Meneruskan judul asli '解读 Allora 白皮书:自我改进的去中心化 AI 网络'

Meme saat ini merajalela di pasar, dan jalur AI telah memasuki masa istirahat yang short.

Namun, dengan kinerja Nvidia yang melonjak dan lebih banyak acara industri AI yang akan datang pada paruh kedua tahun ini, proyek AI terenkripsi masih layak mendapat perhatian.

Ada tren baru di naik —- Kombinasi zkML (pembelajaran mesin tanpa pengetahuan) dan agen AI. Yang pertama memverifikasi kebenaran hasil perhitungan AI sambil memastikan privasi dan keamanan; Yang terakhir menyadari pelaksanaan tugas otomatis dan pengambilan keputusan melalui jaringan smart contract dan terdesentralisasi.

Beberapa proyek enkripsi lama akan memanfaatkan tren baru ini untuk menyesuaikan arah bisnis mereka dalam upaya untuk mendapatkan nilai lebih dalam siklus baru.

Allora Network adalah salah satunya.

Kemarin, AlloraSecara resmi mengumumkan buku putih teknis terbarunya, memposisikan dirinya sebagai "jaringan AI terdesentralisasi yang meningkatkan diri" juga berarti bahwa bisnis proyek bergerak lebih dekat ke hot spot naratif.

Pada saat yang sama, proyek ini juga mengumumkan rencana insentif poinnya pada bulan Mei, yang sangat menarik bagi pecinta rambut dan pemburu Alpha.

Karena trek AI sudah ramai, apa yang membuat Allora unik? Mempertimbangkan bahwa buku putih teknisnya relatif kompleks, kami telah menafsirkan dan menganalisisnya, dan menyajikan poin-poin nilai utama dan pengenalan proyek kepada Anda dengan cara yang lebih populer.

Masalah lama monopoli sumber daya AI

Dilihat dari buku putih Alora, proyek ini terutama ditujukan untuk masalah lama di bidang AI saat ini: daya komputasi, algoritma, dan data terkonsentrasi di tangan beberapa raksasa, dan monopoli sumber daya tidak kondusif untuk keadaan optimal pembelajaran mesin (ML).

Allora percaya bahwa kunci untuk membangun kecerdasan mesin yang optimal adalah memaksimalkan jumlah koneksi dalam jaringan, memungkinkan kumpulan data dan algoritma yang berbeda digabungkan secara bebas dalam jaringan untuk mendapatkan wawasan yang paling relevan.

Oleh karena itu, kita memerlukan bentuk kecerdasan kawanan yang dapat menghubungkan kumpulan data besar dan algoritma inferensi.

Secara short, dalam proyek AI terenkripsi yang ada, kerja sama antara model yang berbeda tidak cukup baik, dan ada juga masalah dengan metode insentif. Model terisolasi atau tidak terhubung erat dan cukup efektif, menghasilkan hasil penalaran akhir yang tidak memuaskan.

Vitalik juga menyebutkan sebelumnya, "Mekanisme tingkat yang lebih tinggi diperlukan untuk menilai kinerja AI yang berbeda sehingga AI dapat berpartisipasi sebagai pemain."

Tujuan Allora adalah untuk memungkinkan node dalam jaringan AI terdesentralisasi untuk berkolaborasi lebih baik melalui struktur insentif yang lebih baik; pada saat yang sama, memperkenalkan cara yang lebih cerdas untuk mengidentifikasi detail kontekstual untuk meningkatkan efektivitas model pembelajaran mesin, sehingga mencapai kecerdasan yang lebih efisien Penalaran dan penilaian.

Allora: Memperkenalkan kesadaran konteks dan insentif yang berbeda untuk meningkatkan kinerja model

Secara khusus, bagaimana Allora mencapai "jaringan AI terdesentralisasi yang lebih baik"?

Sorotan utamanya adalah struktur insentif yang sadar konteks dan berbeda. Inovasi ini memungkinkan jaringan untuk memberikan hasil inferensi yang optimal di lingkungan apa pun sambil memberikan imbalan yang adil untuk kontribusi unik setiap peserta.

