Interpretação do Ambient: manter as características de alta velocidade e eficiência, introduzindo a forquilha de Solana com o consenso PoL.

robot
Geração de resumo em curso

Autor: Fairy, ChainCatcher

Hoje, com o contínuo desenvolvimento das tecnologias de blockchain e inteligência artificial, como combinar efetivamente essas duas áreas tornou-se um dos objetivos de muitos projetos inovadores. Ambient surgiu neste contexto, empenhando-se em combinar uma arquitetura de blockchain descentralizada com raciocínio de IA em larga escala, explorando um novo modelo de economia inteligente.

Como um fork completo do Solana, o Ambient mantém a alta velocidade e eficiência do Solana, e cria um novo ecossistema de blockchain ao introduzir o mecanismo de prova Logits (PoL).

Interpretação do Ambient: mantendo características de alta velocidade e eficiência, introduzindo o consenso PoL na cadeia bifurcada Solana

O que é Ambient?

Ambient é uma blockchain de Layer-1 que combina a compatibilidade com Solana SVM com um novo mecanismo de prova de trabalho, oferecendo uma verificação de inferência em grande escala. A ideia central do projeto Ambient é integrar profundamente a inferência de IA e a blockchain, criando uma economia de IA descentralizada.

Ao contrário dos sistemas tradicionais de Proof of Stake (PoS), o Ambient adota um mecanismo de incentivos semelhante ao do Bitcoin, oferecendo lucros previsíveis para cada nó que participa da inferência, ajuste fino ou treinamento da rede. Essa abordagem evita a dependência de GPUs de nível empresarial, garantindo a lucratividade sustentável dos mineradores através de uma compensação baseada em transações e inflação. Tanto os mineradores quanto os usuários podem receber recompensas que correspondem à sua contribuição, enquanto o valor da plataforma continua a aumentar com o crescimento da rede.

Características do Ambient:

  • Eficiência na inferência e segurança: oferece uma inferência completamente verificada, com um custo inferior a 1%, enquanto garante alta segurança em grandes modelos de inteligência (600B+ parâmetros) e suas versões ajustadas.
  • Desempenho de treino excecional: o desempenho de treino é 10 vezes superior ao dos métodos existentes, aumentando a eficiência do treino dos modelos de IA.
  • Alta taxa de utilização dos mineradores: Através da otimização em um único modelo, a taxa de utilização dos mineradores foi melhorada, aumentando a eficiência dos processos de inferência e verificação.
  • Consenso de prova de trabalho não bloqueante: utiliza um mecanismo de prova de trabalho não bloqueante, garantindo a competição econômica nas atividades principais da rede (inferência, ajuste fino, treinamento), mantendo ao mesmo tempo uma alta TPS e evitando os gargalos de desempenho das blockchains tradicionais.

Contexto e desenvolvimento da equipe Ambient

Além do histórico do fundador, a Ambient não divulgou informações sobre os outros membros. Travis Good, CEO e fundador da Ambient, tem uma formação acadêmica diversificada que abrange quatro áreas: governo, economia, ciência da computação e aprendizado de máquina. O estilo de liderança de Travis se concentra na execução e no pragmatismo, e ele impulsiona a inovação tecnológica com uma abordagem prática e foco em soluções acionáveis. Além disso, Travis é muito ativo no Twitter, muitas vezes compartilhando seus insights exclusivos sobre tecnologia, inovação e tendências do setor.

No dia 1 de abril, a Ambient completou uma rodada de financiamento seed de 7,2 milhões de dólares, liderada pela a16z CSX, Delphi Digital e Amber Group. Big Brain Holdings, Superscrypt, Proof Group, Rubik Ventures, Aethir Foundation e Edessa Capital também participaram. A Ambient planeja lançar a testnet no segundo / terceiro trimestre.

Interpretação do Ambient: mantendo características de alta velocidade e eficiência, introduzindo o consenso PoL na cadeia bifurcada Solana

Logits prova de mecanismo de consenso

O algoritmo de "prova de logits" utiliza um fato chave: os logits (que podem ser entendidos como unidades lógicas) são tanto impressões digitais únicas quanto capazes de capturar efetivamente o estado de "pensamento" do modelo em um dado momento (ou seja, quando o modelo gera saídas em "fluxo"). Nesse mecanismo, o hash da prova de logits é uma lista de hashes de cada grupo de logits antes de cada token de saída. Em outras palavras, para cada token n, até o token final t, o hash da prova de logits é:

Hash(Hash(n) … Hash(t))

E o valor hash da marca de progresso de logits é o hash de logits após a geração de x tokens, onde x está entre n e t (incluindo n e t), ou seja:

Hash(n) … Hash(x) … Hash(t)

Com base neste princípio, pode-se construir um mecanismo de verificação: primeiro, o minerador gera um texto; em seguida, o verificador escolhe aleatoriamente uma palavra no texto e solicita ao minerador que forneça o "estado mental" nesse ponto (ou seja, a prova de hash correspondente ao progresso dos logits). Depois, o verificador realiza uma inferência sobre essa palavra no mesmo modelo e contexto, gerando seu próprio "estado mental". Se os "estados mentais" de ambos (representados pelo valor hash) forem idênticos, a verificação é bem-sucedida.

Este mecanismo de prova de trabalho está em linha com os princípios de design do Bitcoin: a mineração (nesta caso, através da execução repetida do modelo com 4000 tokens) é cara, mas o processo de validação é muito barato (apenas 1 token de inferência). Este mecanismo não só aumenta a eficiência, mas também garante a segurança e fiabilidade da validação.

Ver original
O conteúdo serve apenas de referência e não constitui uma solicitação ou oferta. Não é prestado qualquer aconselhamento em matéria de investimento, fiscal ou jurídica. Consulte a Declaração de exoneração de responsabilidade para obter mais informações sobre os riscos.
  • Recompensa
  • Comentar
  • Partilhar
Comentar
0/400
Nenhum comentário
  • Pino
Negocie cripto em qualquer lugar e a qualquer hora
qrCode
Digitalizar para transferir a aplicação Gate.io
Novidades
Português (Portugal)
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • ไทย
  • Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)