Önceki merkezi olmayan yapay zeka dalgasında, Bittensor, io.net ve Olas gibi öne çıkan projeler, yenilikçi teknolojileri ve vizyoner stratejileri sayesinde endüstri liderleri haline geldi. Ancak, bu projelerin değerlemeleri yükseldikçe, düzenli yatırımcılar için giriş engelleri de arttı. Mevcut sektör rotasyonu sırasında, hala katılım için yeni fırsatlar var mı?

Sürü: Merkezi Olmayan AI Eğitim ve Doğrulama Ağı

Flock, federated learning'yi blockchain teknolojisiyle birleştirerek kullanıcılara model eğitimi ve yönetimi için güvenli bir ortam sunan merkezi olmayan bir yapay zeka model eğitimi ve uygulama platformudur. Bu platform aynı zamanda veri gizliliğini korur ve adil topluluk katılımını kolaylaştırır. “Flock” terimi, kurucu ekibinin “Flock” adlı akademik bir makale yayınladığı 2022 yılında öne çıktı.FLock: Blok zinciriyle federatif öğrenmede kötü niyetli davranışları engellemeMakale, federasyon öğrenmesinde kötü amaçlı eylemlerle mücadele etmek için blok zincirinin kullanılmasını önerdi. Dağıtılmış bir yaklaşımın, model eğitimi sırasında veri güvenliği ve gizliliğini destekleyebileceğini özetledi ve bu yenilikçi mimarinin dağıtılmış hesaplama alanındaki potansiyel uygulamalarını sergiledi.

İlk kavram doğrulamasını takiben, Flock 2023 yılında merkezi olmayan çoklu Ajan AI ağını, Flock Araştırma'yı başlattı. Flock Araştırma'da, her Ajan belirli alanlar için ince ayarlanmış büyük bir dil modeli (LLM) olup, işbirliği yoluyla kullanıcılara çeşitli alanlarda içgörüler sağlayabilmektedir. Flock, 2024 Mayıs ortasında, merkezi olmayan AI eğitim platformunun testnetini resmen açarak, kullanıcıların model eğitimine ve ince ayarına test token FML kullanarak katılımını ve ödüller kazanmalarını sağladı. 30 Eylül 2024 itibariyle, Flock platformundaki günlük aktif AI mühendislerinin sayısı 300'ü aşarak, toplamda 15.000 model sunuldu.

Proje büyümeye devam ettiğinde, Flock da sermaye piyasalarından ilgi çekmeye devam etti. Bu yılın Mart ayında, Flock, Lightspeed Faction ve Tagus Capital liderliğindeki 6 milyon dolarlık bir fonlama turunu tamamladı. DCG, OKX Ventures, Inception Capital ve Volt Capital'in katılımıyla dikkat çekici bir şekilde. Flock, bir hibe alan tek AI altyapı projesi2024 Ethereum Vakfı'nın akademik finansman turunda.

Yapay Zeka Üretim İlişkilerini Yeniden Şekillendirmenin Temel Taşı: Federated Learning için Akıllı Kontratların Tanıtılması

Federated Learning, verilerin yerel olarak depolanmasını sağlarken birden fazla varlık (genellikle istemciler olarak adlandırılır) tarafından modellerin işbirliği içinde eğitilmesine izin veren bir makine öğrenme yaklaşımıdır. Geleneksel makine öğrenmesinin aksine, federated learning tüm verilerin merkezi bir sunucuya yüklenmesini önler, böylece kullanıcı gizliliğini yerel hesaplama aracılığıyla korur. Bu yöntem zaten çeşitli gerçek dünya senaryolarında uygulanmıştır; örneğin, Google 2017'de Gboard klavyesine federated learning'i optimize giriş önerileri ve metin tahminleri için kullanarak kullanıcı giriş verilerinin yüklenmediğinden emin olmuştur. Tesla, benzer teknolojiyi otonom sürüş sistemine uygulayarak aracın çevresel algısını yerel olarak geliştirir ve büyük video verisi iletimi ihtiyacını azaltır.

