهروا بالفعل قوة جذب مبكرة في سوق الأبحاث، وجذبوا اهتمامًا كبيرًا من الباحثين والمطورين.