Giới thiệu

Các giải pháp điện toán đám mây truyền thống, giống như các giải pháp do AWS và Alibaba Cloud cung cấp, cung cấp tài nguyên điện toán chất lượng cao nhưng đi kèm với chi phí cao. Điện toán đám mây phi tập trung là một cách tiếp cận mới sử dụng công nghệ blockchain để cho phép các tài nguyên điện toán trên toàn thế giới tham gia mạng dưới dạng các nút. Các nút này có thể cung cấp sức mạnh tính toán và kiếm mã thông báo dưới dạng ưu đãi. Điện toán phi tập trung có nhiều ứng dụng, bao gồm kết xuất đồ họa, chuyển mã video, trí tuệ nhân tạo và học máy. Trong thị trường tăng giá hiện nay, AI đã trở thành một trọng tâm phổ biến. Ngành công nghiệp AI đang phát triển nhanh chóng, với độ phức tạp tính toán có khả năng tăng gấp đôi sau mỗi ba tháng, dẫn đến sự gia tăng đáng kể nhu cầu về sức mạnh tính toán. Chi phí điện toán phi tập trung ngày càng tăng này là thách thức đối với các cá nhân và doanh nghiệp nhỏ tham gia vào học máy, những người cần dịch vụ điện toán đám mây. Gensyn nhằm mục đích dân chủ hóa AI thông qua phân cấp, giảm chi phí sức mạnh tính toán cần thiết cho việc học. Dựa trên giao thức Substripe, Gensyn sử dụng các hợp đồng thông minh để tạo điều kiện phân bổ và khen thưởng các tác vụ học máy. Nó cũng nhằm mục đích tạo ra một giao thức điện toán học sâu phân tán quy mô lớn, kết hợp các bằng chứng học tập xác suất với tiền điện tử và các cơ chế khuyến khích để cung cấp một mô hình tính toán hiệu quả và có thể mở rộng hơn cho lĩnh vực AI. Bài viết này sẽ đi sâu vào logic hoạt động của giao thức Gensyn và trạng thái phát triển hiện tại của nó.

Gensyn là gì?

Gensyn là một mạng tính toán GPU được thiết kế đặc biệt cho học máy. Nó tăng cường sức mạnh tính toán cho học máy bằng cách tận dụng các thiết bị tính toán đuôi dài khác nhau trên toàn cầu, chẳng hạn như các trung tâm dữ liệu nhỏ, máy tính chơi game cá nhân và Macs. Mặc dù vẫn đang trong quá trình phát triển, Gensyn đã đạt được tiến bộ đáng kể trong việc phát triển sản phẩm theo giai đoạn. Mô hình kinh tế vẫn chưa được công bố và giao thức dự định sẽ được tích hợp vào hệ sinh thái Polkadot.

Đội ngũ Gensyn đóng băng tại Luân Đôn, Vương quốc Anh. Các đồng sáng lập có bằng tiến sĩ về khoa học máy tính và là những người đầu tiên gia nhập vào ngành công nghiệp chuỗi khối. Các thành viên khác của đội cũng có kinh nghiệm về trí tuệ nhân tạo và đội ngũ đang mở rộng. Về mặt tài chính, đội ngũ được hỗ trợ tốt. Họ nhận được 1,1 triệu đô la vốn đầu tư vào tháng 7 năm 2021, 6,5 triệu đô la vốn hạt giống do Eden Block dẫn đầu vào tháng 3 năm 2022 và 43 triệu đô la vốn loạt A từ a16z vào tháng 6 năm 2023. Một số nhà đầu tư khác cũng đã đầu tư vào đợt gọi vốn này. Đội ngũ đã cho biết đợt gọi vốn này sẽ được sử dụng để mở rộng đội ngũ và tăng tốc khởi động giao thức.

Ai tham gia?

Hệ sinh thái Gensyn bao gồm bốn vai trò chính: Người gửi, Người giải quyết, Người xác minh và Người báo cáo.

• Submitters là những người dùng Gensyn nộp các nhiệm vụ yêu cầu tính toán và trả phí liên quan.
• Solvers là những người lao động chính đào tạo các mô hình và tạo ra bằng chứng để xác minh.
• Người xác minh đóng vai trò quan trọng trong hệ sinh thái. Việc huấn luyện mô hình trong học máy thường là quá trình không xác định do khởi tạo ngẫu nhiên, tối ưu hoá thuật toán và biến động dữ liệu. Người xác minh nối liền khoảng cách giữa việc huấn luyện không xác định và tính toán xác định. Họ xác minh mô hình bằng cách giải quyết chứng minh toán học và so sánh kết quả đầu ra của mô hình với kết quả mong đợi để đảm bảo tính đáng tin cậy của nó.
• Nhà báo là người bảo vệ cuối cùng của hệ thống. Họ xem xét công việc của người Xác minh và có thể đưa ra thách thức để kiếm phần thưởng.

Làm thế nào nó hoạt động?

Quá trình hoạt động của sản phẩm Gensyn bao gồm sáu giai đoạn: nộp công việc, huấn luyện mô hình, tạo chứng minh, xác minh chứng minh, thách thức và giải quyết. Giai đoạn huấn luyện mô hình xảy ra ngoài chuỗi khối, trong khi xác minh chứng minh và động lực kinh tế xảy ra trên chuỗi khối.