Ancak, bu uygulamalar hala özellikle gizlilik ve güvenlik konusunda zorluklarla karşı karşıya. İlk olarak, kullanıcıların merkezi üçüncü taraflara güvenmeleri gerekiyor. İkinci olarak, model parametrelerinin iletimi ve toplanması sırasında, yanlış veri veya zararlı parametreler yüklemesini önlemek son derece önemlidir, bu da genel model performansında önyargılara veya hatta yanlış tahminlere neden olabilir. FLock ekibi tarafından yapılan araştırma, IEEEBir dergide yer alan bir makale, geleneksel federasyon öğrenme modellerinin doğruluğunun, düğümlerin %10'u kötü niyetli olduğunda %96.3'e düştüğünü, kötü niyetli düğümlerin oranı %30 ve %40'a çıktığında ise sırasıyla %80.1 ve %70.9 düşüş gösterdiğini gösteriyor.

Bu sorunları ele almak için, Flock, federasyon öğrenme çerçevesi içinde bir "güven motoru" olarak blok zincirinde akıllı sözleşmeleri tanıttı. Bir güven motoru olarak, akıllı sözleşmeler parametrelerin toplanmasını ve doğrulanmasını merkezi olmayan bir ortamda otomatikleştirebilir, model sonuçlarının önyargısız yayınlanmasına ve kötü niyetli düğümlerin verileri bozmasının etkili bir şekilde önlenmesine izin verir. Geleneksel federasyon öğrenme çözümlerine kıyasla, FLock'un model doğruluğu %95,5'in üzerinde kalır, hatta düğümlerin %40'ı kötü niyetli olsa bile.

Yapay Zeka Yürütme Katmanı: FLock'un Üç Katmanlı Mimarısını Analiz Etmek

Mevcut yapay zeka manzarasındaki temel sorun, yapay zeka model eğitimi ve veri kullanımı için kaynakların birkaç büyük şirket arasında yoğunlaşmış olmasıdır, bu da sıradan geliştiricilerin ve kullanıcıların bu kaynakları etkili bir şekilde kullanmalarını zorlaştırmaktadır. Sonuç olarak, kullanıcılar önceden oluşturulmuş standart modellere sahip olurlar ve bunları kendi özel ihtiyaçlarına göre özelleştiremezler. Talep ile arz arasındaki bu uyumsuzluk, piyasada bol miktarda hesaplama gücü ve veri rezervlerine rağmen, bunların pratikte kullanılabilir modellere ve uygulamalara dönüştürülememesine yol açar.

Bu sorunun üstesinden gelmek için Flock, talebi, kaynakları, hesaplama gücünü ve verileri koordine eden etkili bir zamanlama sistemi olarak hizmet etmeyi amaçlamaktadır. Web3 teknoloji yığınından yararlanan Flock, kendisini öncelikle kullanıcıların özelleştirilmiş yapay zeka gereksinimlerini eğitim için çeşitli merkezi olmayan düğümlere tahsis etmekten ve bu görevleri küresel düğümler arasında düzenlemek için akıllı sözleşmeler kullanmaktan sorumlu olan "yürütme katmanı" olarak konumlandırıyor.

Ayrıca, ekosistem boyunca adillik ve verimlilik sağlamak için FLock sistemi aynı zamanda "uzlaşma katmanı" ve "mutabakat katmanı"ndan da sorumludur. Uzlaşma katmanı, katılımcıların katkılarını teşvik etmek ve yönetmek, görev tamamlama temelinde onları ödüllendirmek veya cezalandırmak anlamına gelir. Mutabakat katmanı, eğitim sonuçlarının kalitesini değerlendirmek ve optimize etmek, nihai oluşturulan modellerin global optimal çözümü temsil ettiğinden emin olmakla ilgilidir.

FLock'in genel ürün mimarisi, üç ana modülden oluşur: AI Arena, FL Alliance ve AI Marketplace. AI Arena, merkezi olmayan temel model eğitiminden sorumludur, FL Alliance ise akıllı sözleşme mekanizması altında modelin ince ayarına odaklanır ve AI Marketplace ise nihai model uygulama pazarı olarak hizmet verir.

AI Arena: Yerelleştirilmiş Model Eğitimi ve Doğrulaması için Teşvikler

AI Arena, kullanıcıların Flock test ağı jetonları (FML) yatırarak katılabileceği ve karşılık gelen yatırım ödüllerini alabileceği Flock'un merkezi olmayan yapay zeka eğitim platformudur. Kullanıcılar ihtiyaç duydukları modelleri tanımladıklarında ve görevleri gönderdiklerinde, yapay zeka Arena'daki eğitim düğümleri belirli bir başlangıç model mimarisini kullanarak modelleri yerel olarak eğitecek ve merkezi sunuculara doğrudan veri yükleme gerektirmeksizin. Her düğüm eğitimi tamamladıktan sonra, doğrulayıcılar eğitim düğümlerinin çalışmasını değerlendirmek, modellerin kalitesini kontrol etmek ve puanlamakla sorumludur. Doğrulama sürecine katılmak istemeyenler, jetonlarını ödüller karşılığında doğrulayıcılara devredebilirler.

