Einführung

Traditionelle Cloud-Computing-Lösungen, wie sie von AWS und Alibaba Cloud bereitgestellt werden, bieten hochwertige Rechenressourcen, gehen jedoch mit hohen Kosten einher. Dezentrales Cloud-Computing ist ein neuer Ansatz, der die Blockchain-Technologie nutzt, um weltweit Rechenressourcen als Knoten in das Netzwerk einzubinden. Diese Knoten können Rechenleistung bereitstellen und Token als Anreiz verdienen. Dezentrales Computing hat viele Anwendungen, darunter Grafikrendering, Videotranskodierung, künstliche Intelligenz und maschinelles Lernen. Im aktuellen Bullenmarkt hat KI einen populären Fokus gefunden. Die KI-Branche wächst rasant, wobei sich die Rechenkomplexität alle drei Monate möglicherweise verdoppelt, was zu einem signifikanten Anstieg der Nachfrage nach Rechenleistung führt. Diese steigenden Kosten des dezentralen Computings stellen eine Herausforderung für Einzelpersonen und kleine Unternehmen dar, die im maschinellen Lernen tätig sind und Cloud-Computing-Services benötigen. Gensyn zielt darauf ab, KI durch Dezentralisierung zu demokratisieren und die Kosten für die für das Lernen benötigte Rechenleistung zu senken. Basierend auf dem Substripe-Protokoll verwendet Gensyn Smart Contracts, um die Zuweisung und Belohnung von maschinellen Lernaufgaben zu erleichtern. Es zielt auch darauf ab, ein verteiltes Deep-Learning-Computing-Protokoll im großen Maßstab zu schaffen, das probabilistische Lernnachweise mit Kryptowährung und Anreizmechanismen kombiniert, um ein effizienteres und skalierbareres Rechenmodell für den KI-Bereich anzubieten. Dieser Artikel wird sich mit der Betriebslogik des Gensyn-Protokolls und dem aktuellen Stand seiner Entwicklung befassen.

Was ist Gensyn?

Gensyn ist ein GPU-Computing-Netzwerk, das speziell für maschinelles Lernen konzipiert ist. Es erhöht die Rechenleistung für maschinelles Lernen, indem es verschiedene Long-Tail-Computing-Geräte weltweit nutzt, wie kleine Rechenzentren, persönliche Gaming-PCs und Macs. Obwohl es sich noch in der Entwicklung befindet, hat Gensyn bedeutende Fortschritte in seiner gestuften Produktentwicklung gemacht. Das Wirtschaftsmodell ist noch nicht veröffentlicht, und das Protokoll soll in das Polkadot-Ökosystem integriert werden.

Das Gensyn-Team hat seinen Sitz in London, UK. Die Mitbegründer haben einen Doktortitel in Informatik und waren frühzeitig in die Blockchain-Branche eingestiegen. Weitere Teammitglieder haben ebenfalls Erfahrung im Bereich künstliche Intelligenz, und das Team wächst. Finanziell ist das Team gut unterstützt. Im Juli 2021 erhielten sie eine Finanzierung in Höhe von 1,1 Millionen US-Dollar, im März 2022 eine Seed-Finanzierung in Höhe von 6,5 Millionen US-Dollar, angeführt von Eden Block, und im Juni 2023 eine Serie-A-Finanzierung in Höhe von 43 Millionen US-Dollar von a16z. Mehrere andere Investoren haben diese Finanzierung ebenfalls unterstützt. Das Team hat angegeben, dass diese Finanzierungsrunde dazu verwendet wird, das Team zu erweitern und den Start des Protokolls zu beschleunigen.

Wer ist beteiligt?

Das Gensyn-Ökosystem umfasst vier Schlüsselrollen: Submitter, Solvers, Verifiers und Reporters.

• Submitters sind Gensyn-Benutzer, die Aufgaben einreichen, die Berechnungen erfordern und die damit verbundenen Gebühren bezahlen.
• Solvers sind die Hauptarbeiter, die die Modelle trainieren und Nachweise für die Überprüfung erstellen.
• Verifikatoren spielen eine entscheidende Rolle im Ökosystem. Das Modelltraining im maschinellen Lernen ist oft ein nicht-deterministischer Prozess aufgrund von zufälliger Initialisierung, Algorithmusoptimierung und Datenstörung. Verifikatoren überbrücken die Lücke zwischen nicht-deterministischem Training und deterministischer Berechnung. Sie validieren das Modell, indem sie mathematische Beweise lösen und die Ausgabe des Modells mit den erwarteten Ergebnissen vergleichen, um dessen Zuverlässigkeit zu gewährleisten.
• Reporter sind die letzte Sicherung des Systems. Sie überprüfen die Arbeit der Verifizierer und können Herausforderungen stellen, um Belohnungen zu verdienen.

Wie funktioniert es?

Der operative Prozess des Produkts von Gensyn umfasst sechs Phasen: Aufgabeneinreichung, Modelltraining, Generierung von Nachweisen, Nachweisprüfung, Herausforderung und Abwicklung. Die Phase des Modelltrainings erfolgt außerhalb der Kette, während die Nachweisprüfung und wirtschaftliche Anreize auf der Kette stattfinden.

