Введение

Традиционные решения для облачных вычислений, такие как AWS и Alibaba Cloud, предлагают высококачественные вычислительные ресурсы, но сопряжены с высокими затратами. Децентрализованные облачные вычисления — это новый подход, который использует технологию блокчейн, чтобы позволить вычислительным ресурсам по всему миру присоединяться к сети в качестве узлов. Эти узлы могут предоставлять вычислительную мощность и зарабатывать токены в качестве стимулов. Децентрализованные вычисления имеют множество применений, включая графический рендеринг, перекодирование видео, искусственный интеллект и машинное обучение. На нынешнем бычьем рынке ИИ стал популярным направлением. Индустрия искусственного интеллекта быстро растет, при этом вычислительная сложность может удваиваться каждые три месяца, что приводит к значительному увеличению спроса на вычислительные мощности. Эта растущая стоимость децентрализованных вычислений является проблемой для частных лиц и малых предприятий, занимающихся машинным обучением, которым нужны услуги облачных вычислений. Gensyn стремится демократизировать ИИ за счет децентрализации, снижая стоимость вычислительной мощности, необходимой для обучения. Основанный на протоколе Substripe, Gensyn использует смарт-контракты для облегчения распределения и вознаграждения задач машинного обучения. Он также направлен на создание крупномасштабного протокола распределенных вычислений глубокого обучения, сочетающего вероятностные доказательства обучения с криптовалютой и механизмами стимулирования, чтобы предложить более эффективную и масштабируемую вычислительную модель для области искусственного интеллекта. В этой статье мы углубимся в логику работы протокола Gensyn и текущее состояние его развития.

Что такое Gensyn?

Gensyn - это сеть вычислений на графических процессорах (GPU), специально разработанная для машинного обучения. Она увеличивает вычислительную мощность для машинного обучения, используя различные устройства для вычислений длинного хвоста по всему миру, такие как небольшие центры обработки данных, персональные игровые ПК и Mac. Хотя она все еще находится в разработке, Gensyn достигла значительных успехов в своем поэтапном развитии продукта. Экономическая модель еще не была выпущена, и протокол планируется интегрировать в экосистему Polkadot.

Команда Gensyn базируется в Лондоне, Великобритания. У сооснователей есть докторские степени в области компьютерных наук, и они были ранними участниками в индустрии блокчейн. У других членов команды также есть опыт в области искусственного интеллекта, и команда продолжает расширяться. Финансово команда хорошо поддерживается. Они получили $1,1 миллиона финансирования в июле 2021 года, $6,5 миллиона венчурного финансирования под руководством Eden Block в марте 2022 года, и $43 миллиона на финансирование серии A от a16z в июне 2023 года. Несколько других инвесторов также поддержали это финансирование. Команда заявила, что эта финансовая круглосуточная сессия будет использоваться для расширения команды и ускорения запуска протокола.

Кто участвует?

Экосистема Gensyn включает в себя четыре ключевых роли: Податели, Решатели, Проверяющие и Репортеры.

• Сабмиттеры - это пользователи Gensyn, которые подают задачи, требующие вычислений, и оплачивают соответствующие комиссии.
• Солверы - это основные работники, которые обучают модели и создают доказательства для проверки.
• Верификаторы играют решающую роль в экосистеме. Обучение модели в машинном обучении часто является недетерминированным процессом из-за случайной инициализации, оптимизации алгоритма и изменения данных. Верификаторы устраняют разрыв между недетерминированным обучением и детерминированным вычислением. Они подтверждают модель, решая математические доказательства и сравнивая выход модели с ожидаемыми результатами, чтобы обеспечить ее надежность.
• Журналисты - последний защитник системы. Они проверяют работу проверяющих и могут поднимать вызовы, чтобы заработать вознаграждение.

Как это работает?

Операционный процесс продукта Gensyn включает шесть этапов: представление задачи, обучение модели, генерация доказательств, верификация доказательств, оспаривание и урегулирование. Этап обучения модели происходит вне цепочки, в то время как проверка доказательств и экономические стимулы происходят в цепочке.

