فكرة واحدة كانت تعود باستمرار بينما كنت أبحث عن $OPG كانت هذه.

ماذا لو أن أكبر مشكلة يواجهها الذكاء الاصطناعي على السلسلة ليست النموذج نفسه؟

إنها مسألة الانتظار.

في البداية، ظننت أن الأجهزة الأسرع ستحل كل شيء. وحدات معالجة رسومات أفضل. المزيد من العقد. قدرة حوسبة أكثر. لكن كلما قرأت المزيد عن @OpenGradient ، أدركت أن ضخ المزيد من القوة في المشكلة لا يصلح التصميم دائمًا.

تخيّل أنك تقف في طابور طويل للدفع. الجميع قد اختار ما يريد، لكن لا أحد يستطيع المغادرة لأن أحد العملاء ما زال يقرر. لا يهم مدى سرعة البقية. ينتظر الطابور بأكمله.

لهذا بدأت أفكر في استدلال الذكاء الاصطناعي وسلسلة الكتل.

إذا كان كل بلوك يجب أن ينتظر حتى ينتهي نموذج ذكاء اصطناعي ثقيل من التفكير، فقد يعني ذلك أن النماذج الأكبر والأكثر ذكاءً قد تجعل الشبكات أيضًا أبطأ. لم يكن هذا اتجاهًا جيدًا أبدًا.

عندها جعلني OPG أتوقف وأفكر.

بدلًا من إجبار الاستدلال على الحدوث أثناء بناء البلوك، يتيح OpenGradient للاستدلال مساحة مستقلة. يتم إنجاز عمل الذكاء الاصطناعي قبل تجميع البلوك. وعندما يتم إنشاء البلوك أخيرًا، لا يكون متروكًا في مكانه منتظرًا ردًا من نموذج.

بل يقوم ببساطة بتجميع النتيجة الجاهزة.

اختيار تصميم صغير كهذا يبدو أكبر بكثير مما يظن المرء.

يعني ذلك أن إنتاج الكتل يمكن أن يستمر في التقدم حتى عندما تصبح مهام الذكاء الاصطناعي أكثر تعقيدًا. ومع تحسن النماذج مع الوقت، لا يتعين على البلوكشين بالضرورة أن يصبح أبطأ تلقائيًا.

بالنسبة لي، هذا هو ما يجعل OpenGradient مختلفًا.

إنه لا يحاول حشر الذكاء الاصطناعي في بنية بلوكشين لم تُصمَّم أصلًا من أجله.

بل يعيد تصميم تدفق العمل بحيث يستطيع كل منهما القيام بما يتقنه على أفضل وجه.

ما زلت أتعلم كل يوم، لكن هناك شيء واحد بات واضحًا.

قد لا يعود مستقبل الذكاء الاصطناعي اللامركزي إلى المشروع الذي يملك أكبر النماذج.

قد يعود إلى المشروع الذي يفهم كيفية إبقاء الشبكة في حركة مستمرة بينما تواصل تلك النماذج التفكير.

وهذا أحد الأسباب التي تجعلني أتابع #OPG عن كثب.
#opg #opengradientchat #OpenGradientPrivacy #OpenGradient

$SLX $ESPORTS

ما الذي تهدف إليه تصميم OpenGradient لتحسينه؟