Transférer le titre original '解读 Allora 白皮书 :自我改进的去中心化 AI 网络'

Le mème est actuellement endémique sur le marché, et la piste de l’IA est entrée dans une période de repos short.

Cependant, avec la montée en flèche des performances de Nvidia et d’autres événements de l’industrie de l’IA à venir au cours du second semestre de l’année, les projets d’IA cryptée méritent toujours l’attention.

Il y a une nouvelle tendance sur la hausse : la combinaison de zkML (apprentissage automatique à connaissance nulle) et d’agents d’IA. Le premier vérifie l’exactitude des résultats de calcul de l’IA tout en garantissant la confidentialité et la sécurité ; Ce dernier réalise l’exécution automatisée des tâches et la prise de décision grâce à des smart contracts et des réseaux décentralisés.

Certains anciens projets de chiffrement profiteront de cette nouvelle tendance pour ajuster leurs orientations commerciales dans le but de gagner plus de valeur dans le nouveau cycle.

Allora Network est l’un d’entre eux.

Hier, Allora a officiellement annoncé son dernier livre blanc technique, se positionnant comme un « réseau d’IA décentralisé auto-amélioré » signifie également que l’activité de projet se rapproche des points chauds narratifs.

Dans le même temps, le projet a également annoncé son plan d’incitation aux points en mai, qui présente un grand intérêt pour les amateurs de cheveux et les chasseurs Alpha.

Alors que la piste de l’IA est déjà encombrée, qu’est-ce qui rend Allora unique ? Étant donné que son livre blanc technique est relativement complexe, nous l’avons interprété et analysé, et vous avons présenté les points clés de la valeur et l’introduction du projet d’une manière plus populaire.

Le vieux problème du monopole des ressources de l’IA

À en juger par le livre blanc d’Allora, le projet vise principalement des problèmes anciens dans le domaine actuel de l’IA : la puissance de calcul, les algorithmes et les données sont concentrés entre les mains de quelques géants, et le monopole des ressources n’est pas propice à l’état optimal de l’apprentissage automatique (ML).

Allora pense que la clé de la construction d’une intelligence artificielle optimale est de maximiser le nombre de connexions dans le réseau, en permettant à différents ensembles de données et algorithmes d’être librement combinés dans le réseau pour obtenir les informations les plus pertinentes.

Par conséquent, nous avons besoin d’une forme d’intelligence en essaim capable de connecter de grands ensembles de données et des algorithmes d’inférence.

Dans short, dans les projets d’IA cryptés existants, la coopération entre les différents modèles n’est pas assez bonne, et il y a aussi des problèmes avec les méthodes d’incitation. Les modèles sont soit isolés, soit intimement liés et suffisamment efficaces, ce qui donne des résultats de raisonnement final insatisfaisants.

Vitalik a également mentionné précédemment : « Un mécanisme de plus haut niveau est nécessaire pour juger des performances des différentes IA afin que les IA puissent participer en tant que joueurs. »

L’objectif d’Allora est de permettre aux nœuds du réseau d’IA décentralisé de mieux collaborer grâce à une meilleure structure d’incitation, tout en introduisant des moyens plus intelligents d’identifier les détails contextuels afin d’améliorer l’efficacité des modèles d’apprentissage automatique, obtenant ainsi une intelligence et un jugement plus efficaces.

Allora : Introduction de la prise en compte du contexte et des incitations différenciées pour améliorer les performances du modèle

Plus précisément, comment Allora réalise-t-elle un « meilleur réseau d’IA décentralisé » ?

Le point culminant est queStructures d’incitation contextuelles et différenciées. Ces innovations permettent au réseau d’obtenir des résultats d’inférence optimaux dans n’importe quel environnement, tout en offrant des récompenses équitables pour les contributions uniques de chaque participant.

Mais ces deux mots semblent un peu mystérieux. Autant jeter d’abord un coup d’œil aux participants du réseau Allora.

Les participants au réseau Allora comprennent des travailleurs, des évaluateurs et des consommateurs, chaque rôle a ses responsabilités et ses rôles spécifiques :

1. Travailleurs : fournissez des résultats d’inférence d’IA et prédisez la valeur de perte des résultats d’inférence d’autres travailleurs.
2. Réputés : Évaluent la qualité des résultats d’inférence et des valeurs de perte prévues fournies par les travailleurs.
3. Consommateurs : ils demandent et paient pour déduire les résultats du réseau.

un réseau interagit par l’intermédiaire d’un coordinateur (Topic Coordinator) :

• consumerDemandez les résultats de l’inférence du réseau et payez des frais pour les obtenir.
• workerFournit des résultats d’inférence et une valeur de perte permettant de prédire les résultats d’inférence d’autres workers. Le coordinateur synthétise ces informations pour générer des résultats d’inférence plus précis.
• évaluateurSur la base des résultats d’inférence et des valeurs de perte prévues fournies par les travailleurs, les évaluations sont menées à l’aide de données réelles pour assurer l’équité de l’évaluation et sont récompensées en fonction du consensus qu’elles ont atteint avec d’autres évaluateurs.

