12 Haziran 2023'te, blok zinciri tabanlı bir AGI bilgi işlem güç piyasası protokolü olan Gensyn, a16z liderliğinde Eden Block, CoinFund, Galaxy ve Protocol Labs'ın katılımıyla 43 milyon dolarlık bir A Serisi finansman turunun tamamlandığını duyurdu.
Gensyn nasıl bir proje? Neden en iyi VC'den büyük yatırım alabilirsiniz? Golden Finance sizi tek bir makalede anlamanıza götürecek.
a16z: Neden Gensyn'in 43 Milyon Dolarlık A Serisi Finansmanına Liderlik Ediyor?
a16z, Gensyn'in 43 milyon $'lık A Serisi finansmanına neden öncülük ettiğini açıklayan bir makale yayınladı. a16z, yapay zekadaki son ilerlemenin inanılmaz olduğunu ve dünyayı kurtarma gücüne sahip olduğunu söyledi (bkz. Jinse Finance'in önceki raporu "a16z kurucusunun uzun makalesi: Neden AI dünyayı kurtaracak"). Ancak yapay zeka sistemleri oluşturmak, bugün mevcut olan en büyük, en güçlü modelleri eğitmek ve akıl yürütmek için çok daha fazla bilgi işlem gücü kullanmayı gerektirir. Bu, büyük teknoloji şirketlerinin, bilgi işlem gücüne ayrıcalıklı erişim ve büyük veri merkezlerinin ölçek ekonomileri sayesinde yapay zekadan değer elde etme yarışında yeni başlayanlara göre bir avantaja sahip olduğu anlamına gelir. Eşit şartlarda rekabet edebilmek için yeni başlayanların kendi muazzam bilgi işlem güçlerini uygun maliyetle kullanabilmeleri gerekir.
Blok zincirleri, geliştiricilerin kodun gelecekte nasıl davranacağına dair kesin sözler veren kod yazabilmeleri açısından yeni bir bilgisayar türü olarak benzersizdir. Blok zincirinin bu izinsiz bileşeni, alıcılar ve bilgi işlem gücü satıcıları veya veri veya algoritmalar gibi başka herhangi bir dijital kaynak türü için aracılar olmadan küresel ticaret yapmak için bir pazar yeri oluşturabilir.
**Blockchain tabanlı bir AGI bilgi işlem pazarı protokolü olan Gensyn, geliştiricileri (makine öğrenimi modellerini eğitebilen herkes) çözümleyicilerle (makine öğrenimi modellerini eğitmek için kendi makinelerini kullanmak isteyen Çözücü) ayağa kaldırır. Gensyn, küçük veri merkezleri, oyun PC'leri, M1 ve M2 Mac'ler ve hatta akıllı telefonlar gibi dünya çapında kullanılmayan makine öğrenimi özellikli bilgi işlem cihazlarının uzun kuyruğundan yararlanarak makine öğrenimi için mevcut bilgi işlem gücünü 10-100 kat artırabilir. **
AGI'nin (Genel Yapay Zeka) Karşılaştığı Sorunlar: Yüksek Derecede Merkezi
Yaklaşık yarım yıllık bir geliştirme sürecinden sonra, pazar genel olarak AGI'nin geleceğin olduğunu kabul ediyor. Ancak AGI endüstrisi şu anda oldukça tekelleşmiş görünüyor**, ülkeler arasında Çin ile ABD arasında bir ticaret ve yetenek savaşı var ve şirketler arasında büyük teknoloji şirketlerinin (Microsoft, Google, Meta) oyunu var. **Çünkü AGI'nin üç temel kaynağı (bilgi işlem gücü, bilgi ve veri) şu anda oldukça merkezileştirilmiştir. **
Bilgi işlem gücü: Giderek daha büyük ve karmaşık hale gelen modeller, eğitim için yüksek düzeyde bilgi işlem işlemcileri gerektirir. Ülkeler arasında: Çin ve Amerika Birleşik Devletleri arasındaki çip savaşı, Amerika Birleşik Devletleri aktif olarak Çin'in yüksek güçlü çipler edinmesini engelliyor. Şirketler arasında: Yetersiz üretim kapasitesi, Nvidia'nın en yeni AI yongalarının tümü bazı büyük müşteriler tarafından satın alınıyor ve diğer şirketler bunları satın alamıyor. Teknoloji yığınında: Bazı şirketler, derin öğrenme için Google'ın TPU kümeleri gibi kendi özel donanımlarını bile oluşturur. Bunlar, derin öğrenme için standart GPU'lardan daha iyi performans gösterir ve satılık değil, yalnızca kiralıktır.
