Allora White Paper: Mạng AI phi tập trung tự cải thiện

Trung cấp6/19/2024, 1:36:07 AM
Mục tiêu của Allora Network là cho phép các nút trong mạng AI phi tập trung cộng tác tốt hơn thông qua cấu trúc khuyến khích tốt hơn; đồng thời, nó giới thiệu những cách thông minh hơn để xác định các chi tiết theo ngữ cảnh để nâng cao hiệu quả của các mô hình học máy, từ đó đạt được hiệu quả cao hơn Những điểm nổi bật chính của lý luận và phán đoán thông minh hiệu quả nằm ở nhận thức tình huống và các cấu trúc khuyến khích khác biệt. Những đổi mới này cho phép mạng lưới cung cấp kết quả suy luận tốt nhất trong bất kỳ môi trường nào đồng thời cung cấp công bằng công bằng cho đóng góp duy nhất của mỗi người tham gia. giải thưởng.

Chuyển tiếp tiêu đề gốc '解读 Allora 白皮书:自我改进的去中心化 AI 网络'

Meme hiện đang tràn lan trên thị trường và đường đua AI đã bước vào giai đoạn nghỉ ngơi short

.

Tuy nhiên, với hiệu suất của Nvidia tăng vọt và nhiều sự kiện ngành công nghiệp AI sắp diễn ra trong nửa cuối năm nay, các dự án AI được mã hóa vẫn đáng được chú ý.

Có một xu hướng mới trên tăng lên —-Sự kết hợp giữa zkML (học máy không có kiến thức) và các tác nhân AI. Trước đây xác minh tính đúng đắn của kết quả tính toán AI trong khi vẫn đảm bảo quyền riêng tư và bảo mật; Sau này nhận ra việc thực hiện nhiệm vụ tự động và ra quyết định thông qua các mạng hợp đồng thông minh và phi tập trung.

Một số dự án mã hóa cũ sẽ tận dụng xu hướng mới này để điều chỉnh hướng kinh doanh nhằm đạt được nhiều giá trị hơn trong chu kỳ mới.

Allora Network là một trong số đó.

Hôm qua, AlloraChính thức công bố sách trắng kỹ thuật mới nhất của mình, định vị mình là "mạng AI phi tập trung tự cải thiện" cũng có nghĩa là hoạt động kinh doanh dự án đang tiến gần hơn đến các điểm nóng tường thuật.

Đồng thời, dự án cũng công bố kế hoạch khuyến khích điểm vào tháng 5, được cả những người yêu tóc và thợ săn Alpha rất quan tâm.

Khi đường đua AI đã đông đúc, điều gì khiến Allora trở nên độc đáo? Xem xét rằng sách trắng kỹ thuật của nó tương đối phức tạp, chúng tôi đã diễn giải và phân tích nó, đồng thời trình bày các điểm giá trị chính và giới thiệu dự án cho bạn theo cách phổ biến hơn.

Vấn đề cũ về độc quyền tài nguyên AI

Đánh giá từ sách trắng Allora, dự án chủ yếu nhắm vào các vấn đề cũ trong lĩnh vực AI hiện tại: sức mạnh tính toán, thuật toán và dữ liệu tập trung trong tay một vài gã khổng lồ và độc quyền tài nguyên không có lợi cho trạng thái tối ưu của học máy (ML).

Allora tin rằng chìa khóa để xây dựng trí thông minh máy tối ưu là tối đa hóa số lượng kết nối trong mạng, cho phép các bộ dữ liệu và thuật toán khác nhau được kết hợp tự do trong mạng để có được những hiểu biết phù hợp nhất.

Do đó, chúng ta cần một dạng trí thông minh bầy đàn có thể kết nối các tập dữ liệu lớn và thuật toán suy luận.

Nói short, trong các dự án AI được mã hóa hiện có, sự hợp tác giữa các mô hình khác nhau là không đủ tốt và cũng có vấn đề với các phương pháp khuyến khích. Các mô hình bị cô lập hoặc không được kết nối chặt chẽ và đủ hiệu quả, dẫn đến kết quả lý luận cuối cùng không đạt yêu cầu.

Vitalik cũng đã đề cập trước đây, "Một cơ chế cấp cao hơn là cần thiết để đánh giá hiệu suất của các AI khác nhau để AI có thể tham gia với tư cách là người chơi."

Mục tiêu của Allora là cho phép các nút trong mạng AI phi tập trung cộng tác tốt hơn thông qua cấu trúc khuyến khích tốt hơn; đồng thời, giới thiệu các cách thông minh hơn để xác định chi tiết theo ngữ cảnh để nâng cao hiệu quả của các mô hình học máy, từ đó đạt được trí thông minh hiệu quả hơn Lý luận và phán đoán.

