Den Originaltitel '解读 Allora 白皮书:自我改进的去中心化 AI 网络' weiterleiten

Meme ist derzeit auf dem Markt weit verbreitet, und die KI-Spur ist in eine Short Ruhephase eingetreten.

Da die Leistung von Nvidia jedoch in die Höhe schnellt und in der zweiten Jahreshälfte weitere Veranstaltungen der KI-Branche anstehen, verdienen verschlüsselte KI-Projekte immer noch Aufmerksamkeit.

Es gibt einen neuen Trend auf dem Aufstieg - Die Kombination von zkML (Zero-Knowledge Machine Learning) und KI-Agenten. Ersteres überprüft die Richtigkeit der KI-Berechnungsergebnisse und gewährleistet gleichzeitig Datenschutz und Sicherheit. Letzteres realisiert automatisierte Aufgabenausführung und Entscheidungsfindung durch Smart Contracts und dezentrale Netzwerke.

Einige alte Verschlüsselung Projekte werden diesen neuen Trend nutzen, um ihre Geschäftsausrichtung anzupassen und zu versuchen, im neuen Zyklus mehr Wert zu erzielen.

Allora Network ist eines davon.

Gestern kündigte AlloraOffiziell sein neuestes technisches Whitepaper an, das sich als "sich selbst verbesserndes dezentrales KI-Netzwerk" positioniert, was auch bedeutet, dass sich das Projektgeschäft den narrativen Hotspots nähert.

Gleichzeitig kündigte das Projekt im Mai auch seinen Punkte-Incentive-Plan an, der sowohl für Haarliebhaber als auch für Alpha-Jäger von großem Interesse ist.

Da die KI-Strecke bereits überfüllt ist, stellt sich die Frage, was Allora so einzigartig macht. In Anbetracht der Tatsache, dass das technische Whitepaper relativ komplex ist, haben wir es interpretiert und analysiert und Ihnen die wichtigsten Punkte und die Projekteinführung auf eine beliebtere Art und Weise präsentiert.

Das alte Problem des KI-Ressourcenmonopols

Dem Allora-Whitepaper nach zu urteilen, zielt das Projekt vor allem auf alte Probleme im aktuellen KI-Bereich ab: Rechenleistung, Algorithmen und Daten sind in den Händen einiger weniger Giganten konzentriert, und das Ressourcenmonopol ist dem optimalen Zustand des maschinellen Lernens (ML) nicht förderlich.

Allora ist der Ansicht, dass der Schlüssel zum Aufbau optimaler Maschinenintelligenz darin besteht, die Anzahl der Verbindungen im Netzwerk zu maximieren, so dass verschiedene Datensätze und Algorithmen im Netzwerk frei kombiniert werden können, um die relevantesten Erkenntnisse zu gewinnen.

Daher brauchen wir eine Form von Schwarmintelligenz, die große Datenmengen und Inferenzalgorithmen miteinander verbinden kann.

In Short ist in bestehenden verschlüsselten KI-Projekten die Zusammenarbeit zwischen verschiedenen Modellen nicht gut genug, und auch bei den Anreizmethoden gibt es Probleme. Die Modelle sind entweder isoliert oder nicht eng miteinander verbunden und effektiv genug, was zu unbefriedigenden Endergebnissen führt.

Vitalik erwähnte bereits zuvor: "Es wird ein übergeordneter Mechanismus benötigt, um die Leistung verschiedener KIs zu beurteilen, damit die KI als Spieler teilnehmen kann."

Das Ziel von Allora ist es, die Knoten im dezentralen KI-Netzwerk durch eine bessere Anreizstruktur in die Lage zu versetzen, besser zusammenzuarbeiten; gleichzeitig intelligentere Möglichkeiten zur Identifizierung kontextbezogener Details einzuführen, um die Effektivität von Modellen des maschinellen Lernens zu verbessern und dadurch eine effizientere Intelligenz zu erreichen Argumentation und Urteilsvermögen.

Allora: Einführung von Kontextbewusstsein und differenzierten Anreizen zur Verbesserung der Modellleistung

Wie erreicht Allora konkret ein "besseres dezentrales KI-Netzwerk"?

Das wichtigste Highlight ist, dassKontextbewusste und differenzierte Anreizstrukturen. Diese Innovationen ermöglichen es dem Netzwerk, in jeder Umgebung optimale Inferenzergebnisse zu liefern und gleichzeitig eine faire Belohnung für die einzigartigen Beiträge jedes Teilnehmers zu bieten.

Aber diese beiden Worte klingen ein wenig mysteriös. Wir können auch gleich zuerst einen Blick auf die Teilnehmer des Allora-Netzwerks werfen.

