Introducción

Las soluciones tradicionales de computación en la nube, como las proporcionadas por AWS y Alibaba Cloud, ofrecen recursos informáticos de alta calidad pero vienen con costos elevados. La computación en la nube descentralizada es un nuevo enfoque que utiliza la tecnología blockchain para permitir que los recursos informáticos en todo el mundo se unan a la red como nodos. Estos nodos pueden proporcionar potencia informática y ganar tokens como incentivos. La computación descentralizada tiene muchas aplicaciones, incluyendo renderización gráfica, transcodificación de video, inteligencia artificial y aprendizaje automático. En el actual mercado alcista, la IA se ha convertido en un enfoque popular. La industria de la IA está creciendo rápidamente, con una complejidad computacional que potencialmente se duplica cada tres meses, lo que lleva a un aumento significativo en la demanda de potencia informática. Este creciente costo de la computación descentralizada es un desafío para individuos y pequeñas empresas involucradas en el aprendizaje automático que necesitan servicios de computación en la nube. Gensyn tiene como objetivo democratizar la IA a través de la descentralización, reduciendo el costo de la potencia informática necesaria para el aprendizaje. Basado en el protocolo Substripe, Gensyn utiliza contratos inteligentes para facilitar la asignación y recompensa de tareas de aprendizaje automático. También tiene como objetivo crear un protocolo de computación distribuida de aprendizaje profundo a gran escala, combinando pruebas de aprendizaje probabilísticas con criptomonedas y mecanismos de incentivos para ofrecer un modelo de computación más eficiente y escalable para el campo de la IA. Este artículo profundizará en la lógica operativa del protocolo de Gensyn y el estado actual de su desarrollo.

¿Qué es Gensyn?

Gensyn es una red de cómputo GPU diseñada específicamente para el aprendizaje automático. Aumenta la potencia de cómputo para el aprendizaje automático aprovechando diversos dispositivos de cómputo de cola larga en todo el mundo, como pequeños centros de datos, PC de juegos personales y Macs. Aunque todavía está en desarrollo, Gensyn ha logrado un progreso significativo en su desarrollo de productos por fases. El modelo económico aún no se ha lanzado y se planea integrar el protocolo en el ecosistema de Polkadot.

El equipo de Gensyn tiene su sede en Londres, Reino Unido. Los cofundadores tienen doctorados en informática y fueron pioneros en la industria de la cadena de bloques. Otros miembros del equipo también tienen experiencia en inteligencia artificial y el equipo se está expandiendo. Financieramente, el equipo cuenta con un sólido respaldo. Recibieron $1.1 millones en financiamiento en julio de 2021, $6.5 millones en financiamiento inicial liderado por Eden Block en marzo de 2022 y $43 millones en financiamiento de la Serie A de a16z en junio de 2023. Varios otros inversores también respaldaron este financiamiento. El equipo ha indicado que esta ronda de financiamiento se utilizará para hacer crecer el equipo y acelerar el lanzamiento del protocolo.

¿Quiénes están involucrados?

El ecosistema Gensyn incluye cuatro roles clave: Submitters, Solvers, Verifiers y Reporters.

• Los submitters son usuarios de Gensyn que envían tareas que requieren cálculos y pagan las tarifas asociadas.
• Los solucionadores son los trabajadores principales que entrenan los modelos y crean pruebas para la verificación.
• Los verificadores tienen un papel crucial en el ecosistema. El entrenamiento de modelos en el aprendizaje automático a menudo es un proceso no determinista debido a la inicialización aleatoria, la optimización del algoritmo y la perturbación de los datos. Los verificadores cubren la brecha entre el entrenamiento no determinista y el cálculo determinista. Validan el modelo resolviendo pruebas matemáticas y comparando la salida del modelo con los resultados esperados para garantizar su fiabilidad.
• Los periodistas son el último salvaguardia del sistema. Revisan el trabajo de los verificadores y pueden plantear desafíos para ganar recompensas.

¿Cómo funciona?

El proceso operacional del producto de Gensyn incluye seis etapas: presentación de tareas, entrenamiento del modelo, generación de pruebas, verificación de pruebas, desafío y liquidación. La etapa de entrenamiento del modelo ocurre fuera de la cadena, mientras que la verificación de pruebas y los incentivos económicos ocurren en la cadena.