Grâce à la conception de ces trois rôles, un réseau d’intelligence artificielle décentralisé efficace est atteint, atteignant l’objectif d’optimiser l’utilisation des ressources et d’améliorer la précision de l’inférence. Il s’agit essentiellement d’un système qui permet de s’améliorer et d’obtenir des récompenses équitables grâce à la division des rôles et à des mécanismes d’incitation. concevoir.

Après avoir compris ces trois types de rôles, il sera plus facile d’examiner la connaissance du contexte et la conception d’incitations différenciées d’Allora.

Déduire le mécanisme

de synthèse Le mécanisme de synthèse par inférence d’Allora est la clé de sa réalisation de l’intelligence artificielle décentralisée. Il est réalisé par les étapes suivantes :

1. Tâche d’inférence : chaque worker génère des résultats d’inférence à l’aide de son propre jeu de données et de son propre modèle.
2. Tâche de prévision : chaque travailleur prédit la valeur de perte des résultats d’inférence des autres travailleurs. Ces valeurs de perte prévues représentent le rendement attendu du travailleur dans les conditions actuelles.
3. Inférence contextuelle : le réseau utilise la valeur de perte de prédiction fournie par le worker pour générer un résultat d’inférence de prédiction contextuelle par le biais d’une moyenne pondérée. Ces moyennes pondérées tiennent compte de l’exactitude historique et du compte en fonction du contexte.
4. Inférence de réseau : l’inférence de réseau finale est générée en combinant les résultats d’inférence du worker avec les résultats d’inférence prédits contextuels.

La clé de ce mécanisme est qu’il évalue non seulement la précision historique du modèle comme d’autres projets cryptographiques, mais prend également en compte le contexte actuel, obtenant ainsi la meilleure combinaison d’inférences et améliorant l’intelligence du réseau global.

Mécanisme de récompense différenciée

Dans le même temps, Allora introduit un mécanisme de récompense différenciée pour s’assurer que la contribution de chaque participant est reconnue équitablement :

1. Récompenses des travailleurs : attribuées en fonction de leur contribution aux tâches d’inférence et de prédiction, ce qui les incite à fournir des données et des prédictions de haute qualité.
2. Récompenses des évaluateurs : attribuez les récompenses en fonction de leur proximité avec le consensus et des partages détenus afin de garantir l’exactitude et l’équité de l’évaluation.
3. Distribution globale des récompenses : Le mécanisme de récompense encourage non seulement les contributions positives des participants, mais évite également une concentration excessive d’un seul participant grâce à une conception décentralisée.

Quelques solutions actuellement utilisées sur Allora :

• Prévision des prix par l’IA : fournit des informations précises et en temps réel sur les prix des actifs, essentielles aux primitives financières avancées.
• Vault optimisé par l’intelligence artificielle : permet aux développeurs de mettre en œuvre des stratégies DeFi avancées et d’augmenter le potentiel de revenus.
• Modélisation des risques liés à l’intelligence artificielle : permet aux protocoles de construire des systèmes plus sécurisés pour faire face aux risques externes.
• AnyML : permet d’intégrer facilement n’importe quel modèle d’apprentissage automatique afin que n’importe qui (et pas seulement les ingénieurs d’apprentissage automatique) puisse créer des produits plus puissants à l’aide de l’IA décentralisée.

Jeton économie

Le réseau Allora utilise son jeton natif ALLO pour faciliter la plateforme d'échange de valeur entre les participants au réseau. Les utilisations spécifiques des jetons ALLO sont les suivantes :

1. Acheter des résultats d’inférence : les utilisateurs peuvent utiliser des jetons ALLO pour acheter des résultats d’inférence générés par le réseau. Allora adopte un modèle « qu’êtes-vous prêt à payer » (PWYW), permettant aux utilisateurs de décider indépendamment des frais d’ALLO à payer pour l’inférence.
2. Payer les frais de participation : les jetons ALLO peuvent être utilisés pour payer la création de sujets ou la participation au réseau (en tant que travailleur, évaluateur ou validateur de réseau). Les frais de participation sont variables.
3. Engagement : Les évaluateurs et les validateurs de réseau peuvent utiliser des jetons ALLO pour le jalonnement, et d’autres détenteurs de jetons peuvent également déléguer leurs jetons à des évaluateurs ou à des validateurs de réseau. Les évaluateurs de jalonnement, les vérificateurs et leurs délégants recevront des récompenses ALLO.
4. Paiement incitatif : Le réseau utilise des jetons ALLO pour payer des récompenses aux participants. Pour les travailleurs, ces récompenses sont proportionnelles à leur contribution unique à la précision du réseau. Pour les évaluateurs et les validateurs de réseau, ces récompenses sont proportionnelles à leur stake et à leur consensus.

