gpt4

社区在提案 13094 中批准的复制版本 e4eeb3 完成了 ICP 路线图中的 Cyclotron 里程碑。
这一里程碑的目标是实现具有数百万个参数的 AI 模型的链上推理，这是迈向大型 AI 模型的链上训练和推理这一更宏伟目标的第一步。
众所周知，人工智能工作负载需要大量计算，对具有数百万个参数的人工智能模型进行推理需要数十亿次算术运算，例如乘法和加法，这意味着，为了支持链上推理，区块链需要每秒处理数十亿次运算的能力。
Cyclotron 里程碑将 ICP 的计算能力提高了一个数量级（约 10 倍），使其成为唯一一个拥有完全在链上执行人脸识别的智能合约工作示例的区块链，以及其他用例，例如图像分类和运行 GPT2（由 DecideAI 开发）。
查看本文开头 Dominic Williams 的面部识别演示视频。

链上人工智能计算的基础
虚拟机是区块链的一部分，对于 AI 计算至关重要，因为它可以执行智能合约的代码，虚拟机的功能和性能直接影响智能合约可以执行多少 AI 计算。
例如，EVM 是以太坊的虚拟机，它是为 DeFi 智能合约量身定制的，缺乏 AI 计算所需的浮点运算等功能，相比之下，ICP 使用 WebAssembly 作为虚拟机，WebAssembly 支持浮点数，并且从头开始设计以实现接近原生的性能。
Cyclotron 里程碑的想法是尽可能地从 ICP 虚拟机中榨取尽可能多的浮点数性能。
优化 1：确定性浮点运算
大多数 AI 库和框架都依赖于浮点运算，在 ICP 的上下文中，浮点运算必须是确定性的，这意味着它们应该使用相同的输入操作数产生相同的可预测结果。
这种确定性属性很重要，因为 ICP 在多个节点上执行相同的代码，然后运行其共识算法来建立正确的结果，如果浮点运算不确定，节点可能会出现分歧，从而阻止区块链的进展。
DFINITY 工程师在名为 Wasmtime 的 WebAssembly 虚拟机实现中找到了一种使确定性浮点运算更快的方法，这是一种低级编译器优化，可生成更快的代码，这种优化不仅使 ICP 受益，还使使用 Wasmtime 的其他平台和区块链受益。
优化 2：单指令、多数据（SIMD）
SIMD 是所有现代 CPU 都支持的技术，它允许 CPU 使用一条指令执行多个算术运算，例如，WebAssembly 可以使用一条指令执行四个并行浮点加法，如下图所示。

WebAssembly SIMD 还可以处理整数，例如，它可以对小型 8 位整数执行 16 次并行算术运算，根据数字和运算的类型，性能可能会提高 4 倍至 16 倍。
在 ICP 上运行的智能合约现在可以使用确定性 SIMD 指令并受益于并行计算，了解如何使用 SIMD 编译智能合约：
github.com/dfinity/examples/tree/master/rust/simd
优化 3：AI 推理引擎中的 SIMD 支持
Cyclotron 拼图的最后一块是向 AI 库添加 WebAssembly SIMD 支持，DFINITY 工程师为开源 Sonos Tract 推理引擎贡献了 WebAssembly SIMD 实现。
新代码使用 SIMD 指令实现矩阵乘法和其他数值算法，与 Wasmtime 中的第一次优化类似，这一贡献不仅使 ICP 受益，还使更广泛的开发者社区受益。
结果
这些优化合在一起将数值微基准测试速度提高了 28 倍，在端到端 AI 推理工作负载中，观察到的改进根据模型的不同从 5 倍到 19 倍不等，如下图所示。

