aiinference

يمكن للذكاء الاصطناعي الذي يبدأ بالرد بسرعة أن يستغرق مع ذلك وقتًا طويلًا لإنجاز المهمة.

في مقالها الصادر في 18 سبتمبر، تميّز io.net بين زمن الوصول إلى أول رمز—أي فترة الانتظار قبل بدء الإخراج—وبين الإنتاجية على دفعات. وهي تحيط وحدات GPUs الموزعة الخاصة بها بالتكلفة والمرونة، لا بالفوز بسباق أول رمز.

اختباري لقصة $IO compute: قياس المهمة كاملة. يحتاج مساعد صوتي حيّ إلى استجابة سريعة؛ وتحتاج مهمة مستند تُنفَّذ طوال الليل إلى نتائج دقيقة بحلول موعدها النهائي بتكلفة إجمالية معقولة. أمثلة التكاليف الواردة في المقال توضيحية، وليست مقاييس مستقلة. لا تزال الأحمال الفعلية بحاجة إلى اختبار.

ما الذي يزعجك أكثر: الانتظار حتى الكلمة الأولى، أم الانتظار حتى يكتمل الجواب؟ #AIInference

تتعامل معظم شبكات البلوكشين مع التنفيذ والتحقق وكأنهما نفس المشكلة. لكنهما ليسا كذلك.
التنفيذ هو حساب. التحقق هو ثقة. تجميعهما معًا كان دائمًا حلاً مؤقتًا — وليس خيار تصميم. وعلى مدى سنوات، لم يلاحظ أحد ذلك لأن النماذج كانت بسيطة بما يكفي لدرجة أن "أعد تشغيله وتحقق" شعرت وكأنها حل حقيقي.
لكن هذا لم يعد كذلك.
استدلال الذكاء الصناعي لا يُعيد التشغيل بشكل نظيف. إذا قمت بتشغيل نفس النموذج مرتين على أجهزة مختلفة، قد تحصل على مخرجات مختلفة. دقة الفلوت، اختلاف درجات الحرارة، خصائص GPU — النتائج تنحرف. لذا إذا كانت طبقة التحقق لديك مجرد "أعد التشغيل وقارن"، فقد خسرت بالفعل. أنت لا تتحقق من الحقيقة. أنت تتحقق من الاتساق تحت ظروف مثالية، وهو شيء مختلف تمامًا.
هذه هي الفجوة التي يتجاوزها معظم الناس عندما يتحدثون عن "الذكاء الصناعي القابل للتحقق على السلسلة."
بنية HACA من OpenGradient تفصل فعليًا بين هاتين الطبقتين. تعمل عقد التنفيذ على إجراء الاستدلال. تتحقق طبقة التحقق المنفصلة من النتيجة — باستخدام إثبات تشفيري، وليس إعادة تنفيذ زائدة. العقدة التي قامت بتشغيل النموذج والنظام الذي يضمنه هما فاعلان مختلفان هيكليًا مع حوافز مختلفة.
تلك الفصلية مهمة أكثر مما يدركه الناس. عندما يتم التعامل مع التنفيذ والتحقق بنفس المنطق، فإن نموذج الثقة في النظام جيد فقط بقدر أمانة المنفذ. أنت لا تتحقق من الذكاء الصناعي. أنت تثق في الشخص الذي يقوم بالتشغيل ليقوم بالإبلاغ عن نفسه.
افصل الأدوار، وستتغير هيكل الحوافز بالفعل. ليس لدى عقد التحقق أي سبب للتعاون مع المنفذين — لم يقوموا بتشغيل النموذج، إنهم فقط يتحققون من الإثبات. هذه حدود ثقة حقيقية، ليست نظرية.
الحد الصادق: التحقق القائم على الإثبات لا يزال ينضج. الأعباء التشفيرية حقيقية، و"إثبات الاستدلال الصحيح" على النماذج الكبيرة ليست مشكلة تم حلها. اتجاه التصميم قابل للدفاع. لكن الافتراضات الأمنية الفعلية تقوم بالكثير من العمل الصامت في الخلفية.
#OpenGradient #DecentralizedAI #AIInference #opg $OPG @OpenGradient

معظم الناس يعتقدون أن التسوية هي مجرد الأمور المملة في الخلفية. الجزء الذي "يعمل فقط."
وهذا بالضبط هو السبب في أنها تستمر في الانهيار في أسوأ لحظة ممكنة.
إليك ما يحدث فعلاً. عندما يقوم نموذج الذكاء الاصطناعي بتشغيل استدلال — يولد مخرجًا، يتخذ قرارًا، يسجل نتيجة — ليس لديك أي فكرة عما إذا كان ذلك المخرج حقيقيًا. ليس بأي معنى يمكن التحقق منه. أنت تثق في صندوق أسود على خادم شخص آخر ليخبرك الحقيقة. وفي 99% من بنية الذكاء الاصطناعي الحالية، هذا هو نموذج الأمان بالكامل. ثق بي، يا صديقي. في الإنتاج. على نطاق واسع.
التسوية من المفترض أن تصلح هذا. الفكرة واضحة: تقوم بتشغيل النموذج، تثبت أنه قد تم تشغيله بشكل صحيح، تسجل تلك الإثبات، والآن المخرج لديه نزاهة. بسيطة.
باستثناء اللحظة التي تسأل فيها كيف يتم تسوية ذلك الإثبات — على السلسلة، خارج السلسلة، متفائل، ZK، قائم على لجنة — تدرك أن لا أحد يتفق فعلاً. ومصفوفة التنازلات قاسية.
التسوية على السلسلة تعطيك قابلية تحقق حقيقية لكنها تقدم زمن تأخير يجعل استدلال الذكاء الاصطناعي في الوقت الحقيقي غير عملي تمامًا. لا يمكنك الانتظار 12 ثانية لتأكيد الكتلة في كل مرة يقوم فيها نموذج بعملية استدعاء.
التسوية المتفائلة سريعة لكنها تدفع مشكلة النزاهة إلى الأمام — أنت تفترض الصحة ما لم يتحدى شخص ما ذلك. معظم المستخدمين لن يتحدوا أي شيء. هذه هي مجرد سلوكيات بشرية.
#OpenGradient #AIInference #opg $OPG @OpenGradient

يدعم A16Z ثورة الذكاء الاصطناعي المحلي بينما تُشعل الوكلاء على الجهاز قصة $AI ! ⚡ 🦈

📌 ضخّ عمالقة وادي السيليكون a16z وKhosla Ventures رأس مال مؤسساتي خلف الوكيل المحلي Underdog التابع لـ Conway Research. وبفضل تشغيل نموذج مدمج بمعامل 4B مباشرةً على عتاد المستهلك بسرعة 4.5x مقارنةً بـ MLX، يشير ذلك إلى تحوّل هيكلي ضخم نحو التنفيذ من دون سحابة. 💡

المال الذكي يسبق بقوة التحول من نماذج مراكز البيانات المتضخمة إلى ذكاء مرن على الجهاز. 📊 ومع تقارب الحوسبة الطرفية مع تنفيذ الوكلاء المستقلين، تتحول بنية الذكاء الاصطناعي المحلي بسرعة إلى المحرك السردي الرئيسي التالي عبر الأسواق. ⚡

🤔 هل ستجعل وكلاء الذكاء الاصطناعي المحلي النماذج السحابية المركزية عتيقة للمهام اليومية؟ 👇

⚠️ ليست نصيحة مالية. أدر مخاطرَك دائمًا. 🛡️

🏷️ #AI #CryptoAI #TechTrends #Agents #AIInference

🔥 ⚡