Whitepaper sieci Allora: Nowa era w zdecentralizowanej inteligencji maszynowej

Zespół Allora

5 czerwca 2024 r. // Korekta tłumaczenia: Bart Zmuda

Z dumą prezentujemy dokument Allora Network , w którym szczegółowo opisano ramy, innowacje i wizję stojącą za samodoskonalącą się zdecentralizowaną siecią sztucznej inteligencji Allora.

W erze szybkich postępów AI, Allora Network ma na celu demokratyzację dostępu do inteligencji maszynowej i stworzenie nowej warstwy koordynacyjnej, dzięki której różne modele mogą przyczyniać się do wspólnego źródła zbiorowej inteligencji. Wykorzystując zbiorową inteligencję w zdecentralizowanej sieci, Allora umożliwia tworzenie znacznie bardziej zaawansowanej AI.

Do najważniejszych innowacji zalicza się inteligencję zbiorową, która umożliwia łączenie wniosków z różnych modeli w celu tworzenia bardziej wydajnych wniosków syntetycznych, a także zróżnicowaną strukturę zachęt, która nagradza uczestników na podstawie ich konkretnego wkładu, gwarantując wysokiej jakości dane i oceny.

Przełamywanie barier w AI

Ostatnie postępy w dostępie do danych i mocy obliczeniowej umożliwiły przyspieszoną poprawę inteligencji maszynowej — oferując wgląd w wpływ, jaki AI będzie miała na nasz świat. Jednak ogromne zasoby wymagane do stworzenia najnowocześniejszej inteligencji maszynowej spowodowały, że te rozwiązania zostały zamknięte i odizolowane przez monolity branżowe. Aby osiągnąć pełny potencjał inteligencji maszynowej, dane, algorytmy i uczestnicy muszą być maksymalnie połączeni. Potrzebne są rozwiązania sieciowe, a zdecentralizowana natura technologii blockchain jest idealna do rozwiązania tego problemu.

Sieć Allora dąży do zniesienia tych barier poprzez wspieranie zdecentralizowanego ekosystemu, w którym uczestnicy mogą wnieść wkład do wspólnego źródła zbiorowej inteligencji. To podejście promuje bardziej otwarte i współpracujące środowisko, w którym każdy, kto ma wartościowe modele AI, może wnieść wkład do sieci i czerpać z niej korzyści.

Sieć Allora to protokół, który wykorzystuje zdecentralizowaną sztuczną inteligencję i uczenie maszynowe do budowania, wyodrębniania i łączenia prognoz lub wniosków dotyczących sztucznej inteligencji wśród swoich uczestników. Oferuje sformalizowany sposób uzyskiwania wyników modeli uczenia maszynowego w sieciach blockchain i nagradzania operatorów węzłów sztucznej inteligencji, którzy tworzą te wnioski. W ten sposób Allora wypełnia lukę informacyjną między właścicielami danych, podmiotami przetwarzającymi dane, modelami sztucznej inteligencji i użytkownikami końcowymi lub konsumentami, którzy mają środki do realizacji tych spostrzeżeń.

Role i interakcje w sieci

Podstawą sieci Allora jest jej nowatorski mechanizm „Inference Synthesis”. Mechanizm ten umożliwia łączenie wielu wystąpień AI w bardziej wydajne źródło zbiorowej inteligencji maszynowej. Mechanizm ten kładzie szczególny nacisk na znaczenie świadomości kontekstu w ocenie względnego wkładu różnych modeli w sieci w celu tworzenia syntezowanych wniosków, które są stale lepsze niż jakiekolwiek wnioski wytworzone przez poszczególne modele w sieci.

Allora składa się z trzech typów aktorów:

• Pracownicy (workers) : dostarczają wniosków wspomaganych przez sztuczną inteligencję i prognozują straty, przyczyniając się do świadomości kontekstowej sieci.
• Reputers : oceniają jakość wniosków w odniesieniu do prawdy obiektywnej, zapewniając bezpieczeństwo ekonomiczne i konsensus w obrębie sieci.
• Konsumenci : żądają wniosków i płacą za usługi za pomocą tokenów, ułatwiając przepływ ekonomiczny w ramach sieci.

Role te współdziałają ze sobą w sposób synergistyczny, aby utrzymać integralność i wydajność sieci.

Przydzielanie nagród pomiędzy zadania sieciowe

Sieć Allora korzysta z zaawansowanego systemu, który umożliwia sprawiedliwy podział nagród pomiędzy różne zadania sieciowe, promując współpracę i zwiększając ogólną wydajność.

Trzy główne klasy zadań

Nagrody są rozdzielane pomiędzy trzy główne klasy zadań: zadania wnioskowania, zadania prognozowania i zadania raportowania.

1. Zadania wnioskowania

• Rola : Pracownicy zajmujący się wnioskowaniem dostarczają wniosków wspomaganych przez sztuczną inteligencję, wykorzystując swoje dane i algorytmy, w celu optymalizacji danej funkcji celu w sieci.
• Mechanizm nagradzania : Nagrody zależą od względnej dokładności i trafności wniosków, co gwarantuje wysoką jakość wkładu.

2. Zadania prognozowania

• Rola : Pracownicy prognozujący przewidują efektywność wniosków wyciąganych przez innych pracowników, ucząc się z czasem, jak różni pracownicy wyciągający wnioski radzą sobie w różnych kontekstach.
• Mechanizm nagradzania : Nagrody zależą od dokładności prognoz, co poprawia inteligencję kontekstową sieci.