包含这些 AI 模型的智能合约的源代码可在 GitHub 上获取，因此任何人都可以重现并验证结果：
图像分类：这是一个 MobileNet 模型，可对输入图像进行分类，并从 1000 个已知标签中返回最可能的标签，运行单次推理所需的 Wasm 指令数量从 247 亿条减少到 37 亿条。人脸检测：这是一个 Ultraface 模型，可以在输入图像中找到人脸的边界框，运行单次推理所需的 Wasm 指令数量从 61 亿条减少到 12 亿条。人脸识别：这是一个计算人脸输入图像的向量嵌入的模型，运行单次推理所需的 Wasm 指令数量从 770 亿条减少到 90 亿条，主网上的执行限制为 400 亿条指令，这意味着以前的人脸识别无法在主网上运行，只能在修补的副本中本地运行。GPT2：这是 DecideAI 使用其 rust-connect-py-ai-to-ic 框架将其转换为智能合约的 GPT2 模型，基准测试的详细信息在 GitHub 上有描述。
基准测试在 dfx 版本 0.20.1（Baseline）和版本 0.22.0-beta.0（Cyclotron）中运行。
结论
Cyclotron 里程碑通过优化浮点运算和启用 WebAssembly SIMD 指令，使 ICP 上的 AI 计算性能接近原生 CPU 性能，它支持对具有数百万个参数的模型（例如图像分类、人脸识别和 GPT2）进行链上 AI 推理。
这是在链上完全运行大型 AI 模型以解决 AI 信任问题的第一步，ICP 路线图中的下一个 AI 里程碑旨在超越 CPU 限制，为了在链上执行 AI 推理和大型模型训练，智能合约需要一种在 GPU 等专用硬件上运行计算和内存密集型计算的方法。
请继续关注 Gyrotron 里程碑。

#AI模型 #DEAI🤖🤖🤖 #gpt4 $BTC $ETH $ICP

你关心的 IC 内容
技术进展 | 项目信息 | 全球活动

收藏关注 IC 币安频道
掌握最新资讯

أخيرًا، تم تنفيذ الخطوة الكبيرة التالية من OpenAI. في 10 يناير بالتوقيت الأمريكي، أعلنت OpenAI رسميًا عن إطلاق متجر GPT، وفي بيانها الرسمي في ذلك اليوم، ذكرت OpenAI أنه منذ الإعلان عن متجر GPT في نوفمبر من العام الماضي، قام المستخدمون بإنشاء أكثر من 3000000 من ChatGPT مخصص.

حاليًا، يتم فتح متجر GPT تدريجيًا لأعضاء ChatGPT Plus المدفوعين، وTeam، ومستخدمي الشركات Enterprise. يحتوي متجر GPT أيضًا على ميزات البناء، حيث تم التوصية ببعض GPT الأولى من قبل OpenAI رسميًا، بما في ذلك AllTrails الذي يوصي بمسارات المشي، وCodeTutor الذي طورته أكاديمية خان لمساعدة في توجيه البرمجة، وBooks التي توصي بالكتب.

一个有趣的发现！

原来AI和人类都喜欢礼貌的人！

懂礼貌的发问，AI可以回答的更专业和更完善！ 在 #GPT4 对话中，用上“请”，“感谢”，“麻烦您”等，这样礼貌的用语，输出结果竟然有差异！

做一个懂礼貌的人，更受人尊敬喔，不光人类社会，还是未来人工智能时代！

问了一个 #GPT4 问题，它給出了这个 #BTC 定投方案！大家觉得如何？

لا تفهم رموز الكمبيوتر، ولكنك تريد القيام بالتداول الكمي للعملات المشفرة مثل العلماء؟
ألا تفهم لغة بايثون وترغب في أتمتة عمليات البيع والشراء من خلال استراتيجيات تداول مختلفة؟
من خلال إمكانيات تجميع التعليمات البرمجية القوية لـ GPT4، يصبح التداول الآلي ممكنًا! وتحتاج فقط إلى استخدام اللغة الطبيعية وإدخال الأحرف الصينية! ونحن نستخدمها لتنفيذ تجميع كود نموذجي معقد متعدد العوامل! #GPT4 يتيح لك ربح المال من التداول!