Zu den Teilnehmern des Allora-Netzwerks gehören Arbeiter, Bewerter und Verbraucher, jede Rolle hat ihre spezifischen Verantwortlichkeiten und Rollen:

1. Worker: Stellen Sie KI-Inferenzergebnisse bereit und prognostizieren Sie den Verlustwert der Inferenzergebnisse anderer Worker.
2. Seriöse: Bewerten Sie die Qualität der Inferenzergebnisse und der prognostizierten Verlustwerte, die von den Workern bereitgestellt werden.
3. Verbraucher: Sie fordern und bezahlen, um Ergebnisse aus dem Netzwerk abzuleiten.

ein Netzwerk über einen Koordinator (Topic Coordinator) interagieren:

• consumerRequest-Inferenzergebnisse aus dem Netzwerk und zahlen Sie eine Gebühr, um sie zu erhalten.
• workerStellt Inferenzergebnisse und einen Verlustwert für die Vorhersage der Inferenzergebnisse anderer Arbeitskräfte bereit. Der Koordinator synthetisiert diese Informationen, um genauere Inferenzergebnisse zu generieren.
• BewerterBasierend auf den Inferenzergebnissen und prognostizierten Verlustwerten, die von den Arbeitnehmern zur Verfügung gestellt werden, werden die Bewertungen anhand realer Daten durchgeführt, um die Fairness der Bewertung zu gewährleisten, und auf der Grundlage ihres Konsenses mit anderen Bewertern belohnt.

Durch das Design dieser drei Rollen wird ein effizientes dezentrales Netzwerk für maschinelle Intelligenz erreicht, das das Ziel der Optimierung der Ressourcennutzung und der Verbesserung der Inferenzgenauigkeit erreicht. Es handelt sich im Wesentlichen um ein System, das durch Rollenverteilung und Anreizmechanismen Selbstverbesserung und faire Belohnungen erreicht. Entwurf.

Nachdem Sie diese drei Arten von Rollen verstanden haben, wird es einfacher sein, sich mit dem Kontextbewusstsein und dem differenzierten Anreizdesign von Allora zu befassen.

Den Synthesemechanismus ableiten

Der Inferenzsynthesemechanismus von Allora ist der Schlüssel zur Realisierung dezentraler Maschinenintelligenz. Dies wird durch die folgenden Schritte erreicht:

1. Inferenzaufgabe: Jeder Worker generiert Inferenzergebnisse mithilfe seines eigenen Datasets und Modells.
2. Prognoseaufgabe: Jede Arbeitskraft prognostiziert den Verlustwert der Inferenzergebnisse anderer Arbeitskräfte. Diese prognostizierten Verlustwerte stellen die erwartete Leistung des Arbeitnehmers unter den aktuellen Bedingungen dar.
3. Kontextbezogene Inferenz: Das Netzwerk verwendet den vom Worker bereitgestellten Vorhersageverlustwert, um ein kontextsensitives Vorhersagerückschlussergebnis durch einen gewichteten Durchschnitt zu generieren. Diese gewichteten Durchschnittswerte berücksichtigen historische und kontextabhängige Konten.
4. Netzwerkrückschluss: Der endgültige Netzwerkrückschluss wird generiert, indem die Inferenzergebnisse des Workers mit kontextsensitiven vorhergesagten Inferenzergebnissen kombiniert werden.

Der Schlüssel zu diesem Mechanismus ist, dass er nicht nur die historische Genauigkeit des Modells wie andere Kryptoprojekte bewertet, sondern auch den aktuellen Konto berücksichtigt, wodurch die beste Kombination von Schlussfolgerungen erreicht und die Intelligenz des gesamten Netzwerks verbessert wird.

Differenzierter Belohnungsmechanismus

Gleichzeitig führt Allora einen differenzierten Belohnungsmechanismus ein, um sicherzustellen, dass der Beitrag jedes Teilnehmers fair anerkannt wird:

1. Mitarbeiterbelohnungen: Sie werden auf der Grundlage ihres Beitrags zu Inferenz- und Vorhersageaufgaben zugewiesen und bieten ihnen einen Anreiz, qualitativ hochwertige Daten und Vorhersagen bereitzustellen.
2. Belohnungen für Gutachter: Vergeben Sie Belohnungen auf der Grundlage der Nähe zum Konsens und der gehaltenen Anteile, um die Genauigkeit und Fairness der Bewertung zu gewährleisten.
3. Gesamtverteilung der Belohnungen: Der Belohnungsmechanismus fördert nicht nur die positiven Beiträge der Teilnehmer, sondern vermeidet auch eine übermäßige Konzentration eines einzelnen Teilnehmers durch dezentrales Design.

