原題「解读 Allora 白皮书:自我改进的去中心化 AI 网络」

ミームは現在市場で蔓延しており、AIトラックはショート休息期間に入りました。

しかし、Nvidiaのパフォーマンスが急上昇し、今年の後半にはAI業界のイベントがさらに開催されるため、暗号化されたAIプロジェクトは依然として注目に値します。

上昇には新しいトレンドがあります—zkML(ゼロ知識機械学習)とAIエージェントの組み合わせ。前者は、プライバシーとセキュリティを確保しながら、AI計算結果の正確性を検証します。後者は、スマートコントラクトと分散型ネットワークを通じて、自動化されたタスクの実行と意思決定を実現します。

一部の古い暗号化プロジェクトは、この新しい傾向を利用して、新しいサイクルでより多くの価値を獲得しようとしてビジネスの方向性を調整します。

Allora Network もその 1 つです。

昨日、Allora最新の技術白書を正式に発表し、自らを「自己改善型分散型AIネットワーク」と位置付けることは、プロジェクトビジネスがナラティブのホットスポットに近づいていることも意味します。

同時に、プロジェクトは5月にポイントインセンティブプランも発表し、ヘア愛好家とアルファハンターの両方にとって大きな関心事となっています。

AIトラックはすでに混雑していますが、Alloraの特徴は何ですか?その技術ホワイトペーパーは比較的複雑であることを考慮して、それを解釈および分析し、より一般的な方法で重要な価値ポイントとプロジェクトの紹介を提示しました。

AI資源独占の古い問題

Alloraのホワイトペーパーから判断すると、このプロジェクトは主に現在のAI分野の古い問題を目指しています:計算能力、アルゴリズム、データは少数の巨人の手に集中しており、資源の独占は機械学習(ML)の最適な状態を助長しません。

Alloraは、最適なマシンインテリジェンスを構築するための鍵は、ネットワーク内の接続数を最大化し、さまざまなデータセットとアルゴリズムをネットワーク内で自由に組み合わせて、最も関連性の高い洞察を取得できるようにすることだと考えています。

したがって、大規模なデータセットと推論アルゴリズムを接続できる群知能の形式が必要です。

ショートでは、既存の暗号化されたAIプロジェクトでは、異なるモデル間の連携が十分ではなく、インセンティブ方法にも問題があります。モデルが孤立しているか、密接に関連しておらず、十分に効果的でないため、最終的な推論の結果は不十分です。

ヴィタリックは以前、「AIがプレイヤーとして参加できるように、さまざまなAIのパフォーマンスを判断するためのより高いレベルのメカニズムが必要だ」とも述べています。

Alloraの目標は、分散型AIネットワーク内のノードが、より良いインセンティブ構造を通じて、よりよく協力できるようにすることであり、同時に、機械学習モデルの有効性を向上させるために、コンテキストの詳細を識別するためのよりインテリジェントな方法を導入し、それによって、より効率的なインテリジェンスの推論と判断を達成することである。

Allora: モデルのパフォーマンスを向上させるためのコンテキスト認識と差別化されたインセンティブの導入

具体的には、Alloraはどのようにして「より良い分散型AIネットワーク」を実現するのでしょうか?

主なハイライトは、コンテキストを意識した差別化されたインセンティブ構造です。これらのイノベーションにより、ネットワークはあらゆる環境で最適な推論結果を提供すると同時に、各参加者の独自の貢献に対して公正な報酬を提供することができます。

しかし、この2つの言葉は少し神秘的に聞こえます。まず、Allora ネットワークの参加者を見てみましょう。

Allora ネットワークの参加者には、労働者、評価者、消費者が含まれ、各役割には特定の責任と役割があります。

1. ワーカー: AI 推論結果を提供し、他のワーカーの推論結果の損失値を予測します。
2. 評判: 作業者から提供された推論結果と予測損失値の品質を評価します。
3. 消費者:ネットワークから結果を推測するために要求し、支払います。

コーディネーター(トピックコーディネーター)を介したネットワークの相互作用:

• consumerRequest 推論はネットワークから発生し、料金を支払って取得します。
• worker他のワーカーの推論結果を予測するための推論結果と損失値を提供します。コーディネーターは、この情報を合成して、より正確な推論結果を生成します。
• 評価者労働者から提供された推論結果や予測損失値をもとに、評価の公平性を担保するためにリアルデータを用いて評価を行い、他の評価者との合意に基づいて報酬を付与します。