AI Arena'da, tüm roller için ödül mekanizmaları iki temel faktöre bağlıdır: stake edilen token miktarı ve görevlerin kalitesi. Stake edilen miktar, katılımcıların "bağlılığını" yansıtırken, görev kalitesi katkılarını ölçer. Örneğin, eğitim düğümleri için ödüller, stake edilen miktara ve gönderilen model kalitesinin sıralamasına bağlıyken, doğrulayıcıların ödülleri, oylama sonuçlarının fikir birliği ile tutarlılığına, stake edilen token sayısına ve doğrulamalara katılımlarının sıklığına ve başarı oranına bağlıdır. Delegatörlerin getirileri, seçtikleri doğrulayıcılara ve stake ettikleri miktara bağlıdır.

AI Arenageleneksel makine öğrenme modeli eğitim modlarını destekler, kullanıcılara cihazlarındaki yerel verilerde veya genelde kullanılabilen verilerde eğitim yapma seçeneği sunarak nihai modelin performansını maksimize etmelerine olanak tanır. şu anda, AI Arena genel testneti var.toplam496 aktif eğitim düğümü, 871 doğrulama düğümü ve 72 delege. Platformun staking oranı %97.74, eğitim düğümleri için aylık ortalama kazanç %40.57 ve doğrulama düğümleri için %24.70.

Akıllı Sözleşmelerle Yönetilen Ayarlamalar için Bir Platform: FL Alliance

AI Arena'daki en yüksek dereceli modeller, 'uzlaşı modelleri' olarak seçilir ve FL Alliance'a daha fazla ince ayar yapılması için atanır. Bu ince ayarlama süreci birden fazla turdan oluşur. Her turun başında sistem, görevle ilgili bir FL akıllı sözleşmesi otomatik olarak oluşturur ve görev yürütme ve ödülleri yönetir. Benzer şekilde, her katılımcının belirli bir miktarda FML jetonu koyması gereklidir. Katılımcılara rastgele olarak önerenler veya oy verenler olarak roller atanır. Önerenler yerel veri kümelerini kullanarak modeli eğitir ve eğitilmiş model parametrelerini veya ağırlıklarını diğer katılımcılara yükler. Oy verenler daha sonra önerenin model güncelleme sonuçlarını özetler ve oy kullanarak değerlendirir.

Tüm sonuçlar akıllı sözleşmeye gönderilir, her turdaki puanları önceki turdaki puanlarla karşılaştırarak model performansındaki iyileşmeleri veya düşüşleri değerlendirir. Performans puanı iyileşirse, sistem eğitimin bir sonraki aşamasına ilerler; düşerse, eğitim önceki doğrulanmış modeli kullanarak başka bir tur eğitim, özetleme ve değerlendirme yapmak üzere yeniden başlatılır.

FL İttifakıFederated learning ve akıllı sözleşme mekanizmalarını birleştirerek veri egemenliğini sağlayarak çoklu katılımcı ile küresel bir modelin işbirlikçi eğitimini başarıyor. Farklı veri kaynaklarını entegre ederek ve ağırlıkları toplayarak, daha iyi performans gösteren ve daha büyük yeteneklere sahip bir küresel model inşa edebilir. Ayrıca, katılımcılar, tokenleri koyarak katılıma taahhütlerini gösterir ve model kalitesine ve uzlaşma sonuçlarına dayalı olarak ödüller alır, adil ve şeffaf bir ekosistem oluşturur.

AI Piyasa Yeri: Kişiselleştirilmiş AI Hizmetleri Nasıl Sunulur?

AI Arena'da eğitilen modeller ve FL Alliance'da hassaslaştırılan modeller nihayetinde diğer uygulamalar tarafından kullanılmak üzere AI Marketplace'e dağıtılacak. Geleneksel 'model pazarları'ndan farklı olarak, AI Marketplace yalnızca hazır modeller sunmakla kalmaz, aynı zamanda kullanıcıların bu modelleri değiştirmelerine ve yeni veri kaynaklarını entegre etmelerine olanak tanır, farklı uygulama senaryolarına cevap vermeleri için. Ayrıca, AI Marketplace, belirli alanlardaki modellerin doğruluğunu artırmak için Geri Alınan-Augmente Edilmiş Üretim (RAG) teknolojisini içerir. RAG, yanıt üretimi sırasında harici bilgi tabanlarından ilgili bilgileri alarak büyük dil modellerini artırma yöntemidir ve modelin yanıtlarının daha doğru ve kişiselleştirilmiş olmasını sağlar.