Einige Lösungen, die derzeit auf Allora verwendet werden:

• KI-Preisvorhersage: Bietet präzise Echtzeit-Informationen zu den Preisen von Vermögenswerten, die für fortgeschrittene Finanzprimitive von entscheidender Bedeutung sind.
• Vault powered by artificial intelligence: Ermöglichen Sie es Entwicklern, fortschrittliche DeFi-Strategien zu implementieren und das Verdienstpotenzial zu erhöhen.
• Risikomodellierung mit künstlicher Intelligenz: Ermöglicht Protokollen den Aufbau sichererer Systeme für den Umgang mit externen Risiken.
• AnyML: Bietet eine einfache Integration jedes Machine-Learning-Modells, sodass jeder (nicht nur Machine-Learning-Ingenieure) mithilfe von dezentraler KI leistungsfähigere Produkte erstellen kann.

Token Wirtschaft

Das Allora-Netzwerk verwendet seinen nativen Token ALLO, um die Börse von Werten zwischen den Netzwerkteilnehmern zu erleichtern. Zu den spezifischen Verwendungszwecken von ALLO-Token gehören:

1. Inferenzergebnisse kaufen: Benutzer können ALLO-Token verwenden, um Inferenzergebnisse zu kaufen, die vom Netzwerk generiert werden. Allora verwendet ein "Was sind Sie bereit zu zahlen"-Modell (PWYW), das es den Nutzern ermöglicht, unabhängig über die ALLO-Gebühr für die Inferenz zu entscheiden.
2. Bezahlen Sie die Teilnahmegebühr: ALLO-Token können verwendet werden, um für die Erstellung von Themen oder die Teilnahme am Netzwerk (als Mitarbeiter, Evaluator oder Netzwerkvalidator) zu bezahlen. Die Teilnahmegebühren sind variabel.
3. Pledge: Evaluatoren und Netzwerk-Prüfer können ALLO-Token für das Staking verwenden, und andere Token-Inhaber können ihre Token auch an Evaluatoren oder Netzwerk-Prüfer delegieren. Die Staking-Evaluatoren, Verifizierer und ihre Delegatoren erhalten ALLO-Belohnungen.
4. Incentive-Zahlung: Das Netzwerk verwendet ALLO-Token, um Belohnungen an die Teilnehmer auszuzahlen. Für die Mitarbeiter sind diese Belohnungen proportional zu ihrem einzigartigen Beitrag zur Genauigkeit des Netzwerks. Für Bewerter und Prüfer des Netzwerks sind diese Belohnungen proportional zu ihrem Staken' und Konsens.

Token Wert

Die Token-Ökonomie im Allora-Netzwerk ist darauf ausgelegt, den inneren Wert und die Stabilität von Token zu gewährleisten:

1. Gebühreneinnahmen: Alle vom Netzwerk erhobenen Gebühren werden der Netzwerkkasse hinzugefügt, um die Ausgaben von Prämien zu bezahlen. Dies bedeutet, dass Network Depot in der Praxis langsamer zerfällt als ein einfacher exponentieller Verfall, wobei ein hohes APY-Token-Recycling beibehalten wird
2. : Gebühren, die aus der Netzwerknutzung erhoben werden, zahlen zuerst Belohnungen aus, bevor neue Token geprägt werden. Dies bedeutet, dass je nach Marktdynamik das zirkulierende Angebot an ALLO steigen (entsprechend der Inflation) oder sinken (entsprechend der Deflation) sein kann.Smooth
3. Ausgabe-Mechanismus: Durch die Anwendung eines exponentiellen gleitenden Durchschnitts wird Token-Ausgabe geglättet, wodurch ein starker Drop des APY vermieden wird, wenn der Haupt-Token freigeschaltet wird, wodurch sichergestellt wird, dass die Token-Inhaber ihre Token
   weiterhin Staken'.

Das Whitepaper erwähnte jedoch nicht das Veröffentlichungsdatum und die Details des Tokens. Für weitere Informationen müssen Sie auf die Social-Media-Trends achten.

Die Ressourcen hinter Allora

Der obige Inhalt erwähnt die zu Beginn des Artikels erwähnte zkML-Technologie nicht wirklich. Es scheint, dass Allora nichts mit dieser Technologie zu tun hat.

Aber hinter Allora ist das alte Projekt Upshot ein wichtiger Faktor für die Entwicklung von Allora.

Upshot erweitert die Fähigkeiten von Allora, indem es sein Flaggschiff-Preisvorhersagemodell, das KI-gesteuerte Preisinformationen für mehr als 400 Millionen Vermögenswerte liefert, im Netzwerk einsetzt. Die genauesten Prognosen des Modells haben in der Vergangenheit Konfidenzniveaus von 95-99% gezeigt.