3. Zadania Reputer

• Rola : Reputatorzy oceniają jakość wniosków w odniesieniu do prawdy obiektywnej.
• Mechanizm nagradzania : Nagrody przyznawane są na podstawie udziału i konsensusu ocen, co promuje uczciwe i dokładne oceny.

Demonstracja struktury zachęt sieci Allora, pokazująca, jak nagrody są rozdzielane pomiędzy różnych uczestników sieci w czasie. Lewa kolumna pokazuje całkowite nagrody przyznane każdej z klas zadań sieciowych, tj. zadaniu wnioskowania (niebieskie), zadaniu prognozowania (cyjan) i zadaniu reputer (czerwone), a także łączną sumę na czarno.

Przydział nagród oparty na entropii

Całkowite nagrody za temat są dzielone między zadania przy użyciu metody opartej na entropii, która bierze pod uwagę decentralizację i dystrybucję nagród w każdej klasie. Zadania z większą liczbą uczestników lub równym podziałem otrzymują wyższe nagrody, co zachęca do inkluzywności i szerokiego uczestnictwa.

Dostosowanie do użyteczności zadania

Alokacja nagród między zadaniami wnioskowania i prognozowania jest dostosowywana na podstawie użyteczności prognozowania, mierzonej jego wpływem na ogólną dokładność sieci. Zadania zapewniające większe korzyści otrzymują więcej nagród, zapewniając, że zasoby są kierowane tam, gdzie są najbardziej efektywne.

Zrównoważona gospodarka

Mechanizmy sieci Allora, takie jak stawka emisji, dystrybucja nagród i model ustalania cen opłat, mają na celu zapewnienie długoterminowej stabilności oraz zachęcanie do stałego uczestnictwa i doskonalenia sieci.

Współczynnik emisji tokenów

Token ALLO jest głównym środkiem koordynacji w sieci. Jest on wybijany/mintowany w celu ułatwienia wymiany wartości między uczestnikami sieci. Tempo emisji podlega wygładzonemu, dezinflacyjnemu harmonogramowi, zaprojektowanemu w celu utrzymania długoterminowych nagród w gospodarce o ograniczonej podaży. Takie podejście zapewnia, że ​​roczna stopa zwrotu (APY) uzyskana z postawionego tokena pozostaje stabilna, nawet w przypadku dużych odblokowywań tokenów, zapobiegając nagłym szokom podażowym.

Dystrybucja nagród

Dystrybucja nagród jest starannie ustrukturyzowana, aby zrównoważyć zachęty w całej sieci. W przypadku pracowników (workers) nagrody są proporcjonalne do ich unikalnego wkładu w dokładność sieci, podczas gdy osoby o reputacji otrzymują nagrody na podstawie swojego udziału i konsensusu swoich ocen. Ta zróżnicowana struktura zachęt zachęca do wysokiej jakości wkładów i utrzymuje bezpieczeństwo ekonomiczne w sieci.

Ilustracja modelowanego APY (przy hipotetycznym zestawie parametrów) ilustrująca strukturę emisji tokenów w sieci.

Model cenowy opłat

Allora stosuje model „płać, ile chcesz” (PWYW) dla opłat konsumenckich, umożliwiając użytkownikom ustalanie własnych cen za wnioski, o które proszą. Model ten sprzyja konkurencji między tematami, ponieważ wyższe opłaty zwiększają wagę tematu i jego udział w całkowitej emisji tokenów. Ta dynamika zapewnia, że ​​tematy świadczące wartościowe usługi są odpowiednio wynagradzane, promując ciągłe doskonalenie i innowację.

Długoterminowa Zrównoważoność

Opłaty pobierane z tytułu aktywności sieciowej są dodawane do skarbca sieci, z którego wypłacane są nagrody przed wybiciem nowych tokenów.

Opisany mechanizm pomaga spowolnić drenaż zasobów sieciowych, jednocześnie starając się utrzymać rozsądny poziom APY dla uczestników: równoważąc emisje tokenów z przychodami z opłat, Allora zapewnia zrównoważony i odporny model ekonomiczny, który może dostosowywać się do dynamiki rynku i wspierać rozwój sieci w czasie.

Przyszłe badania

Zbudowana z myślą o elastyczności, sieć Allora jest gotowa na przyszłe rozszerzenia w różnych domenach AI, takich jak uczenie bez nadzoru i generatywna AI. Whitepaper przedstawia potencjalne kierunki badań i zastosowania, które wykorzystują unikalne możliwości Allora, torując drogę innowacyjnym rozwiązaniom w różnych sektorach.

Wnieś swój wkład do Allora

Wydanie Whitepaper Allora Network oznacza znaczący kamień milowy w naszej podróży w kierunku bardziej zdemokratyzowanego i wydajnego ekosystemu AI. Wykorzystując zbiorową inteligencję zdecentralizowanej sieci, Allora jest gotowa przekształcić krajobraz inteligencji maszynowej.

Przeczytaj pełną treść dokumentu tutaj .

Przeczytaj tę dokumentację , jeśli chcesz przyczynić się do rozwoju Allora Network i pomóc w stworzeniu zdecentralizowanego źródła zbiorowej inteligencji.

O Allorze

Allora to samodoskonaląca się, zdecentralizowana sieć sztucznej inteligencji.

Allora umożliwia aplikacjom wykorzystanie inteligentniejszej, bezpieczniejszej AI poprzez samodoskonalącą się sieć modeli ML. Łącząc innowacje w zakresie inteligencji crowdsourcingowej, uczenia federacyjnego i zkML, Allora otwiera ogromną nową przestrzeń projektową aplikacji na styku kryptografii i AI.

Aby dowiedzieć się więcej o Allora, odwiedź stronę internetową , X , Medium , Discord i dokumentację deweloperską.