Tapi dua kata ini terdengar agak misterius. Sebaiknya kita melihat peserta jaringan Allora terlebih dahulu.

Peserta dalam jaringan Allora termasuk pekerja, evaluator dan konsumen, masing-masing peran memiliki tanggung jawab dan peran khusus:

1. Pekerja: Memberikan hasil inferensi AI dan memprediksi nilai kerugian dari hasil inferensi pekerja lain.
2. Reputers: Mengevaluasi kualitas hasil inferensi dan prediksi nilai kerugian yang diberikan oleh pekerja.
3. Konsumen: Mereka meminta dan membayar untuk menyimpulkan hasil dari jaringan.

jaringan berinteraksi melalui koordinator (Koordinator Topik):

• consumerRequest hasil inferensi dari jaringan dan membayar biaya untuk mendapatkannya.
• workerMemberikan hasil inferensi dan nilai kerugian untuk memprediksi hasil inferensi pekerja lain. Koordinator mensintesis informasi ini untuk menghasilkan hasil inferensi yang lebih akurat.
• Berdasarkan hasil inferensi dan prediksi nilai kerugian yang diberikan oleh pekerja, evaluasi dilakukan dengan menggunakan data nyata untuk memastikan keadilan evaluasi dan dihargai berdasarkan konsensus mereka dengan evaluator lain.

Melalui desain ketiga peran ini, jaringan kecerdasan mesin terdesentralisasi yang efisien tercapai, mencapai tujuan mengoptimalkan pemanfaatan sumber daya dan meningkatkan akurasi inferensi. Ini pada dasarnya adalah sistem yang mencapai perbaikan diri dan penghargaan yang adil melalui pembagian peran dan mekanisme insentif. desain.

Setelah memahami ketiga jenis peran ini, akan lebih mudah untuk melihat kesadaran konteks Allora dan desain insentif yang berbeda.

Infer mekanisme sintesis

Mekanisme sintesis inferensi Allora adalah kunci realisasi kecerdasan mesin terdesentralisasi. Ini dicapai melalui langkah-langkah berikut:

1. Tugas Inferensi: Setiap pekerja menghasilkan hasil inferensi menggunakan himpunan data dan modelnya sendiri.
2. Tugas Peramalan: Setiap pekerja memprediksi nilai kerugian dari hasil inferensi pekerja lain. Nilai kerugian yang diprediksi ini mewakili kinerja yang diharapkan pekerja dalam kondisi saat ini.
3. Inferensi Kontekstual: Jaringan menggunakan nilai kehilangan prediksi yang disediakan oleh pekerja untuk menghasilkan hasil inferensi prediksi kontekstual melalui rata-rata tertimbang. Rata-rata tertimbang ini memperhitungkan akurasi historis dan tergantung konteks akun.
4. Inferensi Jaringan: Inferensi jaringan akhir dihasilkan dengan menggabungkan hasil inferensi pekerja dengan hasil inferensi prediksi kontekstual.

Kunci dari mekanisme ini adalah bahwa ia tidak hanya menilai akurasi historis model seperti proyek kripto lainnya, tetapi juga akun konteks saat ini, sehingga mencapai kombinasi kesimpulan terbaik dan meningkatkan kecerdasan jaringan secara keseluruhan.

Mekanisme penghargaan yang berbeda

Pada saat yang sama, Allora memperkenalkan mekanisme penghargaan yang berbeda untuk memastikan bahwa kontribusi setiap peserta diakui secara adil:

1. imbalan pekerja: Ditugaskan berdasarkan kontribusi mereka terhadap tugas inferensi dan prediksi, memberi insentif kepada mereka untuk menyediakan data dan prediksi berkualitas tinggi.
2. Imbalan pengulas: Alokasikan imbalan berdasarkan kedekatannya dengan konsensus dan saham yang dimiliki untuk memastikan keakuratan dan keadilan evaluasi.
3. Distribusi hadiah secara keseluruhan: Mekanisme penghargaan tidak hanya mendorong kontribusi positif peserta, tetapi juga menghindari konsentrasi berlebihan dari satu peserta melalui desain yang terdesentralisasi.