Allora: Giới thiệu nhận thức ngữ cảnh và các ưu đãi khác biệt để cải thiện hiệu suất mô hình

Cụ thể, làm thế nào để Allora đạt được một "mạng AI phi tập trung tốt hơn"?

Điểm nổi bật chính làNhận thức ngữ cảnh và các cấu trúc khuyến khích khác biệt. Những đổi mới này cho phép mạng lưới cung cấp kết quả suy luận tối ưu trong bất kỳ môi trường nào đồng thời cung cấp phần thưởng công bằng cho những đóng góp duy nhất của mỗi người tham gia.

Nhưng hai chữ này nghe có chút bí ẩn. Chúng ta cũng có thể xem xét những người tham gia mạng Allora trước.

Những người tham gia vào mạng Allora bao gồm công nhân, người đánh giá và người tiêu dùng, mỗi vai trò có trách nhiệm và vai trò cụ thể:

  1. Người lao động: Cung cấp kết quả suy luận AI và dự đoán giá trị tổn thất của kết quả suy luận của người lao động khác.
  2. Uy tín: Đánh giá chất lượng kết quả suy luận và giá trị tổn thất dự đoán do người lao động cung cấp.
  3. Người tiêu dùng: Họ yêu cầu và trả tiền để suy ra kết quả từ mạng.

một mạng lưới tương tác thông qua một điều phối viên (Điều phối viên chủ đề):

  • consumerYêu cầu kết quả suy luận từ mạng và trả phí để có được chúng.
  • người lao độngCung cấp kết quả suy luận và giá trị tổn thất để dự đoán kết quả suy luận của những người lao động khác. Điều phối viên tổng hợp thông tin này để tạo ra kết quả suy luận chính xác hơn.
  • Người đánh giáDựa trên kết quả suy luận và giá trị tổn thất dự đoán do người lao động cung cấp, các đánh giá được thực hiện bằng cách sử dụng dữ liệu thực tế để đảm bảo tính công bằng của đánh giá và được khen thưởng dựa trên sự đồng thuận của họ với các nhà đánh giá khác.

Thông qua việc thiết kế ba vai trò này, một mạng lưới trí tuệ máy phi tập trung hiệu quả đạt được, đạt được mục tiêu tối ưu hóa việc sử dụng tài nguyên và cải thiện độ chính xác của suy luận. Về cơ bản, nó là một hệ thống đạt được sự tự cải thiện và phần thưởng công bằng thông qua các cơ chế phân chia vai trò và khuyến khích. thiết kế.

Sau khi hiểu ba loại vai trò này, sẽ dễ dàng hơn để xem xét nhận thức ngữ cảnh và thiết kế khuyến khích khác biệt của Allora.

Suy ra cơ chế tổng hợp

chế tổng hợp suy luận của Allora là chìa khóa để hiện thực hóa trí thông minh máy móc phi tập trung. Nó đạt được thông qua các bước sau:

  1. Nhiệm vụ suy luận: Mỗi nhân viên tạo ra kết quả suy luận bằng cách sử dụng tập dữ liệu và mô hình riêng.
  2. Nhiệm vụ dự báo: Mỗi công nhân dự đoán giá trị tổn thất của kết quả suy luận của các công nhân khác. Các giá trị tổn thất dự đoán này đại diện cho hiệu suất dự kiến của người lao động trong điều kiện hiện tại.
  3. Suy luận nhận biết ngữ cảnh: Mạng sử dụng giá trị tổn thất dự đoán do nhân viên cung cấp để tạo kết quả suy luận dự đoán nhận biết ngữ cảnh thông qua trung bình có trọng số. Các trung bình có trọng số này có độ chính xác tài khoản lịch sử và phụ thuộc vào ngữ cảnh.
  4. Suy luận mạng: Suy luận mạng cuối cùng được tạo ra bằng cách kết hợp kết quả suy luận của nhân viên với kết quả suy luận dự đoán nhận biết ngữ cảnh.

Chìa khóa của cơ chế này là nó không chỉ đánh giá độ chính xác lịch sử của mô hình như các dự án tiền điện tử khác mà còn tài khoản bối cảnh hiện tại, từ đó đạt được sự kết hợp tốt nhất giữa các suy luận và cải thiện trí thông minh của mạng tổng thể.

Cơ chế khen thưởng khác biệt

Đồng thời, Allora giới thiệu một cơ chế khen thưởng khác biệt để đảm bảo rằng đóng góp của mỗi người tham gia được công nhận một cách công bằng:

  1. Phần thưởng cho nhân viên: Được chỉ định dựa trên đóng góp của họ cho các nhiệm vụ suy luận và dự đoán, khuyến khích họ cung cấp dữ liệu và dự đoán chất lượng cao.
  2. Phần thưởng của người đánh giá: Phân bổ phần thưởng dựa trên sự gần gũi với sự đồng thuận và cổ phần được tổ chức để đảm bảo tính chính xác và công bằng của việc đánh giá.
  3. Phân phối phần thưởng tổng thể: Cơ chế khen thưởng không chỉ khuyến khích sự đóng góp tích cực của người tham gia mà còn tránh sự tập trung quá mức của một người tham gia thông qua thiết kế phi tập trung.

