Переслать оригинальное название '解读 allora 白皮书:自我改进的去中心化 AI 网络'

В настоящее время на рынке свирепствует мем, а трек ИИ вступил в период шорт покоя.

Тем не менее, с ростом производительности Nvidia и большим количеством событий в индустрии искусственного интеллекта во второй половине года, проекты зашифрованного искусственного интеллекта по-прежнему заслуживают внимания.

На росте набирает обороты новая тенденция — сочетание zkML (машинное обучение с нулевым разглашением) и агентов искусственного интеллекта. Первый проверяет правильность результатов вычислений ИИ, обеспечивая при этом конфиденциальность и безопасность; Последний реализует автоматизированное выполнение задач и принятие решений с помощью смарт-контрактов и децентрализованных сетей.

Некоторые старые проекты шифрования воспользуются этой новой тенденцией, чтобы скорректировать свои бизнес-направления в попытке получить больше пользы в новом цикле.

Сеть Allora — одна из них.

Вчера AlloraОфициально объявила о своем последнем техническом техническом документе, позиционируя себя как «самосовершенствующуюся децентрализованную сеть искусственного интеллекта», что также означает, что проектный бизнес приближается к повествовательным горячим точкам.

В то же время в мае проект также объявил о своем плане поощрения баллами, который представляет большой интерес как для любителей волос, так и для охотников за Альфой.

Поскольку трасса ИИ уже переполнена, что делает Allora уникальной? Учитывая, что техническая документация относительно сложна, мы интерпретировали и проанализировали ее, а также представили вам ключевые моменты ценности и введение в проект в более популярной форме.

Старая проблема монополии ресурсов ИИ

Судя по белой книге Allora, проект в основном направлен на решение старых проблем в текущей сфере ИИ: вычислительные мощности, алгоритмы и данные сосредоточены в руках нескольких гигантов, а монополия на ресурсы не способствует оптимальному состоянию машинного обучения (ML).

Аллора считает, что ключом к построению оптимального машинного интеллекта является максимальное увеличение количества соединений в сети, что позволяет свободно комбинировать различные наборы данных и алгоритмы в сети для получения наиболее релевантной информации.

Поэтому нам нужна форма роевого интеллекта, которая может соединять большие наборы данных и алгоритмы логического вывода.

В шорт, в существующих проектах зашифрованного ИИ взаимодействие между различными моделями недостаточно хорошее, а также есть проблемы с методами стимулирования. Модели либо изолированы, либо недостаточно тесно связаны между собой и недостаточно эффективны, что приводит к неудовлетворительным окончательным результатам рассуждений.

Виталик также упоминал ранее: «Необходим высокоуровневый механизм для оценки производительности различных ИИ, чтобы ИИ мог участвовать в качестве игроков».

Цель Allora состоит в том, чтобы позволить узлам в децентрализованной сети искусственного интеллекта лучше сотрудничать за счет лучшей структуры стимулов; в то же время внедрить более интеллектуальные способы выявления контекстуальных деталей для повышения эффективности моделей машинного обучения, тем самым достигая более эффективного интеллекта Рассуждения и суждения.

Allora: Введение в контекстную осведомленность и дифференцированные стимулы для повышения производительности модели

В частности, как Allora достигает «лучшей децентрализованной сети ИИ»?

Ключевой изюминкой является то, что контекстно-зависимые и дифференцированные структуры мотивации. Эти инновации позволяют сети получать оптимальные результаты вывода в любой среде, обеспечивая при этом справедливое вознаграждение за уникальный вклад каждого участника.

Но эти два слова звучат немного загадочно. С таким же успехом мы могли бы сначала взглянуть на участников сети Allora.

Участниками сети Allora являются работники, оценщики и потребители, каждая роль имеет свои специфические обязанности и роли:

1. Рабочие процессы: предоставление результатов вывода ИИ и прогнозирование потерь результатов вывода других исполнителей.
2. Reputers: Оценка качества результатов вывода и прогнозируемых значений потерь, предоставленных работниками.
3. Потребители: Они запрашивают и платят за получение результатов из сети.

сетевое взаимодействие через координатора (Topic Coordinator):

• consumerЗапросить результаты вывода из сети и заплатить комиссию за их получение.
• workerПредоставляет результаты вывода и значение потерь для прогнозирования результатов вывода других исполнителей. Координатор синтезирует эту информацию для получения более точных результатов вывода.
• оценщикНа основе результатов вывода и прогнозируемых значений потерь, предоставленных работниками, оценки проводятся с использованием реальных данных для обеспечения справедливости оценки и вознаграждаются на основе их консенсуса с другими оценщиками.