1. Zunächst muss der Einreicher drei Arten von Dateien hochladen: Metadaten der Aufgabe und Hyperparameter, Modell-Binärdateien und öffentlich verfügbare vorverarbeitete Trainingsdaten. Diese Dateien sind wesentliche Komponenten beim Training von Machine-Learning-Modellen.
2. Nach der Analyse wird die Aufgabe in einen öffentlichen Aufgabenpool überführt, und ein einzelner Löser wird ausgewählt, um die Aufgabe auszuführen. Der Löser wird die Aufgabe anhand der vom Einreicher hochgeladenen Cloud-Daten, des bereitgestellten Modells und des Trainingsmodells ausführen.
3. Während die Ausführung der Schulungsaufgabe muss der Solver auch in geplanten Intervallen Checkpoints setzen und Metadaten während des Schulungsprozesses speichern, um Lernnachweise zu generieren. Dies stellt sicher, dass der Überprüfer die Optimierungsschritte später genau replizieren kann. Dieser Prozess konstruiert eine Reihe von bewährten, vorab trainierten Basismodellen, die die Grundlage für nachfolgende Optimierungsschritte bilden.
4. Nach Abschluss der Aufgabe muss der Löser den Abschlussstatus der Aufgabe on-chain markieren und die Lernnachweise an einem öffentlich überprüfbaren Ort für den Verifier platzieren. Verifier erhalten Verifizierungsaufgaben aus dem öffentlichen Task-Pool, führen einen Teil der Nachweise erneut aus und führen Abstandsberechnungen durch. Die Blockchain verwendet diese Abstände, um festzustellen, ob die Verifizierung mit dem Lernnachweis übereinstimmt.
5. Nachdem sie den Lernnachweis überprüft haben, können Reporter die Arbeit des Verifizierers replizieren, um zu überprüfen, ob sie korrekt ausgeführt wurde. Wenn ein Reporter der Meinung ist, dass die Verifizierung falsch durchgeführt wurde, kann er eine Schiedsrichterherausforderung gegen den Verifizierer starten, um Belohnungen zu verdienen. Diese Belohnungen stammen aus der Einzahlung des Verifizierers oder dem Belohnungspool.
6. Bei diesem Prozess erhalten die Teilnehmer entsprechende Belohnungen basierend auf den Schlussfolgerungen probabilistischer und deterministischer Überprüfungen.

Kosten und Nutzen

Große Unternehmen haben in der Regel das Budget, um sich für zentralisierte Rechenleistungen zu entscheiden. Im Gegensatz dazu sind die primären Benutzer von Gensyn kleine Unternehmen, einzelne Entwickler und Forschungsteams, die in maschinelles Lernen involviert sind. Diese Benutzer sind oft preissensibel und können sich die hohen Kosten für zentrale Rechenleistung nicht leisten. Der wesentliche Vorteil des dezentralen maschinellen Lernens liegt in der erheblichen Kostenreduzierung. Die offizielle Preisgestaltung von Gensyn zeigt, dass ihr Service nur 0,40 USD pro Stunde kostet, verglichen mit 2 USD pro Stunde für äquivalente Rechenleistung von AWS, was zu einer Kostenreduzierung von 80% führt.

Quelle:docs.gensyn

Chancen und Risiken

Gensyn zielt auf hochsensible Benutzer ab, um Rechenkosten zu kontrollieren, was bedeutet, dass es einen relativ kleineren Markt anspricht. Obwohl die Vision des Protokolls mit aktuellen Markttrends übereinstimmt, gibt es mehrere Risikofaktoren. Zum Beispiel müssen Benutzer zu Beginn des Prozesses das Modell-Framework, Trainingsdaten und Hyperparameter in das Gensyn-Netzwerk hochladen. Die Verwendung von Open-Source-Daten birgt keine Datenschutzprobleme, aber das Hochladen von proprietären Modellen kann zu Informationslecks führen.

Die Geräte, die das Gensyn-Netzwerk nutzen, können sich stark in Rechenleistung, Speicherkapazität und Netzwerkverbindung unterscheiden. Gensyn überträgt Modellparameter, Aufgaben und Verifikationsdaten zwischen verschiedenen Geräten. Geräte mit geringerer Netzwerkbandbreite können Übertragungsverzögerungen erfahren, was sich auf die Aufgabenzuweisung und die Ergebnisverifikation auswirken kann. Folglich können die Unterschiede in den Gerätefähigkeiten die Gesamteffizienz des Systems beeinflussen.

Schlussfolgerung

Gensyn ist ein GPU-Computing-Netzwerk, das sich auf maschinelles Lernen spezialisiert hat und darauf abzielt, Entwickler und Problemlöser zu verbinden, indem es globale Ressourcen nutzt, um die mit maschinellem Lernen verbundenen Kosten zu senken. Seine Vision stimmt gut mit den aktuellen Markttrends und den heißen Themen der KI überein. Gensyn befindet sich jedoch noch in der Entwicklungsphase und zieht hauptsächlich kleine Unternehmen, einzelne Entwickler und Forschungsteams an, die preissensibel sind. Der Markt für diesen Service ist noch relativ klein, und das Projekt wird erhebliche Herausforderungen bei der Erreichung einer weit verbreiteten praktischen Umsetzung gegenüberstehen.