Một số giải pháp hiện đang được sử dụng trên Allora:

  • Dự đoán giá AI: Cung cấp thông tin giá tài sản chính xác, theo thời gian thực quan trọng đối với các nguyên thủy tài chính tiên tiến.
  • Vault được hỗ trợ bởi trí tuệ nhân tạo: Cho phép các nhà phát triển thực hiện các chiến lược DeFi nâng cao và tăng tiềm năng kiếm tiền.
  • Mô hình hóa rủi ro trí tuệ nhân tạo: Cho phép các giao thức xây dựng các hệ thống an toàn hơn để đối phó với các rủi ro bên ngoài.
  • AnyML: Cung cấp khả năng tích hợp dễ dàng của bất kỳ mô hình học máy nào để bất kỳ ai (không chỉ các kỹ sư học máy) đều có thể xây dựng các sản phẩm mạnh mẽ hơn bằng cách sử dụng AI phi tập trung.

Token nền kinh tế

Mạng Allora sử dụng mã thông báo gốc ALLO để tạo điều kiện sàn giao dịch giá trị giữa những người tham gia mạng. Việc sử dụng cụ thể token ALLO bao gồm:

  1. Mua kết quả suy luận: Người dùng có thể sử dụng mã thông báo ALLO để mua kết quả suy luận do mạng tạo ra. Allora áp dụng mô hình "bạn sẵn sàng trả bao nhiêu" (PWYW), cho phép người dùng quyết định độc lập phí ALLO để trả cho suy luận.
  2. Thanh toán phí tham gia: Mã thông báo ALLO có thể được sử dụng để thanh toán cho việc tạo chủ đề hoặc tham gia vào mạng (với tư cách là nhân viên, người đánh giá hoặc người xác thực mạng). Phí tham gia có thể thay đổi.
  3. cam kết: Người đánh giá và Người xác thực mạng có thể sử dụng mã thông báo ALLO để đặt cọc và các chủ sở hữu mã thông báo khác cũng có thể ủy quyền mã thông báo của họ cho người đánh giá hoặc Người xác thực mạng. Người đánh giá đặt cọc, người xác minh và người ủy quyền của họ sẽ nhận được phần thưởng ALLO.
  4. Thanh toán khuyến khích: Mạng sử dụng mã thông báo ALLO để trả phần thưởng cho người tham gia. Đối với người lao động, những phần thưởng này tỷ lệ thuận với đóng góp duy nhất của họ vào tính chính xác của mạng. Đối với những người đánh giá và Người xác thực mạng, những phần thưởng này tỷ lệ thuận với thế chấp và sự đồng thuận của họ.

Token giá trị

Kinh tế mã thông báo trong mạng Allora được thiết kế để đảm bảo giá trị nội tại và tính ổn định của mã thông báo:

  1. Thu nhập từ phí: Tất cả các khoản phí do mạng lưới thu được sẽ được cộng vào kho bạc mạng để chi trả cho phát hành thưởng. Điều này có nghĩa là trong thực tế, Network Depot sẽ phân rã chậm hơn so với phân rã theo cấp số nhân đơn giản, duy trì khả năng tái chế APY Token cao
  2. : Phí thu được từ việc sử dụng mạng trước tiên sẽ trả phần thưởng trước khi mã thông báo mới được đúc. Điều này có nghĩa là tùy thuộc vào động lực thị trường, nguồn cung lưu hành của ALLO có thể tăng (tương ứng với lạm phát) hoặc giảm (tương ứng với giảm phát)
  3. Cơ chế phát hành trơn tru: Bằng cách áp dụng đường trung bình động hàm mũ, phát hành token được làm mịn, do đó tránh được sự Thả mạnh trong APY khi mã thông báo chính được mở khóa, đảm bảo rằng chủ sở hữu mã thông báo tiếp tục thế chấp mã thông báo của họ.

Tuy nhiên, sách trắng không đề cập đến ngày phát hành và chi tiết của mã thông báo. Để biết thêm thông tin, bạn cần chú ý đến các xu hướng truyền thông xã hội của nó.

Các tài nguyên đằng sau Allora

Nội dung trên không thực sự đề cập đến công nghệ zkML được đề cập ở đầu bài viết. Có vẻ như Allora không liên quan gì đến công nghệ này.

Nhưng đằng sau Allora, dự án cũ Upshot là một đóng góp cốt lõi cho sự phát triển của Allora.