Jeton valeur

L’économie des tokens dans le réseau Allora est conçue pour garantir la valeur intrinsèque et la stabilité des tokens :

1. Revenus de redevances : Tous les frais perçus par le réseau seront ajoutés à la trésorerie du réseau pour payer l’émission de récompenses. Cela signifie qu’en pratique, Network Depot se dégradera plus lentement qu’une simple décroissance exponentielle, en maintenant un recyclage élevé
des
2. jetons APY : les frais collectés à partir de l’utilisation du réseau paient d’abord des récompenses avant que de nouveaux jetons ne soient frappés. Cela signifie qu’en fonction de la dynamique du marché, l’offre en circulation d’ALLO peut augmenter (correspondant à l’inflation) ou diminuer (correspondant à la déflation)
3. Mécanisme de émission lisse : En appliquant une moyenne mobile exponentielle, émission de jetons est lissé, évitant ainsi une forte Goutte de l’APY lorsque le jeton principal est débloqué, garantissant ainsi que les détenteurs de jetons continuent à stake leurs jetons.
   

Cependant, le livre blanc n’a pas mentionné la date de sortie et les détails du jeton. Pour plus d’informations, vous devez prêter attention à ses tendances en matière de médias sociaux.

Les ressources derrière Allora

Le contenu ci-dessus ne mentionne pas réellement la technologie zkML mentionnée au début de l’article. Il semble qu’Allora n’ait rien à voir avec cette technologie.

Mais derrière Allora, l’ancien projet Upshot est un contributeur essentiel au développement d’Allora.

Upshot améliore les capacités d’Allora en déployant son modèle phare de prévision des prix, qui fournit des informations sur les prix basées sur l’IA pour plus de 400 millions d’actifs, sur le réseau. Les prévisions les plus précises du modèle ont historiquement montré des niveaux de confiance de 95 à 99 %.

De plus, la sortie du modèle est accessible via zkPredictor (La plus grande application zkML off-chain à ce jour) est fournie pour permettre aux applications de consommer la sortie d’une manière cryptographiquement vérifiable.

Dans le même temps, Upshot a également reçu un financement de 22 millions de dollars américains en 2022 dirigé par Polychain, Framework, CoinFund et Blockchain Capital. La direction à l’époque était d’utiliser la technologie pour évaluer les actifs NFT en temps réel. Maintenant, avec la hausse de l’IA, la piste a également changé. , mais la technologie accumulée précédemment a également été appliquée à la nouvelle Allora.

Incitation à la feuille de route et au testnet

À en juger par les informations précédentes sur le blog officiel d’Allora, le lancement du projet est divisé en trois étapes :

• Testnet Phase 1 : mi-février 2024
• Testnet Phase 2 : mi-mars 2024
• Mainnet : début T2 2024

À l’heure actuelle, il semble que l’avancement du projet ait été retardé, mais il en est encore à l’étape précédant le lancement du réseau principal.

Dans le ordre de créer une dynamique et de permettre à davantage de personnes de l’utiliser, Allora a également lancé la première phase de son plan d’incitation au réseau de test le 17 mai. Vous pouvez également gagner des points en participant à des activités on-chain et off-chain pour obtenir plus d’attentes de largage aérien à l’avenir.

Les activités spécifiques qui peuvent rapporter des points sont les suivantes :

Activités on-chain

1. Créer des sujets : Identifier et définir des problèmes ou des domaines d’intérêt spécifiques au sein du réseau, en faisant participer d’autres acteurs à l’élaboration et à la mise en œuvre de solutions.
2. Introduire des modèles d’apprentissage automatique : ajoutez des modèles d’apprentissage automatique au réseau pour que d’autres utilisateurs puissent les utiliser.
3. Utilisez les applications alimentées par Allora : participez à des applications et des services qui tirent parti des capacités d’intelligence artificielle d’Allora.

Activités hors chaîne

1. Engagement communautaire : Suivez Allora sur Twitter et rejoignez les groupes Discord et Telegram.
2. Participez à la communauté : Participez à des événements et des activités communautaires sélectionnés pour support le réseau Allora.

Actuellement, les activités auxquelles il est facile pour les utilisateurs ordinaires de participer peuvent être trouvées sur la page de l’événement Galxe. Les joueurs intéressés peuvent Cliquez ici pour participer

D’une manière générale, Allora est un projet de chiffrement avec une certaine innovation technologique, des ressources de fond et une réutilisation des capacités. Il peut suivre la tendance de la transformation des points chauds de l’IA et maximiser son utilisation de ses capacités pour développer de nouvelles directions commerciales. Au moins, il peut s’assurer qu’il attire une nouvelle attention. Ne soyez jamais laissé pour compte dans une guerre.

Quant à la hauteur de la limite supérieure, d’une part, elle dépend de l’attente que le vent de l’IA souffle à nouveau, et d’autre part, elle dépend des méthodes plus opérationnelles du projet à l’avenir.

Techflow]. Transférez le titre original '解读 allora 白皮书 :自我改进的去中心化 AI 网络'. Tous les droits d’auteur appartiennent à l’auteur original [TechFlow]. S’il y a des objections à cette réimpression, veuillez contacter l’équipe Gate Learn, et ils la traiteront rapidement.

Clause de non-responsabilité : Les points de vue et opinions exprimés dans cet article sont uniquement ceux de l’auteur et ne constituent pas un conseil en investissement.

Les traductions de l’article dans d’autres langues sont effectuées par l’équipe de Gate Learn. Sauf mention contraire, il est interdit de copier, de distribuer ou de plagier les articles traduits.