Beberapa solusi yang saat ini digunakan di Allora:

• Prediksi Harga AI: Memberikan informasi harga aset real-time yang tepat yang penting bagi primitif keuangan tingkat lanjut.
• Vault yang didukung oleh kecerdasan buatan: Memungkinkan developer menerapkan strategi DeFi lanjutan dan meningkatkan potensi penghasilan.
• Pemodelan Risiko Kecerdasan Buatan: Memungkinkan protokol membangun sistem yang lebih aman untuk menangani risiko eksternal.
• AnyML: Menyediakan integrasi yang mudah dari model pembelajaran mesin apa pun sehingga siapa pun (bukan hanya insinyur pembelajaran mesin) dapat membangun produk yang lebih kuat menggunakan AI terdesentralisasi.

Token ekonomi

Jaringan Allora menggunakan token aslinya ALLO untuk memfasilitasi pertukaran nilai antara peserta jaringan. Penggunaan khusus token ALLO meliputi:

1. Beli hasil inferensi: Pengguna dapat menggunakan token ALLO untuk membeli hasil inferensi yang dihasilkan oleh jaringan. Allora mengadopsi model "apa yang bersedia Anda bayar" (PWYW), yang memungkinkan pengguna untuk secara mandiri memutuskan biaya ALLO untuk membayar inferensi.
2. Membayar biaya partisipasi: Token ALLO dapat digunakan untuk membayar pembuatan topik atau berpartisipasi dalam jaringan (sebagai pekerja, evaluator atau validator jaringan). Biaya partisipasi bervariasi.
3. pledge: Evaluator dan validator jaringan dapat menggunakan token ALLO untuk staking, dan pemegang token lainnya juga dapat mendelegasikan token mereka ke evaluator atau validator jaringan. Evaluator staking, verifikator dan delegator mereka akan menerima hadiah ALLO.
4. Pembayaran insentif: Jaringan menggunakan token ALLO untuk membayar hadiah kepada peserta. Bagi pekerja, penghargaan ini sebanding dengan kontribusi unik mereka terhadap keakuratan jaringan. Untuk penilai dan validator jaringan, imbalan ini sebanding dengan stake dan konsensus mereka.

Token value

Ekonomi token di jaringan Allora dirancang untuk memastikan nilai intrinsik dan stabilitas token:

1. pendapatan biaya: Semua biaya yang dikumpulkan oleh jaringan akan ditambahkan ke perbendaharaan jaringan untuk membayar penerbitan hadiah. Ini berarti bahwa dalam praktiknya, Network Depot akan membusuk lebih lambat daripada peluruhan eksponensial sederhana, mempertahankan APY yang tinggi
2. Token daur ulang: Biaya yang dikumpulkan dari penggunaan jaringan pertama-tama membayar hadiah sebelum token baru dicetak. Ini berarti bahwa tergantung pada dinamika pasar, pasokan ALLO yang beredar dapat meningkat (sesuai dengan inflasi) atau menurun (sesuai dengan deflasi)
3. Mekanisme penerbitan yang lancar: Dengan menerapkan rata-rata bergerak eksponensial, penerbitan token dihaluskan, sehingga menghindari Drop tajam di APY ketika token utama dibuka, memastikan bahwa pemegang token terus stake token mereka.
   

Namun, buku putih tidak menyebutkan tanggal rilis dan rincian token. Untuk informasi lebih lanjut, Anda perlu memperhatikan tren media sosialnya.

Sumber daya di balik Allora

Konten di atas sebenarnya tidak menyebutkan teknologi zkML yang disebutkan di awal artikel. Sepertinya Allora tidak ada hubungannya dengan teknologi ini.

Namun di belakang Allora, proyek lama Upshot adalah kontributor inti untuk pengembangan Allora.

Upshot meningkatkan kemampuan Allora dengan menerapkan model prediksi harga andalannya, yang menyediakan informasi harga berbasis AI untuk lebih dari 400 juta aset, di jaringan. Prakiraan paling akurat dari model secara historis menunjukkan tingkat kepercayaan 95-99%.