Upshot nâng cao khả năng của Allora bằng cách triển khai mô hình dự đoán giá hàng đầu của mình, cung cấp thông tin giá do AI điều khiển cho hơn 400 triệu tài sản, trên mạng. Các dự báo chính xác nhất từ mô hình trong lịch sử đã cho thấy mức độ tin cậy 95-99%.

Ngoài ra, đầu ra của mô hình có thể được truy cập thông qua zkPredictor (Ứng dụng zkML on-chain lớn nhất cho đến nay) được cung cấp để cho phép các ứng dụng tiêu thụ đầu ra theo cách có thể xác minh bằng mật mã.

Đồng thời, Upshot cũng nhận được 22 triệu USD tài trợ trong năm 2022 do Polychain, Framework, CoinFund và Blockchain Capital dẫn đầu. Hướng đi tại thời điểm đó là sử dụng công nghệ để thực hiện đánh giá tài sản NFT thời gian thực. Giờ đây, với sự tăng lên của AI, đường đua cũng đã thay đổi. , nhưng công nghệ tích lũy trước đó cũng đã được áp dụng cho Allora mới.

Lộ trình và ưu đãi testnet

Đánh giá từ thông tin trước đó trên blog chính thức của Allora, việc ra mắt dự án được chia thành ba giai đoạn:

  • Testnet Giai đoạn 1: Giữa tháng 2/2024
  • Testnet Giai đoạn 2: Giữa tháng 3/2024
  • Mạng chính: Đầu quý 2/2024

Tại thời điểm này, có vẻ như tiến độ dự án đã bị trì hoãn, nhưng nó vẫn đang trong giai đoạn trước khi mạng chính được đưa ra.

Để lệnh xây dựng động lực và cho phép nhiều người sử dụng nó hơn, Allora cũng đã đưa ra giai đoạn đầu tiên của kế hoạch khuyến khích testnet vào ngày 17 tháng 5. Bạn cũng có thể kiếm điểm bằng cách tham gia vào các hoạt động on-chain và off-chain để đạt được nhiều kỳ vọng airdrop hơn trong tương lai.

Các hoạt động cụ thể có thể kiếm điểm bao gồm:

Hoạt động on-chain

  1. Tạo chủ đề: Xác định và xác định các vấn đề hoặc lĩnh vực quan tâm cụ thể trong mạng, thu hút các tác nhân khác để phát triển và cung cấp giải pháp.
  2. Giới thiệu các mô hình học máy: Thêm các mô hình học máy vào mạng để những người khác sử dụng.
  3. Sử dụng Allora Powered Apps: Tham gia vào các ứng dụng và dịch vụ tận dụng khả năng thông minh máy móc của Allora

Hoạt động ngoài chuỗi

  1. Sự tham gia của cộng đồng: Theo dõi Allora trên Twitter và tham gia các nhóm Discord và Telegram.
  2. Tham gia vào cộng đồng: Tham gia vào các sự kiện và hoạt động cộng đồng chọn lọc để hỗ trợ mạng lưới Allora.

Hiện tại, các hoạt động dễ dàng cho người dùng thông thường tham gia có thể được tìm thấy trên trang sự kiện Galxe. Người chơi quan tâm có thểBấm vào đây để tham gia

Nói chung, Allora là một dự án mã hóa với sự đổi mới công nghệ nhất định, tài nguyên nền tảng và khả năng tái sử dụng. Nó có thể theo xu hướng trong việc chuyển đổi các điểm nóng AI và tối đa hóa việc sử dụng khả năng của mình để mở rộng các hướng kinh doanh mới. Ít nhất nó có thể đảm bảo rằng nó thu hút sự chú ý mới. Đừng bao giờ bị bỏ lại phía sau trong một cuộc chiến.

Còn về giới hạn trên cao bao nhiêu, thứ nhất, nó phụ thuộc vào việc chờ gió AI thổi lại, và thứ hai, nó phụ thuộc vào các phương pháp vận hành nhiều hơn của dự án trong tương lai.

Tuyên bố từ chối trách nhiệm:

  1. Bài viết này được in lại từ [Techflow]. Chuyển tiếp tiêu đề gốc '解读 Allora 白皮书:自我改进的去中心化 AI 网络'. Tất cả bản quyền thuộc về tác giả gốc [TechFlow]. Nếu có ý kiến phản đối bản in lại này, vui lòng liên hệ với nhóm Gate Learn và họ sẽ xử lý kịp thời.
  2. Tuyên bố từ chối trách nhiệm: Các quan điểm và ý kiến được trình bày trong bài viết này chỉ là của tác giả và không cấu thành bất kỳ lời khuyên đầu tư nào.
  3. Bản dịch bài viết sang các ngôn ngữ khác được thực hiện bởi nhóm Gate Learn. Trừ khi được đề cập, việc sao chép, phân phối hoặc đạo văn các bài báo đã dịch đều bị cấm.