Bilgi: Kamuya açık birçok buluş, araştırmacılar tarafından geliştirilen yeni büyük ölçekli model mimarilerden kaynaklanmaktadır, ancak bunun altında yatan fikri mülkiyet ve yetenek konusunda bir savaş vardır. Örneğin, Amerika Birleşik Devletleri, Çin'in AI yeteneklerinin %50'sinden fazlasını çekiyor ve bu yetenekleri büyük ölçekli modeller geliştirmek için kullanan büyük şirketler, bu teknolojinin erişilebilirliğini giderek daha fazla azaltıyor; OpenAI'nin GPT-3.5 veya 4'ü sözde halka açıktır, ancak bir API'nin arkasında yer alır ve kaynak koduna yalnızca Microsoft erişebilir.
Veri: AGI derin öğrenme modelleri, hem etiketlenmiş hem de etiketlenmemiş büyük miktarda veri gerektirir ve genellikle daha fazla veriyle gelişir. GPT-3, 300 milyar kelimeyle eğitildi. Etiketlenmiş veriler özellikle önemlidir ve AGI'yi eğitmek için gereken veri setleri bazı büyük şirketlerin elinde toplanmıştır. Örneğin, biraz iyi bilgi: reCaptcha'yı çözen bir web sitesini her ziyaret ettiğinizde, Google Haritalar'ı iyileştirmek için eğitim verilerini etiketlersiniz.
Merkezi olmayan AGI bilgi işlemindeki zorluklar
Merkezi olmayan bilgi işlem, yapay zekayı araştırmak ve geliştirmek için daha ucuz ve daha özgür bir temel oluşturabilir. Fakat merkezi olmayan AGI'de bir iş doğrulama sorunu var, 3. tarafın talep ettiğiniz hesaplamayı tamamladığını nasıl anlarsınız?
İş kanıtı bulmacasının iki faktörü vardır: durum bağımlılığı ve yüksek hesaplama maliyeti.
Durum Bağımlılığı: Bir sinir ağındaki her katman, kendisinden önceki katmandaki tüm düğümlere bağlıdır. Bu, önceki katmanın durumuna ihtiyaç duyduğu anlamına gelir. Daha da kötüsü, her katmanın tüm ağırlıkları bir önceki zaman adımına göre belirlenir. Dolayısıyla, birisinin bir modeli eğittiğini doğrulamak istiyorsanız -- örneğin ağda rastgele bir nokta seçerek ve aynı durumu elde edip etmediğinize bakarak -- o noktaya kadar modeli eğitmeye devam etmeniz gerekir ki bu hesaplama açısından pahalıdır.
Yüksek Hesaplama Giderleri: 2020'de GPT-3'ün tek bir eğitim seansının maliyeti yaklaşık 12 milyon ABD dolarıdır ve bu, 2019'da GPT-2 eğitimi için yaklaşık 43.000 ABD doları olan tahmini değerin 270 katından fazladır. Genel olarak, en iyi sinir ağlarının model karmaşıklığı (boyutu) şu anda her üç ayda bir ikiye katlanıyor. Sinir ağı daha ucuzsa ve/veya eğitim bir model geliştirme sürecini daha az temsil ediyorsa, muhtemelen durum bağımlılıklarından kaynaklanan doğrulama ek yükü kabul edilebilir.