1. Trước tiên, người gửi phải tải lên ba loại tệp: siêu dữ liệu của nhiệm vụ và siêu tham số, tệp nhị phân của mô hình và dữ liệu huấn luyện được tiền xử lý công khai. Những tệp này là các thành phần quan trọng trong quá trình huấn luyện mô hình học máy.
2. Sau khi phân tích, nhiệm vụ sẽ được đưa vào hồ bơi công việc công cộng, và một người giải quyết duy nhất sẽ được chọn để thực hiện nhiệm vụ. Người giải quyết sẽ thực hiện nhiệm vụ dựa trên dữ liệu đám mây được tải lên bởi người gửi, mô hình được cung cấp và mô hình huấn luyện.
3. Khi thực hiện nhiệm vụ huấn luyện, người giải quyết cũng phải đặt các điểm kiểm tra tại các khoảng thời gian được lên kế hoạch và lưu trữ siêu dữ liệu trong quá trình huấn luyện để tạo ra bằng chứng học. Điều này đảm bảo rằng người xác minh có thể sao chép chính xác các bước tối ưu hóa sau này. Quá trình này tạo ra một bộ các mô hình cơ bản đã được chứng minh, đã được huấn luyện trước cung cấp nền tảng cho các bước tối ưu hóa tiếp theo.
4. Sau khi hoàn thành nhiệm vụ, người giải quyết phải đánh dấu trạng thái hoàn thành của nhiệm vụ trên chuỗi và đặt bằng chứng học tập vào một vị trí có thể xác minh công khai cho người xác minh. Người xác minh nhận nhiệm vụ xác minh từ hồ bơi nhiệm vụ công cộng, chạy lại một phần của bằng chứng và thực hiện tính toán khoảng cách. Blockchain sử dụng những khoảng cách này để xác định xem xác minh có khớp với bằng chứng học tập hay không.
5. Sau khi xác minh bằng chứng học tập, các phóng viên có thể sao chép công việc của người xác minh để kiểm tra xem nó đã được thực hiện đúng. Nếu một phóng viên tin rằng việc xác minh đã được thực hiện không chính xác, họ có thể khởi động thách thức trọng tài đối với người xác minh để kiếm phần thưởng. Những phần thưởng này đến từ khoản tiền đặt cọc của người xác minh hoặc từ hồ bơi thưởng.
6. Trong quá trình này, các thành viên sẽ nhận được phần thưởng tương ứng dựa trên kết luận của các kiểm tra xác suất và xác định.

Chi phí và Lợi ích

Các doanh nghiệp lớn thường có nguồn kinh phí để chọn dịch vụ máy tính tập trung. Ngược lại, người dùng chính của Gensyn là các doanh nghiệp nhỏ, các nhà phát triển cá nhân và các nhóm nghiên cứu liên quan đến học máy. Những người dùng này thường nhạy cảm với giá cả và không thể chi trả được chi phí cao của công suất máy tính tập trung. Lợi thế chính của học máy phi tập trung là giảm chi phí đáng kể. Bảng giá chính thức của Gensyn cho thấy dịch vụ của họ chỉ tốn 0,40 đô la mỗi giờ, so với 2 đô la mỗi giờ cho công suất máy tính tương đương từ AWS, dẫn đến việc giảm chi phí 80%.

Nguồn：docs.gensyn

Cơ hội và Rủi ro

Gensyn nhắm đến người dùng cực kỳ nhạy cảm với chi phí tính toán, điều đó có nghĩa là nó định hướng tới một thị trường tương đối nhỏ hơn. Mặc dù tầm nhìn của giao thức này phù hợp với xu hướng thị trường hiện tại, nhưng nó đối mặt với một số yếu tố rủi ro. Ví dụ, ở giai đoạn bắt đầu quá trình, người dùng phải tải lên mạng Gensyn khung mô hình, dữ liệu đào tạo và siêu tham số. Việc sử dụng dữ liệu mã nguồn mở không liên quan đến vấn đề riêng tư, nhưng việc tải lên các mô hình độc quyền có thể dẫn đến rò rỉ thông tin.

Các thiết bị sử dụng mạng Gensyn có thể khác nhau về sức mạnh tính toán, dung lượng lưu trữ và kết nối mạng. Gensyn chuyển các tham số mô hình, nhiệm vụ và dữ liệu xác minh giữa các thiết bị khác nhau. Các thiết bị có băng thông mạng thấp có thể gặp trục trặc trong quá trình truyền, ảnh hưởng đến phân phối nhiệm vụ và xác minh kết quả. Do đó, sự khác biệt về khả năng của các thiết bị có thể ảnh hưởng đến hiệu suất tổng thể của hệ thống.

Kết luận

Gensyn là một mạng tính toán GPU dành riêng cho học máy, nhằm kết nối các nhà phát triển và giải quyết viên trong khi tận dụng tài nguyên toàn cầu để giảm chi phí liên quan đến học máy. Tầm nhìn của nó phù hợp với xu hướng thị trường hiện tại và các chủ đề nóng về trí tuệ nhân tạo. Tuy nhiên, Gensyn vẫn đang ở giai đoạn phát triển, chủ yếu thu hút các doanh nghiệp nhỏ, các nhà phát triển cá nhân và nhóm nghiên cứu nhạy cảm với giá. Thị trường dịch vụ này vẫn khá nhỏ, và dự án sẽ đối mặt với những thách thức đáng kể trong việc thực hiện rộng rãi.