Darüber hinaus kann über zkPredictor (Die bisher größte on-chain zkML-Anwendung) auf die Ausgabe des Modells zugegriffen werden, damit Anwendungen die Ausgabe kryptografisch überprüfbar nutzen können.

Gleichzeitig erhielt Upshot im Jahr 2022 eine Finanzierung in Höhe von 22 Millionen US-Dollar, angeführt von Polychain, Framework, CoinFund und Blockchain Capital. Die Richtung zu dieser Zeit war, Technologie zu verwenden, um NFT Assets in Echtzeit zu bewerten. Mit dem Aufstieg der KI hat sich auch die Spur verändert. , aber die zuvor gesammelte Technologie wurde auch auf den neuen Allora angewendet.

Roadmap und Testnet-Anreize

Nach früheren Informationen auf dem offiziellen Blog von Allora zu urteilen, ist der Start des Projekts in drei Phasen unterteilt:

• Testnet Phase 1: Mitte Februar 2024
• Testnet Phase 2: Mitte März 2024
• Mainnet: Anfang Q2 2024

Zum jetzigen Zeitpunkt scheint sich der Projektfortschritt verzögert zu haben, aber es befindet sich noch in der Phase vor dem Start des Hauptnetzes.

Order Um eine Dynamik aufzubauen und mehr Menschen die Möglichkeit zu geben, es zu nutzen, startete Allora am 17. Mai auch die erste Phase seines Testnet-Incentive-Plans. Sie können auch Punkte sammeln, indem Sie an On-Chain- und Off-Chain-Aktivitäten teilnehmen, um in Zukunft mehr Airdrop-Erwartungen zu erhalten.

Zu den spezifischen Aktivitäten, für die Punkte gesammelt werden können, gehören:

On-Chain-Aktivitäten

1. Themen erstellen: Identifizieren und definieren Sie spezifische Probleme oder Interessengebiete innerhalb des Netzwerks und binden Sie andere Akteure ein, um Lösungen zu entwickeln und zu liefern.
2. Einführung von Machine Learning-Modellen: Fügen Sie Machine Learning-Modelle zum Netzwerk hinzu, damit andere sie verwenden können.
3. Verwenden Sie Allora Powered Apps: Beteiligen Sie sich an Apps und Diensten, die die maschinellen Intelligenzfunktionen von Allora nutzen

Off-Chain-Aktivitäten

1. Community-Engagement: Folgen Sie Allora auf Twitter und treten Sie den Discord- und Telegram-Gruppen bei.
2. Beteiligen Sie sich an der Community: Nehmen Sie an ausgewählten Community-Events und -Aktivitäten teil, um das Allora-Netzwerk zu Unterstützung

Derzeit sind Aktivitäten, an denen normale Benutzer leicht teilnehmen können, auf der Galxe-Veranstaltungsseite zu finden. Interessierte Spieler könnenHier klicken, um teilzunehmen

Im Allgemeinen handelt es sich bei Allora um ein Verschlüsselung Projekt mit bestimmten technologischen Innovationen, Hintergrundressourcen und der Wiederverwendung von Fähigkeiten. Es kann dem Trend bei der Transformation von KI-Hotspots folgen und seine Fähigkeiten optimal nutzen, um neue Geschäftsrichtungen zu erweitern. Zumindest kann sie dafür sorgen, dass sie neue Aufmerksamkeit erregt. Niemals in einem Krieg zurückgelassen werden.

Wie hoch die Obergrenze ist, hängt erstens davon ab, ob man darauf wartet, dass der KI-Wind wieder weht, und zweitens hängt sie von den weiteren operativen Methoden des Projekts in der Zukunft ab.

Haftungsausschluss:

1. Dieser Artikel ist ein Nachdruck von [Techflow]. Leiten Sie den Originaltitel '解读 Allora 白皮书:自我改进的去中心化 AI 网络' weiter. Alle Urheberrechte liegen beim ursprünglichen Autor [TechFlow]. Wenn es Einwände gegen diesen Nachdruck gibt, wenden Sie sich bitte an das Team von Gate Learn, das sich umgehend darum kümmern wird.
2. Haftungsausschluss: Die in diesem Artikel geäußerten Ansichten und Meinungen sind ausschließlich die des Autors und stellen keine Anlageberatung dar.
3. Übersetzungen des Artikels in andere Sprachen werden vom Gate Learn-Team durchgeführt. Sofern nicht anders angegeben, ist das Kopieren, Verbreiten oder Plagiieren der übersetzten Artikel verboten.