Derin öğrenme eğitimini ucuz hale getirmek ve kontrolü merkeziyetsiz hale getirmek istiyorsanız, genel gider açısından ucuz ve hesaplamaya katkıda bulunanları ödüllendirirken aynı zamanda durumla ilgili doğrulamayı güven olmadan yöneten bir sisteme ihtiyacınız var.
Gensyn, AGI Bilişimini Nasıl Merkezi Olmayan Haline Getiriyor?
Gensyn protokolü, dünyadaki tüm bilgi işlemi, herkesin kolayca erişebileceği küresel bir makine öğrenimi üst kümesinde birleştirir. İki şeyi birleştirerek sinir ağlarının çok büyük ölçekte ve düşük maliyetle güvenilir şekilde eğitilmesine olanak tanır:
1. Yenilikçi doğrulama sistemi
Keyfi ölçekte sinir ağı eğitiminde duruma bağımlılık problemini verimli bir şekilde çözen bir doğrulama sistemi. Sistem, model eğitim kontrol noktalarını zincir üzerinde sonlanan olasılıklı kontrollerle birleştirir. Tüm bunları, model boyutuyla doğrusal olarak ölçeklenen (doğrulama maliyetlerini sabit tutarak) bir ek yük ile güvenilir bir şekilde yapar.
Gensyn Litepaper'a göre, Gensyn doğrulama problemini temel olarak üç kavram aracılığıyla çözer: olasılıklı öğrenme kanıtı (gerçekleştirilen çalışmanın bir sertifikasını oluşturmak ve belirli aşamaların kopyalanması yoluyla bunu hızlı bir şekilde doğrulamak için gradyan tabanlı optimizasyon sürecindeki meta verileri kullanmak) ), Grafik tabanlı nokta belirleme protokolü (doğrulama çalışmasının yeniden çalıştırılmasına ve tutarlılık açısından karşılaştırılmasına ve nihai olarak zincirin kendisi tarafından onaylanmasına izin vermek için çok taneli, grafik tabanlı nokta belirleme protokolü ve çapraz değerlendirici konsensüs yürütmesini kullanır), Truebit stili teşvikli oyunlar (finansal açıdan mantıklı olan her oyuncunun dürüstçe hareket etmesini ve amaçlanan görevlerini yerine getirmesini sağlayan bir teşvik oyunu oluşturmak için paylaştırma ve eğik çizgi kullanma)
**Sistem esas olarak dört ana katılımcıdan oluşur: gönderenler, çözenler, doğrulayanlar ve muhbirler. **Submitter: Görevin hesaplanmasını sağlayan ve tamamlanan iş birimi için ödeme yapan sistemin son kullanıcısı; çözücü: sistemin ana çalışan kısmı, model eğitimi gerçekleştirir ve doğrulayıcı tarafından doğrulama için kanıtlar üretir; doğrulayıcı : deterministik olmayan Eğitim süreci, deterministik bir lineer hesaplama ile bağlantılıdır, çözenin ispatının bir kısmını kopyalar ve mesafeyi beklenen bir eşikle karşılaştırır; muhbir: son savunma hattı, doğrulayıcının çalışmasını kontrol eder ve bir ikramiye.
2. Yeni tedarik
Yeterince kullanılmayan ve yeterince kullanılmayan/yeterince optimize edilmemiş bilgi işlem cihazı kaynaklarından yararlanın. Bu cihazlar, şu anda kullanılmayan oyun GPU'larından Ethereum öncesi PoW döneminden GPU madencilerine kadar çeşitlilik gösterir. Ve protokolün ademi merkeziyetçi olması, nihayetinde bir topluluk çoğunluğu tarafından yönetileceği ve topluluğun izni olmadan "kapatılamayacağı" anlamına gelir; web2 muadilinin aksine, bu onu sansüre karşı dayanıklı kılar.