Благодаря проектированию этих трех ролей достигается эффективная децентрализованная сеть машинного интеллекта, достигающая цели оптимизации использования ресурсов и повышения точности логических выводов. По сути, это система, которая обеспечивает самосовершенствование и справедливое вознаграждение за счет разделения ролей и механизмов поощрения. проектировать.

После понимания этих трех типов ролей вам будет легче взглянуть на контекстную осведомленность Allora и дифференцированный дизайн мотивации.

Вывод о механизме синтеза

Механизм синтеза инференса Allora является ключом к реализации децентрализованного машинного интеллекта. Это достигается за счет следующих шагов:

1. Задача вывода: каждый работник генерирует результаты вывода, используя свой собственный набор данных и модель.
2. Задача прогнозирования: Каждый работник прогнозирует значение потерь результатов вывода других работников. Эти прогнозируемые значения потерь представляют собой ожидаемую производительность работника в текущих условиях.
3. Контекстно-зависимый вывод: сеть использует значение потерь прогноза, предоставленное работником, для создания результата контекстно-зависимого вывода прогноза на основе средневзвешенного значения. Эти средневзвешенные счета учитывают историческую и контекстно-зависимую точность.
4. Сетевой вывод: окончательный сетевой вывод создается путем объединения результатов вывода работника с контекстно-зависимыми прогнозируемыми результатами вывода.

Ключом к этому механизму является то, что он не только оценивает историческую точность модели, как и другие криптопроекты, но и учитывает счет текущим контекстом, тем самым достигая наилучшего сочетания умозаключений и улучшая интеллект всей сети.

Дифференцированный механизм вознаграждения

В то же время Allora вводит дифференцированный механизм вознаграждения, чтобы гарантировать, что вклад каждого участника будет справедливо признан:

1. Вознаграждения работников: назначаются на основе их вклада в задачи выводов и прогнозирования, стимулируя их предоставлять высококачественные данные и прогнозы.
2. Вознаграждение рецензента: Распределяйте вознаграждения в зависимости от его близости к консенсусу и имеющихся долей, чтобы обеспечить точность и справедливость оценки.
3. Общее распределение вознаграждения: Механизм вознаграждения не только поощряет положительный вклад участников, но и позволяет избежать чрезмерной концентрации одного участника за счет децентрализованного дизайна.

Некоторые решения, используемые в настоящее время на Allora:

• Прогнозирование цен с помощью ИИ: предоставляет точную информацию о ценах на активы в режиме реального времени, критически важную для продвинутых финансовых примитивов.
• Vault на базе искусственного интеллекта: позволяет разработчикам внедрять передовые стратегии DeFi и увеличивать потенциал заработка.
• Моделирование рисков с помощью искусственного интеллекта: позволяет протоколам создавать более безопасные системы для борьбы с внешними рисками.
• AnyML: обеспечивает простую интеграцию любой модели машинного обучения, чтобы любой человек (а не только инженеры машинного обучения) мог создавать более мощные продукты с помощью децентрализованного ИИ.

Токен экономика

Сеть Allora использует свой собственный токен ALLO для облегчения биржа стоимости между участниками сети. Конкретные варианты использования токенов ALLO включают:

1. Покупка результатов вывода: Пользователи могут использовать токены АЛЛО для покупки результатов вывода, сгенерированных сетью. Allora использует модель «сколько вы готовы заплатить» (PWYW), позволяющую пользователям самостоятельно принимать решение о плате АЛЛО за умозаключение.
2. Оплатите взнос за участие: токены ALLO можно использовать для оплаты создания тем или участия в сети (в качестве воркера, оценщика или валидатора сети). Стоимость участия варьируется.
3. Залог: Оценщики и валидаторы сети могут использовать токены ALLO для стейкинга, а другие держатели токенов также могут делегировать свои токены оценщикам или валидаторам сети. Оценщики стейкинга, верификаторы и их делегаторы получат вознаграждение АЛЛО.
4. Поощрительная выплата: Сеть использует токены АЛЛО для выплаты вознаграждений участникам. Для работников эти вознаграждения пропорциональны их уникальному вкладу в точность сети. Для оценщиков и валидаторов сети эти вознаграждения пропорциональны их застейке и консенсусу.

Токен значение

Экономика токенов в сети Allora призвана обеспечить внутреннюю ценность и стабильность токенов:

1. Комиссионный доход: Все сборы, собранные сетью, будут добавлены в казну сети для оплаты выпуска вознаграждений. Это означает, что на практике Network Depot будет распадаться медленнее, чем простой экспоненциальный спад, поддерживая высокий APY
2. Переработка токенов: сборы, собранные за использование сети, сначала выплачивают вознаграждения, прежде чем будут отчеканены новые токены. Это означает, что в зависимости от динамики рынка оборотное предложение АЛЛО может увеличиваться (в соответствии с инфляцией) или уменьшаться (в соответствии с дефляцией).
3. Плавный механизм выпуска: Применяя экспоненциальную скользящую среднюю, выпуск токенов сглаживается, тем самым избегая резкого падения APY при разблокировке основного токена, гарантируя, что держатели токенов продолжат застейкать свои токены.
   