Allora White Paper: Mạng AI phi tập trung tự cải thiện

Trung cấp6/19/2024, 1:36:07 AM
Mục tiêu của Allora Network là cho phép các nút trong mạng AI phi tập trung cộng tác tốt hơn thông qua cấu trúc khuyến khích tốt hơn; đồng thời, nó giới thiệu những cách thông minh hơn để xác định các chi tiết theo ngữ cảnh để nâng cao hiệu quả của các mô hình học máy, từ đó đạt được hiệu quả cao hơn Những điểm nổi bật chính của lý luận và phán đoán thông minh hiệu quả nằm ở nhận thức tình huống và các cấu trúc khuyến khích khác biệt. Những đổi mới này cho phép mạng lưới cung cấp kết quả suy luận tốt nhất trong bất kỳ môi trường nào đồng thời cung cấp công bằng công bằng cho đóng góp duy nhất của mỗi người tham gia. giải thưởng.

Chuyển tiếp tiêu đề gốc '解读 Allora 白皮书:自我改进的去中心化 AI 网络'

Meme hiện đang tràn lan trên thị trường và đường đua AI đã bước vào giai đoạn nghỉ ngơi short

.

Tuy nhiên, với hiệu suất của Nvidia tăng vọt và nhiều sự kiện ngành công nghiệp AI sắp diễn ra trong nửa cuối năm nay, các dự án AI được mã hóa vẫn đáng được chú ý.

Có một xu hướng mới trên tăng lên —-Sự kết hợp giữa zkML (học máy không có kiến thức) và các tác nhân AI. Trước đây xác minh tính đúng đắn của kết quả tính toán AI trong khi vẫn đảm bảo quyền riêng tư và bảo mật; Sau này nhận ra việc thực hiện nhiệm vụ tự động và ra quyết định thông qua các mạng hợp đồng thông minh và phi tập trung.

Một số dự án mã hóa cũ sẽ tận dụng xu hướng mới này để điều chỉnh hướng kinh doanh nhằm đạt được nhiều giá trị hơn trong chu kỳ mới.

Allora Network là một trong số đó.

Hôm qua, AlloraChính thức công bố sách trắng kỹ thuật mới nhất của mình, định vị mình là "mạng AI phi tập trung tự cải thiện" cũng có nghĩa là hoạt động kinh doanh dự án đang tiến gần hơn đến các điểm nóng tường thuật.

Đồng thời, dự án cũng công bố kế hoạch khuyến khích điểm vào tháng 5, được cả những người yêu tóc và thợ săn Alpha rất quan tâm.

Khi đường đua AI đã đông đúc, điều gì khiến Allora trở nên độc đáo? Xem xét rằng sách trắng kỹ thuật của nó tương đối phức tạp, chúng tôi đã diễn giải và phân tích nó, đồng thời trình bày các điểm giá trị chính và giới thiệu dự án cho bạn theo cách phổ biến hơn.

Vấn đề cũ về độc quyền tài nguyên AI

Đánh giá từ sách trắng Allora, dự án chủ yếu nhắm vào các vấn đề cũ trong lĩnh vực AI hiện tại: sức mạnh tính toán, thuật toán và dữ liệu tập trung trong tay một vài gã khổng lồ và độc quyền tài nguyên không có lợi cho trạng thái tối ưu của học máy (ML).

Allora tin rằng chìa khóa để xây dựng trí thông minh máy tối ưu là tối đa hóa số lượng kết nối trong mạng, cho phép các bộ dữ liệu và thuật toán khác nhau được kết hợp tự do trong mạng để có được những hiểu biết phù hợp nhất.

Do đó, chúng ta cần một dạng trí thông minh bầy đàn có thể kết nối các tập dữ liệu lớn và thuật toán suy luận.

Nói short, trong các dự án AI được mã hóa hiện có, sự hợp tác giữa các mô hình khác nhau là không đủ tốt và cũng có vấn đề với các phương pháp khuyến khích. Các mô hình bị cô lập hoặc không được kết nối chặt chẽ và đủ hiệu quả, dẫn đến kết quả lý luận cuối cùng không đạt yêu cầu.

Vitalik cũng đã đề cập trước đây, "Một cơ chế cấp cao hơn là cần thiết để đánh giá hiệu suất của các AI khác nhau để AI có thể tham gia với tư cách là người chơi."

Mục tiêu của Allora là cho phép các nút trong mạng AI phi tập trung cộng tác tốt hơn thông qua cấu trúc khuyến khích tốt hơn; đồng thời, giới thiệu các cách thông minh hơn để xác định chi tiết theo ngữ cảnh để nâng cao hiệu quả của các mô hình học máy, từ đó đạt được trí thông minh hiệu quả hơn Lý luận và phán đoán.

Allora: Giới thiệu nhận thức ngữ cảnh và các ưu đãi khác biệt để cải thiện hiệu suất mô hình

Cụ thể, làm thế nào để Allora đạt được một "mạng AI phi tập trung tốt hơn"?