Ölçeklendirme + düşük maliyet: Gensyn protokolü, AWS'nin ötesine ölçeklenebilen, veri merkezine ait GPU'lara benzer bir maliyet sunar
View Original
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
a16z, Gensyn'i anlamak için bir AGI bilgi işlem güç piyasası olan Gensyn'e 43 milyon dolarlık yatırıma öncülük ediyor
12 Haziran 2023'te, blok zinciri tabanlı bir AGI bilgi işlem güç piyasası protokolü olan Gensyn, a16z liderliğinde Eden Block, CoinFund, Galaxy ve Protocol Labs'ın katılımıyla 43 milyon dolarlık bir A Serisi finansman turunun tamamlandığını duyurdu.
Gensyn nasıl bir proje? Neden en iyi VC'den büyük yatırım alabilirsiniz? Golden Finance sizi tek bir makalede anlamanıza götürecek.
a16z: Neden Gensyn'in 43 Milyon Dolarlık A Serisi Finansmanına Liderlik Ediyor?
a16z, Gensyn'in 43 milyon $'lık A Serisi finansmanına neden öncülük ettiğini açıklayan bir makale yayınladı. a16z, yapay zekadaki son ilerlemenin inanılmaz olduğunu ve dünyayı kurtarma gücüne sahip olduğunu söyledi (bkz. Jinse Finance'in önceki raporu "a16z kurucusunun uzun makalesi: Neden AI dünyayı kurtaracak"). Ancak yapay zeka sistemleri oluşturmak, bugün mevcut olan en büyük, en güçlü modelleri eğitmek ve akıl yürütmek için çok daha fazla bilgi işlem gücü kullanmayı gerektirir. Bu, büyük teknoloji şirketlerinin, bilgi işlem gücüne ayrıcalıklı erişim ve büyük veri merkezlerinin ölçek ekonomileri sayesinde yapay zekadan değer elde etme yarışında yeni başlayanlara göre bir avantaja sahip olduğu anlamına gelir. Eşit şartlarda rekabet edebilmek için yeni başlayanların kendi muazzam bilgi işlem güçlerini uygun maliyetle kullanabilmeleri gerekir.
Blok zincirleri, geliştiricilerin kodun gelecekte nasıl davranacağına dair kesin sözler veren kod yazabilmeleri açısından yeni bir bilgisayar türü olarak benzersizdir. Blok zincirinin bu izinsiz bileşeni, alıcılar ve bilgi işlem gücü satıcıları veya veri veya algoritmalar gibi başka herhangi bir dijital kaynak türü için aracılar olmadan küresel ticaret yapmak için bir pazar yeri oluşturabilir.
**Blockchain tabanlı bir AGI bilgi işlem pazarı protokolü olan Gensyn, geliştiricileri (makine öğrenimi modellerini eğitebilen herkes) çözümleyicilerle (makine öğrenimi modellerini eğitmek için kendi makinelerini kullanmak isteyen Çözücü) ayağa kaldırır. Gensyn, küçük veri merkezleri, oyun PC'leri, M1 ve M2 Mac'ler ve hatta akıllı telefonlar gibi dünya çapında kullanılmayan makine öğrenimi özellikli bilgi işlem cihazlarının uzun kuyruğundan yararlanarak makine öğrenimi için mevcut bilgi işlem gücünü 10-100 kat artırabilir. **
AGI'nin (Genel Yapay Zeka) Karşılaştığı Sorunlar: Yüksek Derecede Merkezi
Yaklaşık yarım yıllık bir geliştirme sürecinden sonra, pazar genel olarak AGI'nin geleceğin olduğunu kabul ediyor. Ancak AGI endüstrisi şu anda oldukça tekelleşmiş görünüyor**, ülkeler arasında Çin ile ABD arasında bir ticaret ve yetenek savaşı var ve şirketler arasında büyük teknoloji şirketlerinin (Microsoft, Google, Meta) oyunu var. **Çünkü AGI'nin üç temel kaynağı (bilgi işlem gücü, bilgi ve veri) şu anda oldukça merkezileştirilmiştir. **
Bilgi işlem gücü: Giderek daha büyük ve karmaşık hale gelen modeller, eğitim için yüksek düzeyde bilgi işlem işlemcileri gerektirir. Ülkeler arasında: Çin ve Amerika Birleşik Devletleri arasındaki çip savaşı, Amerika Birleşik Devletleri aktif olarak Çin'in yüksek güçlü çipler edinmesini engelliyor. Şirketler arasında: Yetersiz üretim kapasitesi, Nvidia'nın en yeni AI yongalarının tümü bazı büyük müşteriler tarafından satın alınıyor ve diğer şirketler bunları satın alamıyor. Teknoloji yığınında: Bazı şirketler, derin öğrenme için Google'ın TPU kümeleri gibi kendi özel donanımlarını bile oluşturur. Bunlar, derin öğrenme için standart GPU'lardan daha iyi performans gösterir ve satılık değil, yalnızca kiralıktır.