1. Сначала отправитель должен загрузить три типа файлов: метаданные задачи и гиперпараметры, бинарные файлы модели и общедоступные предварительно обработанные данные обучения. Эти файлы являются критическими компонентами в обучении модели машинного обучения.
2. После анализа задача попадает в общий пул задач, и выбирается один исполнитель для выполнения задачи. Исполнитель будет выполнять задачу на основе облачных данных, загруженных отправителем, предоставленной модели и обученной модели.
3. При выполнении задачи обучения решатель также должен устанавливать контрольные точки в запланированные интервалы и сохранять метаданные во время процесса обучения для генерации доказательств обучения. Это обеспечивает возможность верификатору точно воспроизвести шаги оптимизации позднее. Этот процесс создает набор доказанных, предварительно обученных базовых моделей, которые обеспечивают основу для последующих шагов оптимизации.
4. После выполнения задачи решатель должен отметить статус ее завершения на цепочке и поместить доказательства обучения в общедоступное место для верификатора. Верификаторы получают задачи верификации из общедоступного пула задач, повторно запускают часть доказательств и выполняют расчет расстояний. Блокчейн использует эти расстояния для определения, соответствует ли верификация доказательству обучения.
5. После проверки учебного доказательства журналисты могут воссоздать работу проверяющего, чтобы проверить, была ли она выполнена правильно. Если журналист считает, что проверка была неправильно выполнена, он может инициировать арбитражное испытание против проверяющего, чтобы заработать награды. Эти награды поступают из депозита проверяющего или из наградного фонда.
6. В этом процессе участники получают соответствующие награды на основе заключений вероятностных и детерминированных проверок.

Стоимость и выгоды

Крупные предприятия обычно имеют бюджет, чтобы выбирать централизованные вычислительные услуги. В отличие от этого, основными пользователями Gensyn являются малые предприятия, отдельные разработчики и исследовательские группы, занимающиеся машинным обучением. Эти пользователи часто чувствительны к цене и не могут позволить себе высокие затраты на централизованную вычислительную мощность. Основным преимуществом децентрализованного машинного обучения является значительное снижение затрат. Официальная ценовая политика Gensyn показывает, что их услуги стоят всего $0.40 в час, в сравнении с $2 в час за эквивалентную вычислительную мощность от AWS, что приводит к снижению затрат на 80%.

Источник:docs.gensyn

Возможности и риски

Gensyn ориентирован на высокочувствительных пользователей к вычислительным затратам, что означает, что он ориентирован на относительно небольшой рынок. Несмотря на то, что видение протокола соответствует текущим рыночным тенденциям, он сталкивается с несколькими факторами риска. Например, в начале процесса пользователи должны загрузить структуру модели, обучающие данные и гиперпараметры в сеть Gensyn. Использование данных из открытых источников не связано с проблемами конфиденциальности, но загрузка проприетарных моделей может привести к утечке информации.

Устройства, использующие сеть Gensyn, могут существенно различаться по вычислительной мощности, объему памяти и сетевому подключению. Gensyn передает параметры модели, задачи и данные проверки между различными устройствами. Устройства с более низкой пропускной способностью сети могут испытывать задержки при передаче, что влияет на распределение задач и проверку результатов. Следовательно, различия в возможностях устройств могут повлиять на общую эффективность системы.

Заключение

Gensyn - это вычислительная сеть GPU, посвященная машинному обучению, с целью соединить разработчиков и решателей, используя глобальные ресурсы для снижения затрат, связанных с машинным обучением. Ее видение хорошо соответствует текущим рыночным тенденциям и горячим темам ИИ. Однако Gensyn все еще находится в фазе развития, в первую очередь привлекая малый бизнес, отдельных разработчиков и исследовательские группы, которые чувствительны к цене. Рынок для этой услуги все еще относительно небольшой, и проект будет сталкиваться с существенными вызовами в достижении широкой практической реализации.