Điểm nổi bật chính làNhận thức ngữ cảnh và các cấu trúc khuyến khích khác biệt. Những đổi mới này cho phép mạng lưới cung cấp kết quả suy luận tối ưu trong bất kỳ môi trường nào đồng thời cung cấp phần thưởng công bằng cho những đóng góp duy nhất của mỗi người tham gia.

Nhưng hai chữ này nghe có chút bí ẩn. Chúng ta cũng có thể xem xét những người tham gia mạng Allora trước.

Những người tham gia vào mạng Allora bao gồm công nhân, người đánh giá và người tiêu dùng, mỗi vai trò có trách nhiệm và vai trò cụ thể:

  1. Người lao động: Cung cấp kết quả suy luận AI và dự đoán giá trị tổn thất của kết quả suy luận của người lao động khác.
  2. Uy tín: Đánh giá chất lượng kết quả suy luận và giá trị tổn thất dự đoán do người lao động cung cấp.
  3. Người tiêu dùng: Họ yêu cầu và trả tiền để suy ra kết quả từ mạng.

một mạng lưới tương tác thông qua một điều phối viên (Điều phối viên chủ đề):

  • consumerYêu cầu kết quả suy luận từ mạng và trả phí để có được chúng.
  • người lao độngCung cấp kết quả suy luận và giá trị tổn thất để dự đoán kết quả suy luận của những người lao động khác. Điều phối viên tổng hợp thông tin này để tạo ra kết quả suy luận chính xác hơn.
  • Người đánh giáDựa trên kết quả suy luận và giá trị tổn thất dự đoán do người lao động cung cấp, các đánh giá được thực hiện bằng cách sử dụng dữ liệu thực tế để đảm bảo tính công bằng của đánh giá và được khen thưởng dựa trên sự đồng thuận của họ với các nhà đánh giá khác.

Thông qua việc thiết kế ba vai trò này, một mạng lưới trí tuệ máy phi tập trung hiệu quả đạt được, đạt được mục tiêu tối ưu hóa việc sử dụng tài nguyên và cải thiện độ chính xác của suy luận. Về cơ bản, nó là một hệ thống đạt được sự tự cải thiện và phần thưởng công bằng thông qua các cơ chế phân chia vai trò và khuyến khích. thiết kế.

Sau khi hiểu ba loại vai trò này, sẽ dễ dàng hơn để xem xét nhận thức ngữ cảnh và thiết kế khuyến khích khác biệt của Allora.

Suy ra cơ chế tổng hợp

chế tổng hợp suy luận của Allora là chìa khóa để hiện thực hóa trí thông minh máy móc phi tập trung. Nó đạt được thông qua các bước sau:

  1. Nhiệm vụ suy luận: Mỗi nhân viên tạo ra kết quả suy luận bằng cách sử dụng tập dữ liệu và mô hình riêng.
  2. Nhiệm vụ dự báo: Mỗi công nhân dự đoán giá trị tổn thất của kết quả suy luận của các công nhân khác. Các giá trị tổn thất dự đoán này đại diện cho hiệu suất dự kiến của người lao động trong điều kiện hiện tại.
  3. Suy luận nhận biết ngữ cảnh: Mạng sử dụng giá trị tổn thất dự đoán do nhân viên cung cấp để tạo kết quả suy luận dự đoán nhận biết ngữ cảnh thông qua trung bình có trọng số. Các trung bình có trọng số này có độ chính xác tài khoản lịch sử và phụ thuộc vào ngữ cảnh.
  4. Suy luận mạng: Suy luận mạng cuối cùng được tạo ra bằng cách kết hợp kết quả suy luận của nhân viên với kết quả suy luận dự đoán nhận biết ngữ cảnh.

Chìa khóa của cơ chế này là nó không chỉ đánh giá độ chính xác lịch sử của mô hình như các dự án tiền điện tử khác mà còn tài khoản bối cảnh hiện tại, từ đó đạt được sự kết hợp tốt nhất giữa các suy luận và cải thiện trí thông minh của mạng tổng thể.

Cơ chế khen thưởng khác biệt

Đồng thời, Allora giới thiệu một cơ chế khen thưởng khác biệt để đảm bảo rằng đóng góp của mỗi người tham gia được công nhận một cách công bằng:

  1. Phần thưởng cho nhân viên: Được chỉ định dựa trên đóng góp của họ cho các nhiệm vụ suy luận và dự đoán, khuyến khích họ cung cấp dữ liệu và dự đoán chất lượng cao.
  2. Phần thưởng của người đánh giá: Phân bổ phần thưởng dựa trên sự gần gũi với sự đồng thuận và cổ phần được tổ chức để đảm bảo tính chính xác và công bằng của việc đánh giá.
  3. Phân phối phần thưởng tổng thể: Cơ chế khen thưởng không chỉ khuyến khích sự đóng góp tích cực của người tham gia mà còn tránh sự tập trung quá mức của một người tham gia thông qua thiết kế phi tập trung.