Bilgi: Kamuya açık birçok buluş, araştırmacılar tarafından geliştirilen yeni büyük ölçekli model mimarilerden kaynaklanmaktadır, ancak bunun altında yatan fikri mülkiyet ve yetenek konusunda bir savaş vardır. Örneğin, Amerika Birleşik Devletleri, Çin'in AI yeteneklerinin %50'sinden fazlasını çekiyor ve bu yetenekleri büyük ölçekli modeller geliştirmek için kullanan büyük şirketler, bu teknolojinin erişilebilirliğini giderek daha fazla azaltıyor; OpenAI'nin GPT-3.5 veya 4'ü sözde halka açıktır, ancak bir API'nin arkasında yer alır ve kaynak koduna yalnızca Microsoft erişebilir.
Veri: AGI derin öğrenme modelleri, hem etiketlenmiş hem de etiketlenmemiş büyük miktarda veri gerektirir ve genellikle daha fazla veriyle gelişir. GPT-3, 300 milyar kelimeyle eğitildi. Etiketlenmiş veriler özellikle önemlidir ve AGI'yi eğitmek için gereken veri setleri bazı büyük şirketlerin elinde toplanmıştır. Örneğin, biraz iyi bilgi: reCaptcha'yı çözen bir web sitesini her ziyaret ettiğinizde, Google Haritalar'ı iyileştirmek için eğitim verilerini etiketlersiniz.
Merkezi olmayan AGI bilgi işlemindeki zorluklar
Merkezi olmayan bilgi işlem, yapay zekayı araştırmak ve geliştirmek için daha ucuz ve daha özgür bir temel oluşturabilir. Fakat merkezi olmayan AGI'de bir iş doğrulama sorunu var, 3. tarafın talep ettiğiniz hesaplamayı tamamladığını nasıl anlarsınız?
İş kanıtı bulmacasının iki faktörü vardır: durum bağımlılığı ve yüksek hesaplama maliyeti.
Durum Bağımlılığı: Bir sinir ağındaki her katman, kendisinden önceki katmandaki tüm düğümlere bağlıdır. Bu, önceki katmanın durumuna ihtiyaç duyduğu anlamına gelir. Daha da kötüsü, her katmanın tüm ağırlıkları bir önceki zaman adımına göre belirlenir. Dolayısıyla, birisinin bir modeli eğittiğini doğrulamak istiyorsanız -- örneğin ağda rastgele bir nokta seçerek ve aynı durumu elde edip etmediğinize bakarak -- o noktaya kadar modeli eğitmeye devam etmeniz gerekir ki bu hesaplama açısından pahalıdır.
Yüksek Hesaplama Giderleri: 2020'de GPT-3'ün tek bir eğitim seansının maliyeti yaklaşık 12 milyon ABD dolarıdır ve bu, 2019'da GPT-2 eğitimi için yaklaşık 43.000 ABD doları olan tahmini değerin 270 katından fazladır. Genel olarak, en iyi sinir ağlarının model karmaşıklığı (boyutu) şu anda her üç ayda bir ikiye katlanıyor. Sinir ağı daha ucuzsa ve/veya eğitim bir model geliştirme sürecini daha az temsil ediyorsa, muhtemelen durum bağımlılıklarından kaynaklanan doğrulama ek yükü kabul edilebilir.