Однако в белой книге не упоминается дата выпуска и детали токена. Для получения дополнительной информации вам нужно обратить внимание на его тенденции в социальных сетях.

Ресурсы, лежащие в основе Allora

В приведенном выше содержании на самом деле не упоминается технология zkML, упомянутая в начале статьи. Кажется, что Аллора не имеет никакого отношения к этой технологии.

Но после Allora старый проект Upshot вносит основной вклад в развитие Allora.

Upshot расширяет возможности Allora, развертывая в сети свою флагманскую модель прогнозирования цен, которая предоставляет информацию о ценах на основе искусственного интеллекта для более чем 400 миллионов активов. Наиболее точные прогнозы модели исторически показывали уровень достоверности 95-99%.

Кроме того, доступ к выходным данным модели можно получить через zkPredictor (Крупнейшее на сегодняшний день в блокчейне приложение zkML), позволяющее приложениям использовать выходные данные криптографически проверяемым способом.

В то же время Upshot также получила финансирование в размере 22 миллионов долларов США в 2022 году во главе с Polychain, Framework, CoinFund и Блокчейн Capital. В то время направление заключалось в том, чтобы использовать технологию для оценки активов NFT в режиме реального времени. Теперь, с ростом ИИ, трек также изменился. , но технологии, накопленные ранее, были применены и к новой Allora.

Дорожная карта и стимулы тестовой сети

Судя по предыдущей информации в официальном блоге Allora, запуск проекта разделен на три этапа:

• Фаза 1 тестовой сети: середина февраля 2024
г.
• Фаза 2 тестовой сети: середина марта 2024
г.
• Основная сеть: начало 2 квартала 2024

На данный момент кажется, что прогресс проекта затянулся, но он все еще находится на стадии перед запуском основной сети.

В ордер, чтобы набрать обороты и позволить большему количеству людей использовать его, 17 мая Allora также запустила первый этап своего плана поощрения в тестовой сети. Вы также можете зарабатывать баллы, участвуя в мероприятиях в блокчейне и вне блокчейна, чтобы получить больше ожиданий от аирдропа в будущем.

Конкретные действия, за которые можно заработать баллы, включают:

Ончейн-активность

1. Создание тем: Выявляйте и определяйте конкретные проблемы или области, представляющие интерес в сети, привлекая других участников для разработки и предоставления решений.
2. Внедрение моделей машинного обучения: добавление моделей машинного обучения в сеть для использования другими пользователями.
3. Используйте приложения на базе Allora: участвуйте в приложениях и сервисах, использующих возможности машинного интеллекта Allora

Оффчейн-активность

1. Участие в сообществе: следите за новостями Аллоры в Twitter и присоединяйтесь к группам в Discord и Telegram.
2. Участвуйте в сообществе: участвуйте в избранных общественных мероприятиях и мероприятиях для поддержки сети Allora.

В настоящее время активности, в которых легко принять участие обычным пользователям, можно найти на странице событий Galxe. Заинтересованные игроки могутНажмите здесь, чтобы принять участие

Вообще говоря, Allora — это проект шифрования с определенными технологическими инновациями, фоновыми ресурсами и возможностями повторного использования. Она может следовать тренду трансформации горячих точек ИИ и максимально использовать свои возможности для расширения новых направлений бизнеса. По крайней мере, это может гарантировать, что он привлечет к себе новое внимание. Никогда не оставайтесь в стороне на войне.

Что касается того, насколько высок верхний предел, то, во-первых, это зависит от ожидания, когда снова подует ветер ИИ, а во-вторых, это зависит от более оперативных методов проекта в будущем.

Отказ от ответственности:

1. Эта статья перепечатана с [Techflow]. Перешлите оригинальное название '解读 allora 白皮书:自我改进的去中心化 AI 网络'. Все авторские права принадлежат оригинальному автору [TechFlow]. Если у вас есть возражения против этой перепечатки, пожалуйста, свяжитесь с командой Gate Learn, и они оперативно разберутся с этим.
2. Отказ от ответственности: Взгляды и мнения, выраженные в этой статье, принадлежат исключительно автору и не являются какими-либо инвестиционными рекомендациями.
3. Переводом статьи на другие языки занимается команда Gate Learn. Если не указано иное, копирование, распространение или плагиат переведенных статей запрещены.