Şu anda, AI Marketplace, BTC GPT, Farcaster GPT, Scroll GPT ve Ethereum GPT gibi farklı uygulama senaryolarına dayalı birçok özelleştirilmiş GPT modeli başlattı. Özelleştirilmiş modellerle genel modeller arasındaki farkı açıklamak için BTC GPT'yi ele alalım.

Aralık 2023'te, BTC GPT ve ChatGPT'ye aynı anda "ARC20 nedir?" sorulduğunda:

• BTC GPTYanıtladı: “ARC20 protokolü, Bitcoin ağı üzerine inşa edilmiş olup kullanıcılara NFT'ler ve değiştirilebilir tokenlar gibi dijital varlıklar oluşturma, transfer etme ve yükseltme imkanı sunar. ARC20 protokolü ile değiştirilemez NFT'ler ve değiştirilebilir tokenlar Bitcoin ağı üzerinde oluşturulabilir. ARC20 protokolünün ana tokenı ATOM, protokol içinde çeşitli amaçlar için kullanılır.”
• ChatGPTyanıtladı: "Ocak 2022'deki son bilgi güncellememden itibaren, teknoloji, finans veya diğer yaygın alanlarda ARC20 olarak bilinen geniş kabul görmüş bir standart veya teknoloji bulunmamaktaydı. O zamandan beri ARC20 adında yeni bir teknoloji veya standart ortaya çıkmış olabilir, ancak ilgili bilgilere sahip değilim."

Yanıtlarından, özel GPT modellerinin önemini ve avantajlarını görebiliyoruz. Genel amaçlı dil modellerinin aksine, özel GPT modelleri belirli alanlara özgü verilerle eğitilebildiğinden, daha doğru yanıtlar sağlayabilir.

Flock ve Bittensor arasında, ikisi de DCG tarafından desteklenen benzerlikler ve farklılıklar nelerdir?

Yapay zeka sektörü canlanırken, merkezi olmayan yapay zeka projelerinin temsilcilerinden biri olan Bittensor, son 30 gün içinde tokeninin %93,7'nin üzerinde artarak tarihi zirvesine yaklaştığını ve piyasa değerinin bir kez daha 4 milyar doları aştığını gördü. Özellikle, Flock'un yatırım şirketi Digital Currency Group (DCG), aynı zamanda Bittensor ekosistemindeki en büyük doğrulayıcılardan ve madencilerden biridir. Kaynaklara göre DCG, TAO'da yaklaşık $100 milyona sahip ve "Business Insider" tarafından yayınlanan 2021 tarihli bir makalede DCG yatırımcısı Matthew Beck, Bittensor'u en umut verici 53 kripto girişiminden biri olarak önerdi.

Her ne kadar DCG tarafından desteklenen projeler olsa da, Flock ve Bittensor farklı alanlara odaklanmaktadır. Özellikle, Bittensor merkezi olmayan bir yapay zeka interneti inşa etmeyi hedeflemekte ve her bir alt ağ (subnet) bir merkezi olmayan bir pazarı temsil etmektedir. Katılımcılar 'madenci' veya 'doğrulayıcı' olarak katılabilirler. Şu anda, Bittensor ekosistemi metinden sese, içerik üretimine ve büyük dil modellerini ince ayarlamaya kadar çeşitli alanları kapsayan 49 alt ağdan oluşmaktadır.

Geçen yıldan bu yana, Bittensor piyasada odak noktası olmuştur. Bir yandan, token fiyatı Ekim 2023'te 80 dolar seviyesinden 2022 yılında 730 dolara kadar yükselmiştir. Öte yandan, geliştiricileri çekmek için token teşviklerine dayanan modelinin sürdürülebilirliğiyle ilgili sorular da dahil olmak üzere çeşitli eleştirilerle karşı karşıya kalmıştır. Ayrıca, Bittensor ekosisteminin en üst üç doğrulayıcısı (Opentensor Foundation, Taostats & Corcel ve Foundry), staked TAO'nun neredeyse %40'ını elinde tutmaktadır ve bu da kullanıcıların merkeziyet seviyesiyle ilgili endişelerini artırmaktadır.