لقد التزمنا هذا العام ببحث #GPT4 . ولهذا الغرض، اشترينا شريحة H800#AIلبناء نماذج بيانات متعلقة بـ Web3 وحققنا نتائج جيدة. ومن الممكن شراء الأهداف تلقائيا من خلال قيادة الأحداث، ويمكن لروبوتات التداول القائمة على الذكاء الاصطناعي اغتنام الفرص في الوقت الحقيقي. وفي المستقبل، سوف يصبح تداول الذكاء الاصطناعي هو الاتجاه السائد، حيث يحلل البيانات، ويولد الإشارات، وينفذ المعاملات. سرعة الحوسبة الخاصة به أسرع من البشر، على مدار الساعة طوال أيام الأسبوع، وليس لها أي تحيز عاطفي.

我们一直致力于探索 #AI 在 #Web3 投资领域的实际应用和价值，并让更多人通过AI技术，在链上数据透明化的时代，获得最大化的信息效率和价值捕捉。 这是我们第一期的部分案例展示：往期文章，今天我们要讲讲 #GPT4 王炸功能：代码解析器。

这个代码解析器好用到什么程度？以前GPT4只能文字提问，单一方向，一问一答，无法做双向交互。 现在代码解析器，它强大的功能：可以自主上传，视频，音频，表格，代码文件等。 今天这里展示一下，我们投研人员花费50天筛选出的百倍币项目，让GPT4 帮我做分析！1小时解决！

第一步，把源数据EXCEL表格投喂给GPT4，先让它学习（由于涉及到相关内部课件资料，只做部分展示，请谅解）。

第二步，让GPT4帮我找到其中项目的相关性分析，做相关性变量的热力图展示。其中数值越靠近1代表相关性越强，越小于1代表相关性较弱。 这一步其实没有找到很强的相关性关联。(展示思考的思维逻辑很重要)

第三步，根据对应的赛道，让 #GPT4 帮我做柱状图可视化展示。其中粉红色柱最长的是L1公链。 事实也是如此，上个周期，出现最多百倍币的项目，核心分布在公链中，我们称之为以太坊杀手，比如 #SOL #ONE #MATIC 等

第四步，在不同赛道中，按类别分类，出现百倍币概率最大的占比情况，用饼状图分类。 其中不难发现，DEFI赛道是占据最大的比例，说明DEFI赛道命中百倍币是最高的。其次是NFT和L1公链。（注意：诞生最多和命中率高，是两个概念）

第五步，我们需要考虑项目的涨幅倍数与项目当时市值排名之间，有没有强关系。 所以我们做了倍数与项目低点市值排名和高点市值排名之间，它们的相关性关系的数据。用散点图制作！ 如

最后，我们再让 #GPT4 自主学习，让它给我们分析，百倍币的涨幅，还跟其他变量之间，有什么可量化的相关性。它给出了这个结论给我们！ 其中包含：买入时间&卖出时间(择时)，最低价，最高市值排名等。 如

总结：上述案例不光可以用在 Web3 当中

我们还做了上市公司财务数据相关投喂，然后GPT4让自主分析：财务数据上出现了哪些问题；需要注意一些什么；为了提升利润率，该在哪些方面做优化改进等 包括投喂视频或者图片，通过自然语言，提供自动化P图和视频编辑。 AI是新生产力，Web3是新生产关系！

针对 #常压室温超导 材料，我给 #GPT4 问了4个问题，英文提问，下一张中文翻译！

1.常压室温超导材料的实现逻辑(其中给出自然杂志的文章)。

2.如何看待韩国常温常压超导体LK-99(其中给出了《美国科学人》杂志的看法，还有《物理世界》等权威杂志)。

3.一旦实现常温常压超导，将会给我们的社会带来哪些伟大的革命性突破？

4.相应的，有哪些韩国或美国上市公司参与常压室温超导体的研发？(这里提到了4家，IBM,GOOGLE,SAIT,LG)

中文翻译版本

我又深度问了两个问题，可能大家会比较关心！ 1.常压和常温超导技术，哪些行业将受益？ 2.上述行业有哪些优质的美国上市公司？