1. En primer lugar, el remitente debe cargar tres tipos de archivos: metadatos de la tarea y hiperparámetros, archivos binarios del modelo y datos de entrenamiento preprocesados públicamente disponibles. Estos archivos son componentes críticos en el entrenamiento del modelo de aprendizaje automático.
2. Después del análisis, la tarea entra en una piscina de tareas públicas y se selecciona un único solucionador para ejecutar la tarea. El solucionador ejecutará la tarea en base a los datos de la nube subidos por el remitente, el modelo proporcionado y el modelo de entrenamiento.
3. Mientras ejecuta la tarea de entrenamiento, el solucionador también debe establecer puntos de control en intervalos planificados y almacenar metadatos durante el proceso de entrenamiento para generar pruebas de aprendizaje. Esto garantiza que el verificador pueda replicar con precisión los pasos de optimización más tarde. Este proceso construye un conjunto de modelos base probados y pre-entrenados que proporcionan la base para los pasos de optimización posteriores.
4. Después de completar la tarea, el solucionador debe marcar el estado de finalización de la tarea en la cadena y colocar las pruebas de aprendizaje en una ubicación públicamente verificable para el verificador. Los verificadores obtienen tareas de verificación de la piscina de tareas pública, vuelven a ejecutar parte de las pruebas y realizan cálculos de distancia. La cadena de bloques utiliza estas distancias para determinar si la verificación coincide con la prueba de aprendizaje.
5. Después de verificar la prueba de aprendizaje, los reporteros pueden replicar el trabajo del verificador para comprobar si se ha ejecutado correctamente. Si un reportero cree que la verificación se ejecutó incorrectamente, puede iniciar un desafío de arbitraje contra el verificador para ganar recompensas. Estas recompensas provienen del depósito del verificador o del fondo de recompensas.
6. En este proceso, los participantes reciben recompensas correspondientes basadas en las conclusiones probabilísticas y determinísticas de las comprobaciones.

Costo y Beneficios

Las grandes empresas suelen tener el presupuesto para optar por servicios de computación centralizada. En contraste, los usuarios principales de Gensyn son pequeñas empresas, desarrolladores individuales y equipos de investigación involucrados en aprendizaje automático. Estos usuarios suelen ser sensibles al precio y no pueden permitirse los altos costos de la potencia informática centralizada. La principal ventaja del aprendizaje automático descentralizado es la reducción significativa de costos. La tarificación oficial de Gensyn muestra que su servicio cuesta solo $0.40 por hora, en comparación con $2 por hora por una potencia informática equivalente de AWS, lo que resulta en una reducción de costos del 80%.

Fuente:docs.gensyn

Oportunidades y Riesgos

Gensyn se dirige a usuarios altamente sensibles a los costos de computación, lo que significa que aborda un mercado relativamente más pequeño. Si bien la visión del protocolo se alinea con las tendencias actuales del mercado, enfrenta varios factores de riesgo. Por ejemplo, al comienzo del proceso, los usuarios deben cargar el marco del modelo, los datos de entrenamiento y los hiperparámetros en la red Gensyn. El uso de datos de código abierto no implica problemas de privacidad, pero la carga de modelos patentados puede provocar fugas de información.

Los dispositivos que utilizan la red Gensyn pueden variar considerablemente en potencia de procesamiento, capacidad de almacenamiento y conectividad de red. Gensyn transfiere parámetros de modelo, tareas y datos de verificación entre diferentes dispositivos. Los dispositivos con menor ancho de banda de red pueden experimentar retrasos en la transmisión, lo que afecta la distribución de tareas y la verificación de resultados. En consecuencia, las diferencias en las capacidades de los dispositivos pueden afectar la eficiencia general del sistema.

Conclusión

Gensyn es una red de computación GPU dedicada al aprendizaje automático, que tiene como objetivo conectar desarrolladores y solucionadores mientras aprovecha los recursos globales para reducir los costos asociados con el aprendizaje automático. Su visión se alinea bien con las tendencias actuales del mercado y los temas candentes de la IA. Sin embargo, Gensyn aún está en fase de desarrollo, atrayendo principalmente a pequeñas empresas, desarrolladores individuales y equipos de investigación que son sensibles al precio. El mercado para este servicio todavía es relativamente pequeño y el proyecto enfrentará desafíos sustanciales para lograr una implementación práctica generalizada.