Flock, bununla birlikte, federasyon öğrenimine blockchain entegrasyonuyla kişiselleştirilmiş AI hizmetleri sunmayı hedeflemektedir. Flock, kendisini AI alanının 'Uber'i olarak konumlandırmakta olup, AI ihtiyaçlarını geliştiricilerle eşleştiren 'merkezi olmayan bir zamanlama sistemi' olarak hizmet vermektedir. Zincir üstü akıllı sözleşmeler aracılığıyla Flock otomatik olarak görev atama, sonuç doğrulama ve ödül hesaplamasını yönetir ve her katılımcının katkılarına dayalı olarak adil bir pay almasını sağlar. Bittensor'a benzer şekilde, Flock da kullanıcılara delegeler olarak katılım seçeneği sunar.

Özellikle, Flock aşağıdaki rolleri sağlar:

• Eğitim Düğümleri:Bu düğümler, token bahisleriyle AI görevi eğitimi yarışmalarına katılabilir ve hesaplama yetenekleri ve AI geliştirme deneyimi olan kullanıcılar için uygundur.
• Doğrulayıcılar:Ayrıca, ağa katılmak için jetonları stakelamaları gerekmekte ve madencilerin modellerinin kalitesini doğrulayarak ve gönderilen doğrulama puanlarıyla ödül dağıtımını etkileyerek sorumludurlar.
• Delegators:Onlar, madenci ve doğrulayıcı düğümlere jeton devredebilir ve bu devredilen düğümlerin görev tahsisindeki ağırlığını artırarak, devredilen düğümlerin kazandığı ödüllerin payını alabilirler. Bu, eğitim veya doğrulama görevlerinde teknik uzmanlık gerektirmeyen kullanıcıların ağına katılmasına ve ödül kazanmasına olanak tanır.

Flock.io resmi olarak delegasyon özelliğini açtı ve herhangi bir kullanıcının ödül kazanmak için FML tokenleri üzerinde stake yapmasına izin veriyor. KullanıcılarseçmekMaksimum staking ödüllerini artırmak için beklenen yıllık getirilere dayalı optimal düğümleri belirtir. Flock ayrıca, testnet aşamasındaki staking ve ilgili işlemlerin, ana ağ lansmanından sonra potansiyel airdrop ödüllerini etkileyeceğini belirtir.

Gelecekte, Flock, yapay zeka uzmanlığı olmayan kişilerin kolayca AI modelleri oluşturmasına ve eğitmesine olanak tanıyan daha kullanıcı dostu bir görev başlatma mekanizması sunmayı amaçlamaktadır, "herkes AI'ya katılabilir" vizyonunu gerçekleştiriyor. Flock, Request Finance ile zincir üzerinde bir kredi skoru modeli geliştirme ve Morpheus ve Ritual ile ortaklık kurma gibi çeşitli işbirlikleri de aktif olarak takip etmektedir ve ticaret bot modelleri oluşturmak için tek tıklamalı dağıtım şablonları sunar, Akash'ta model eğitimine başlamak ve çalıştırmak için geliştiriciler için kolay hale getirir. Ek olarak, Flock, Aptos platformundaki geliştiricilere destek olmak için Move dil programlama yardımcısını eğitti.

Genel olarak, Bittensor ve Flock farklı pazar pozisyonlarına sahip olsalar da, her ikisi de farklı merkezsiz teknolojiler aracılığıyla yapay zeka ekosistemi içinde üretim ilişkilerini yeniden tanımlamayı amaçlıyor. Ortak hedefleri, merkezi devlerin yapay zeka kaynakları üzerindeki tekeli ortadan kaldırmak ve bugünün piyasasında acil bir şekilde gereken daha açık ve adil bir yapay zeka ekosistemi oluşturmaktır.

Açıklama:

1. Bu makale [chainfeedsTüm telif hakları orijinal yazarına aittirLinda Bell]. If there are objections to this reprint, please contact the Gate Learnekip, ve hızlı bir şekilde ele alacaklar.
2. Sorumluluk Reddi: Bu makalede ifade edilen görüşler yalnızca yazarına aittir ve herhangi bir yatırım tavsiyesi teşkil etmez.
3. Makalenin diğer dillere çevirileri gate Learn ekibi tarafından yapılmaktadır. Belirtilmedikçe, çevrilmiş makaleleri kopyalamak, dağıtmak veya çalmak yasaktır.