Selain itu, output model dapat diakses melalui zkPredictor (Aplikasi zkML on-chain terbesar hingga saat ini) disediakan untuk memungkinkan aplikasi menggunakan output dengan cara yang dapat diverifikasi secara kriptografis.

Pada saat yang sama, Upshot juga menerima pembiayaan sebesar US$22 juta pada tahun 2022 yang dipimpin oleh Polychain, Framework, CoinFund dan Blockchain Capital. Arahnya saat itu adalah menggunakan teknologi untuk melakukan evaluasi aset NFT secara real-time. Sekarang dengan naik AI, treknya juga berubah. , tetapi teknologi yang terakumulasi sebelumnya juga telah diterapkan pada Allora baru.

Roadmap dan insentif testnet

Dilihat dari informasi sebelumnya di blog resmi Allora, peluncuran proyek dibagi menjadi tiga tahap:

• Testnet Tahap 1: Pertengahan Februari 2024
• Testnet Tahap 2: Pertengahan Maret 2024
• Mainnet: Awal Q2 2024

Pada saat ini, tampaknya kemajuan proyek telah tertunda, tetapi masih dalam tahap sebelum jaringan utama diluncurkan.

Sebagai pesanan untuk membangun momentum dan memungkinkan lebih banyak orang untuk menggunakannya, Allora juga meluncurkan fase pertama dari rencana insentif testnet pada 17 Mei. Anda juga bisa mendapatkan poin dengan berpartisipasi dalam on-chain dan off-chain aktivitas untuk mendapatkan lebih banyak harapan airdrop di masa depan.

Aktivitas khusus yang dapat memperoleh poin meliputi:

Aktivitas on-chain

1. Buat topik: Identifikasi dan tentukan masalah atau bidang minat spesifik dalam jaringan, libatkan aktor lain untuk mengembangkan dan memberikan solusi.
2. Perkenalkan model pembelajaran mesin: Tambahkan model pembelajaran mesin ke jaringan untuk digunakan orang lain.
3. Gunakan Allora Powered Apps: Berpartisipasi dalam aplikasi dan layanan yang memanfaatkan kemampuan kecerdasan mesin Allora

Aktivitas off-chain

1. Keterlibatan komunitas: Ikuti Allora di Twitter dan bergabunglah dengan grup Discord dan Telegram.
2. Berpartisipasi dalam komunitas: Berpartisipasi dalam acara dan kegiatan komunitas tertentu untuk dukungan jaringan Alora.

Saat ini, aktivitas yang mudah diikuti oleh pengguna biasa dapat ditemukan di halaman event Galxe. Pemain yang tertarik dapatKlik di sini untuk berpartisipasi

Secara umum, Allora adalah proyek enkripsi dengan inovasi teknologi tertentu, sumber daya latar belakang, dan penggunaan kembali kemampuan. Ini dapat mengikuti tren dalam transformasi hot spot AI dan memaksimalkan penggunaan kemampuannya untuk memperluas arah bisnis baru. Setidaknya itu bisa memastikan bahwa itu menarik perhatian baru. Jangan pernah tertinggal dalam perang.

Adapun seberapa tinggi batas atas, pertama, itu tergantung pada menunggu angin AI bertiup lagi, dan kedua, itu tergantung pada lebih banyak metode operasional proyek di masa depan.

Penafian:

1. Artikel ini dicetak ulang dari [Techflow]. Teruskan judul asli '解读 Allora 白皮书:自我改进的去中心化 AI 网络'. Semua hak cipta adalah milik penulis asli [TechFlow]. Jika ada keberatan dengan cetak ulang ini, silakan hubungi tim Gate Learn, dan mereka akan segera menanganinya.
2. Penafian Kewajiban: Pandangan dan pendapat yang diungkapkan dalam artikel ini semata-mata milik penulis dan bukan merupakan saran investasi.
3. Penerjemahan artikel ke bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, menyalin, mendistribusikan, atau menjiplak artikel yang diterjemahkan dilarang.