$AIGENSYN đã trở thành tâm điểm chú ý sau khi niêm yết trên Binance, và hầu hết sự quan tâm đều tập trung vào hành động giá — nhưng rất ít người thực sự thảo luận về những gì Proof-of-Learning đang cố gắng giải quyết. 🤖📊

Từ góc độ kỹ thuật ML, thử thách cốt lõi là đơn giản nhưng tàn nhẫn:
Làm thế nào để bạn chứng minh rằng việc đào tạo mô hình thực sự đã xảy ra trên một mạng lưới phi tập trung, thay vì những tính toán giả mạo hoặc vô nghĩa?

1/ Giải pháp ngây thơ là thực hiện lại toàn bộ quá trình đào tạo để xác minh công việc — nhưng điều đó trái với mục đích, vì nó tốn kém gần như tương đương với việc đào tạo mô hình thực sự.

2/ Cách tiếp cận của Gensyn (Proof-of-Learning) sử dụng một ý tưởng khác: các tham gia viên gửi tín hiệu đào tạo trung gian (như gradient/checkpoint), và các người xác minh sẽ ngẫu nhiên lấy mẫu những phần nhỏ để xác nhận tính chính xác. Gian lận trở nên khó khăn hơn đáng kể vì nó yêu cầu phải tạo ra một quỹ đạo đào tạo nhất quán, không chỉ là các đầu ra cuối cùng.

3/ Sự không chắc chắn: độ bảo mật phụ thuộc rất nhiều vào tỷ lệ lấy mẫu, hành vi đối kháng, và kinh tế tính toán trong thế giới thực. Về lý thuyết, nó hoạt động, nhưng độ bền trong điều kiện sản xuất vẫn là một câu hỏi mở mà không có dữ liệu công khai quy mô lớn.

4/ Lựa chọn thiết kế thú vị: mạng lưới thưởng cho các bước đào tạo có thể xác minh, không chỉ là kết quả cuối cùng