これら3つの役割の設計により、効率的な分散型マシンインテリジェンスネットワークが実現され、リソース使用率の最適化と推論精度の向上という目標が達成されます。基本的には、役割分担やインセンティブの仕組みを通じて、自己研鑽や公正な報酬を実現する制度です。設計。

これら 3 つのタイプの役割を理解すると、Allora のコンテキスト認識と差別化されたインセンティブ設計を見やすくなります。

合成メカニズムを推測

Alloraの推論合成メカニズムは、分散型マシンインテリジェンスを実現するための鍵です。これは、次の手順で実現されます。

1. 推論タスク: 各ワーカーは、独自のデータセットとモデルを使用して推論結果を生成します。
2. 予測タスク: 各ワーカーは、他のワーカーの推論結果の損失値を予測します。これらの予測損失値は、現在の条件下での作業者の期待パフォーマンスを表します。
3. コンテキスト認識推論: ネットワークは、ワーカーから提供された予測損失値を使用して、加重平均によるコンテキスト認識予測推論結果を生成します。これらの加重平均は、履歴およびコンテキスト依存の精度をアカウント
に入れます。
4. ネットワーク推論: 最終的なネットワーク推論は、ワーカーの推論結果とコンテキスト認識型の予測推論結果を組み合わせて生成されます。

このメカニズムの鍵は、他の暗号プロジェクトのようにモデルの過去の精度を評価するだけでなく、現在のコンテキストをアカウントに入れることで、推論の最適な組み合わせを実現し、ネットワーク全体のインテリジェンスを向上させることです。

差別化された報酬メカニズム

同時に、Alloraは、各参加者の貢献が公平に認識されるように、差別化された報酬メカニズムを導入しています。

1. 作業者の報酬: 推論と予測のタスクへの貢献度に基づいて割り当てられ、高品質のデータと予測を提供するようにインセンティブ
を与えます。
2. レビュアー報酬:評価の正確性と公平性を確保するために、コンセンサスと保有シェアへの近さに基づいて報酬を割り当てます。
3. 全体的な報酬の分配: 報酬メカニズムは、参加者の積極的な貢献を促進するだけでなく、分散型設計を通じて 1 人の参加者の過度の集中を回避します。

Alloraで現在使用されているいくつかのソリューション:

• AI価格予測:高度な金融プリミティブに不可欠な正確でリアルタイムの資産価格情報を提供します。
• 人工知能を搭載したVault:開発者が高度なDeFi戦略を実装し、収益の可能性を高めることを可能にします。
• 人工知能リスクモデリング:プロトコルが外部リスクに対処するためのより安全なシステムを構築できるようにします。
• AnyML: 機械学習モデルを簡単に統合できるため、機械学習エンジニアだけでなく、誰でも分散型 AI を使用してより強力な製品を構築できます。

トークン エコノミー

Alloraネットワークは、ネイティブトークンALLOを使用して、ネットワーク参加者間の価値取引所を促進します。ALLO トークンの具体的な用途は次のとおりです。

1. 推論結果の購入: ユーザーは ALLO トークンを使用して、ネットワークによって生成された推論結果を購入できます。Allora は "what are you willing to pay" (PWYW) モデルを採用しており、ユーザーは推論に対して支払う ALLO 料金を独自に決定できます。
2. 参加費を支払う: ALLO トークンは、トピックの作成やネットワークへの参加 (ワーカー、評価者、ネットワークバリデーターとして) の支払いに使用できます。参加費は変動します。
3. 誓約:評価者とネットワークバリデータはステーキングにALLOトークンを使用でき、他のトークン所有者もトークンを評価者またはネットワークバリデータに委任できます。ステーキング評価者、検証者、およびその委任者は、ALLO 報酬を受け取ります。
4. インセンティブの支払い:ネットワークはALLOトークンを使用して参加者に報酬を支払います。労働者にとって、これらの報酬は、ネットワークの精度に対する独自の貢献に比例します。評価者とネットワークバリデータにとって、これらの報酬はステークとコンセンサスに比例します。

トークン値

Alloraネットワークのトークンエコノミクスは、トークンの本質的な価値と安定性を確保するように設計されています。

1. 手数料収入:ネットワークによって収集されたすべての手数料は、報酬の発行を支払うためにネットワークの宝庫に追加されます。これは、実際には、ネットワークデポは単純な指数関数的な崩壊よりもゆっくりと減衰し、高いAPYを維持し
ます
2. トークンのリサイクル:ネットワークの使用から徴収された手数料は、新しいトークンが鋳造される前に、まず報酬を支払います。これは、市場のダイナミクスに応じて、ALLOの流通供給量が増加(インフレに対応)または減少(デフレに対応)できることを意味します
3. スムーズな発行メカニズム:指数移動平均を適用することにより、トークン発行が平滑化され、メイントークンのロックが解除されたときのAPYの急激なドロップを回避し、トークン所有者がトークンをステークし続けることを保証します。
   