Derin öğrenme eğitimini ucuz hale getirmek ve kontrolü merkeziyetsiz hale getirmek istiyorsanız, genel gider açısından ucuz ve hesaplamaya katkıda bulunanları ödüllendirirken aynı zamanda durumla ilgili doğrulamayı güven olmadan yöneten bir sisteme ihtiyacınız var.
Gensyn, AGI Bilişimini Nasıl Merkezi Olmayan Haline Getiriyor?
Gensyn protokolü, dünyadaki tüm bilgi işlemi, herkesin kolayca erişebileceği küresel bir makine öğrenimi üst kümesinde birleştirir. İki şeyi birleştirerek sinir ağlarının çok büyük ölçekte ve düşük maliyetle güvenilir şekilde eğitilmesine olanak tanır:
1. Yenilikçi doğrulama sistemi
Keyfi ölçekte sinir ağı eğitiminde duruma bağımlılık problemini verimli bir şekilde çözen bir doğrulama sistemi. Sistem, model eğitim kontrol noktalarını zincir üzerinde sonlanan olasılıklı kontrollerle birleştirir. Tüm bunları, model boyutuyla doğrusal olarak ölçeklenen (doğrulama maliyetlerini sabit tutarak) bir ek yük ile güvenilir bir şekilde yapar.
Gensyn Litepaper'a göre, Gensyn doğrulama problemini temel olarak üç kavram aracılığıyla çözer: olasılıklı öğrenme kanıtı (gerçekleştirilen çalışmanın bir sertifikasını oluşturmak ve belirli aşamaların kopyalanması yoluyla bunu hızlı bir şekilde doğrulamak için gradyan tabanlı optimizasyon sürecindeki meta verileri kullanmak) ), Grafik tabanlı nokta belirleme protokolü (doğrulama çalışmasının yeniden çalıştırılmasına ve tutarlılık açısından karşılaştırılmasına ve nihai olarak zincirin kendisi tarafından onaylanmasına izin vermek için çok taneli, grafik tabanlı nokta belirleme protokolü ve çapraz değerlendirici konsensüs yürütmesini kullanır), Truebit stili teşvikli oyunlar (finansal açıdan mantıklı olan her oyuncunun dürüstçe hareket etmesini ve amaçlanan görevlerini yerine getirmesini sağlayan bir teşvik oyunu oluşturmak için paylaştırma ve eğik çizgi kullanma)
**Sistem esas olarak dört ana katılımcıdan oluşur: gönderenler, çözenler, doğrulayanlar ve muhbirler. **Submitter: Görevin hesaplanmasını sağlayan ve tamamlanan iş birimi için ödeme yapan sistemin son kullanıcısı; çözücü: sistemin ana çalışan kısmı, model eğitimi gerçekleştirir ve doğrulayıcı tarafından doğrulama için kanıtlar üretir; doğrulayıcı : deterministik olmayan Eğitim süreci, deterministik bir lineer hesaplama ile bağlantılıdır, çözenin ispatının bir kısmını kopyalar ve mesafeyi beklenen bir eşikle karşılaştırır; muhbir: son savunma hattı, doğrulayıcının çalışmasını kontrol eder ve bir ikramiye.
2. Yeni tedarik
Yeterince kullanılmayan ve yeterince kullanılmayan/yeterince optimize edilmemiş bilgi işlem cihazı kaynaklarından yararlanın. Bu cihazlar, şu anda kullanılmayan oyun GPU'larından Ethereum öncesi PoW döneminden GPU madencilerine kadar çeşitlilik gösterir. Ve protokolün ademi merkeziyetçi olması, nihayetinde bir topluluk çoğunluğu tarafından yönetileceği ve topluluğun izni olmadan "kapatılamayacağı" anlamına gelir; web2 muadilinin aksine, bu onu sansüre karşı dayanıklı kılar.
Ölçeklendirme + düşük maliyet: Gensyn protokolü, AWS'nin ötesine ölçeklenebilen, veri merkezine ait GPU'lara benzer bir maliyet sunar