Một số giải pháp hiện đang được sử dụng trên Allora:

  • Dự đoán giá AI: Cung cấp thông tin giá tài sản chính xác, theo thời gian thực quan trọng đối với các nguyên thủy tài chính tiên tiến.
  • Vault được hỗ trợ bởi trí tuệ nhân tạo: Cho phép các nhà phát triển thực hiện các chiến lược DeFi nâng cao và tăng tiềm năng kiếm tiền.
  • Mô hình hóa rủi ro trí tuệ nhân tạo: Cho phép các giao thức xây dựng các hệ thống an toàn hơn để đối phó với các rủi ro bên ngoài.
  • AnyML: Cung cấp khả năng tích hợp dễ dàng của bất kỳ mô hình học máy nào để bất kỳ ai (không chỉ các kỹ sư học máy) đều có thể xây dựng các sản phẩm mạnh mẽ hơn bằng cách sử dụng AI phi tập trung.

Token nền kinh tế

Mạng Allora sử dụng mã thông báo gốc ALLO để tạo điều kiện sàn giao dịch giá trị giữa những người tham gia mạng. Việc sử dụng cụ thể token ALLO bao gồm:

  1. Mua kết quả suy luận: Người dùng có thể sử dụng mã thông báo ALLO để mua kết quả suy luận do mạng tạo ra. Allora áp dụng mô hình "bạn sẵn sàng trả bao nhiêu" (PWYW), cho phép người dùng quyết định độc lập phí ALLO để trả cho suy luận.
  2. Thanh toán phí tham gia: Mã thông báo ALLO có thể được sử dụng để thanh toán cho việc tạo chủ đề hoặc tham gia vào mạng (với tư cách là nhân viên, người đánh giá hoặc người xác thực mạng). Phí tham gia có thể thay đổi.
  3. cam kết: Người đánh giá và Người xác thực mạng có thể sử dụng mã thông báo ALLO để đặt cọc và các chủ sở hữu mã thông báo khác cũng có thể ủy quyền mã thông báo của họ cho người đánh giá hoặc Người xác thực mạng. Người đánh giá đặt cọc, người xác minh và người ủy quyền của họ sẽ nhận được phần thưởng ALLO.
  4. Thanh toán khuyến khích: Mạng sử dụng mã thông báo ALLO để trả phần thưởng cho người tham gia. Đối với người lao động, những phần thưởng này tỷ lệ thuận với đóng góp duy nhất của họ vào tính chính xác của mạng. Đối với những người đánh giá và Người xác thực mạng, những phần thưởng này tỷ lệ thuận với thế chấp và sự đồng thuận của họ.

Token giá trị

Kinh tế mã thông báo trong mạng Allora được thiết kế để đảm bảo giá trị nội tại và tính ổn định của mã thông báo:

  1. Thu nhập từ phí: Tất cả các khoản phí do mạng lưới thu được sẽ được cộng vào kho bạc mạng để chi trả cho phát hành thưởng. Điều này có nghĩa là trong thực tế, Network Depot sẽ phân rã chậm hơn so với phân rã theo cấp số nhân đơn giản, duy trì khả năng tái chế APY Token cao
  2. : Phí thu được từ việc sử dụng mạng trước tiên sẽ trả phần thưởng trước khi mã thông báo mới được đúc. Điều này có nghĩa là tùy thuộc vào động lực thị trường, nguồn cung lưu hành của ALLO có thể tăng (tương ứng với lạm phát) hoặc giảm (tương ứng với giảm phát)
  3. Cơ chế phát hành trơn tru: Bằng cách áp dụng đường trung bình động hàm mũ, phát hành token được làm mịn, do đó tránh được sự Thả mạnh trong APY khi mã thông báo chính được mở khóa, đảm bảo rằng chủ sở hữu mã thông báo tiếp tục thế chấp mã thông báo của họ.

Tuy nhiên, sách trắng không đề cập đến ngày phát hành và chi tiết của mã thông báo. Để biết thêm thông tin, bạn cần chú ý đến các xu hướng truyền thông xã hội của nó.

Các tài nguyên đằng sau Allora

Nội dung trên không thực sự đề cập đến công nghệ zkML được đề cập ở đầu bài viết. Có vẻ như Allora không liên quan gì đến công nghệ này.

Nhưng đằng sau Allora, dự án cũ Upshot là một đóng góp cốt lõi cho sự phát triển của Allora.

Upshot nâng cao khả năng của Allora bằng cách triển khai mô hình dự đoán giá hàng đầu của mình, cung cấp thông tin giá do AI điều khiển cho hơn 400 triệu tài sản, trên mạng. Các dự báo chính xác nhất từ mô hình trong lịch sử đã cho thấy mức độ tin cậy 95-99%.