ただし、ホワイトペーパーでは、トークンのリリース日と詳細については言及されていません。詳細については、ソーシャルメディアのトレンドに注意を払う必要があります。

Alloraの背後にあるリソース

上記のコンテンツは、実際には記事の冒頭で言及されたzkMLテクノロジーについて言及していません。アローラはこの技術とは何の関係もないようです。

しかし、Allora の背後には、古いプロジェクトである Upshot が Allora 開発の中核的な貢献者です。

Upshotは、4億以上の資産についてAI主導の価格情報を提供する主力価格予測モデルをネットワーク上に展開することで、Alloraの機能を強化しています。モデルからの最も正確な予測は、歴史的に95〜99%の信頼度を示しています。

さらに、zkPredictor(これまでで最大のオンチェーンzkMLアプリケーション)を介してモデルの出力にアクセスでき、アプリケーションが暗号的に検証可能な方法で出力を使用できるようにします。

同時に、Upshotは2022年にポリチェーン、フレームワーク、コインファンド、ブロックチェーンキャピタルが主導する2,200万米ドルの資金調達も受けました。当時の方向性は、テクノロジーを使用してリアルタイムのNFT資産評価を行うことでした。現在、AIの上昇に伴い、トラックも変化しています。しかし、これまで培ってきた技術は、新型アローラにも応用されています。

ロードマップとテストネットのインセンティブ

Alloraの公式ブログの以前の情報から判断すると、プロジェクトの立ち上げは3つの段階に分かれています。

• テストネットフェーズ1:2024年2月中旬
• テストネットフェーズ2:2024年3月中旬
• メインネット:2024年第2四半期初頭

現時点ではプロジェクトの進捗が遅れているようですが、まだメインネットワークが立ち上がる前の段階です。

勢いを増し、より多くの人がそれを使用できるようにするための注文として、Alloraは5月17日にテストネットインセンティブプランの第1フェーズも開始しました。また、オンチェーンおよびオフチェーンのアクティビティに参加してポイントを獲得し、将来的により多くのエアドロップの期待を得ることができます。

ポイントを獲得できる具体的なアクティビティには、次のようなものがあります。

オンチェーン活動

1. トピックの作成: ネットワーク内の特定の問題や関心領域を特定して定義し、他の関係者を巻き込んでソリューションを開発および提供します。
2. 機械学習モデルの導入: 機械学習モデルをネットワークに追加して、他のユーザーが使用できるようにします。
3. Allora Powered Apps を使用する: Allora のマシン インテリジェンス機能を活用するアプリやサービスに参加できます

オフチェーン活動

1. コミュニティへの参加: Twitter で Allora をフォローし、Discord グループや Telegram グループに参加してください。
2. コミュニティに参加する: 厳選されたコミュニティイベントやアクティビティに参加して、Allora ネットワークをサポートします。

現在、一般ユーザーが参加しやすいアクティビティは、Galxeのイベントページで確認することができます。興味のある方はここをクリックして参加してください

一般的に言って、Alloraは、特定の技術革新、バックグラウンドリソース、および機能の再利用を備えた暗号化プロジェクトです。AIホットスポットの変革のトレンドを追跡し、その能力を最大限に活用して新しいビジネスの方向性を拡大することができます。少なくとも、新たな注目を集めることはできる。戦争に取り残されてはならない。

上限がどの程度になるかというと、第一に、AIの風が再び吹くのを待つこと、第二に、今後のプロジェクトのより運用方法に依存します。

免責事項:

1. この記事は[Techflow]からの転載です。原題は「解读 allora 白皮书:自我改进的去中心化 AI 网络」。すべての著作権は原著作者に帰属します[TechFlow]。この転載に異議がある場合は、Gate Learnチームまでご連絡いただければ、迅速に対応いたします。
2. 免責事項:この記事で表明された見解や意見は、著者のものであり、投資アドバイスを構成するものではありません。
3. 記事の他言語への翻訳は、Gate Learnチームによって行われます。特に明記されていない限り、翻訳された記事のコピー、配布、盗用は禁止されています。