Ngoài ra, đầu ra của mô hình có thể được truy cập thông qua zkPredictor (Ứng dụng zkML on-chain lớn nhất cho đến nay) được cung cấp để cho phép các ứng dụng tiêu thụ đầu ra theo cách có thể xác minh bằng mật mã.

Đồng thời, Upshot cũng nhận được 22 triệu USD tài trợ trong năm 2022 do Polychain, Framework, CoinFund và Blockchain Capital dẫn đầu. Hướng đi tại thời điểm đó là sử dụng công nghệ để thực hiện đánh giá tài sản NFT thời gian thực. Giờ đây, với sự tăng lên của AI, đường đua cũng đã thay đổi. , nhưng công nghệ tích lũy trước đó cũng đã được áp dụng cho Allora mới.

Lộ trình và ưu đãi testnet

Đánh giá từ thông tin trước đó trên blog chính thức của Allora, việc ra mắt dự án được chia thành ba giai đoạn:

  • Testnet Giai đoạn 1: Giữa tháng 2/2024
  • Testnet Giai đoạn 2: Giữa tháng 3/2024
  • Mạng chính: Đầu quý 2/2024

Tại thời điểm này, có vẻ như tiến độ dự án đã bị trì hoãn, nhưng nó vẫn đang trong giai đoạn trước khi mạng chính được đưa ra.

Để lệnh xây dựng động lực và cho phép nhiều người sử dụng nó hơn, Allora cũng đã đưa ra giai đoạn đầu tiên của kế hoạch khuyến khích testnet vào ngày 17 tháng 5. Bạn cũng có thể kiếm điểm bằng cách tham gia vào các hoạt động on-chain và off-chain để đạt được nhiều kỳ vọng airdrop hơn trong tương lai.

Các hoạt động cụ thể có thể kiếm điểm bao gồm:

Hoạt động on-chain

  1. Tạo chủ đề: Xác định và xác định các vấn đề hoặc lĩnh vực quan tâm cụ thể trong mạng, thu hút các tác nhân khác để phát triển và cung cấp giải pháp.
  2. Giới thiệu các mô hình học máy: Thêm các mô hình học máy vào mạng để những người khác sử dụng.
  3. Sử dụng Allora Powered Apps: Tham gia vào các ứng dụng và dịch vụ tận dụng khả năng thông minh máy móc của Allora

Hoạt động ngoài chuỗi

  1. Sự tham gia của cộng đồng: Theo dõi Allora trên Twitter và tham gia các nhóm Discord và Telegram.
  2. Tham gia vào cộng đồng: Tham gia vào các sự kiện và hoạt động cộng đồng chọn lọc để hỗ trợ mạng lưới Allora.

Hiện tại, các hoạt động dễ dàng cho người dùng thông thường tham gia có thể được tìm thấy trên trang sự kiện Galxe. Người chơi quan tâm có thểBấm vào đây để tham gia

Nói chung, Allora là một dự án mã hóa với sự đổi mới công nghệ nhất định, tài nguyên nền tảng và khả năng tái sử dụng. Nó có thể theo xu hướng trong việc chuyển đổi các điểm nóng AI và tối đa hóa việc sử dụng khả năng của mình để mở rộng các hướng kinh doanh mới. Ít nhất nó có thể đảm bảo rằng nó thu hút sự chú ý mới. Đừng bao giờ bị bỏ lại phía sau trong một cuộc chiến.

Còn về giới hạn trên cao bao nhiêu, thứ nhất, nó phụ thuộc vào việc chờ gió AI thổi lại, và thứ hai, nó phụ thuộc vào các phương pháp vận hành nhiều hơn của dự án trong tương lai.

Tuyên bố từ chối trách nhiệm:

  1. Bài viết này được in lại từ [Techflow]. Chuyển tiếp tiêu đề gốc '解读 Allora 白皮书:自我改进的去中心化 AI 网络'. Tất cả bản quyền thuộc về tác giả gốc [TechFlow]. Nếu có ý kiến phản đối bản in lại này, vui lòng liên hệ với nhóm Gate Learn và họ sẽ xử lý kịp thời.
  2. Tuyên bố từ chối trách nhiệm: Các quan điểm và ý kiến được trình bày trong bài viết này chỉ là của tác giả và không cấu thành bất kỳ lời khuyên đầu tư nào.
  3. Bản dịch bài viết sang các ngôn ngữ khác được thực hiện bởi nhóm Gate Learn. Trừ khi được đề cập, việc sao chép, phân phối hoặc đạo văn các bài báo đã dịch đều bị cấm.
即刻開始交易
註冊並交易即可獲得
$100
和價值
$5500
理財體驗金獎勵!