Berikut adalah sesuatu yang saya anggap menarik tentang AI terdesentralisasi: Mudah untuk berbicara tentang mendistribusikan GPU. Pertanyaan yang lebih sukar adalah: bagaimana anda tahu bahawa GPU tersebut benar-benar melakukan kerja tersebut? Di sinilah lapisan Pengesahan Berasaskan Cabaran 𝗕𝗧𝗧𝗶𝗻𝗳𝗲𝗿𝗚𝗿𝗶𝗱 datang. Alih-alih hanya mengandaikan setiap Penambang melakukan perkara yang betul, Validator boleh memasukkan tugas cabaran rawak ke dalam beban kerja. Sistem ini direka berdasarkan tiga mekanisme utama: 1. Mekanisme Pemeriksaan Probabilistik Validator memasukkan tugas cabaran rawak ke dalam beban kerja untuk mengesan: Pengiraan malas Melewatkan inferens Respons palsu Serangan ulangan 2. Ketidakbezakan Tugas Tugas cabaran perlu tidak dapat dibezakan daripada soalan sebenar. Ini membuatkan sukar bagi Penambang untuk meramalkan bila mereka sedang diperiksa. Jika anda tidak boleh mengenal pasti pemeriksaan dengan boleh dipercayai, melakukan pengiraan dengan betul secara konsisten menjadi strategi yang lebih selamat. 3. Penilaian Output Validator menyimpan kebenaran asli sulit atau heuristik yang boleh disahkan, kemudian menilai output Penambang berdasarkan sifat statistik atau semantik yang diharapkan. Jadi, aliran asasnya ialah: Cabaran rawak → Penambang menjawab → Validator menilai → Pengiraan boleh disahkan. Dan kerana sistem ini menggunakan pemeriksaan probabilistik bukannya memeriksa setiap beban kerja secara berasingan, matlamatnya ialah agar beban pengesahan tetap sub-linear berbanding jumlah beban kerja keseluruhan. Ini adalah perbezaan penting. Mendesentralisasikan AI bukan sahaja tentang meletakkan GPU di tempat yang berbeza. Anda juga memerlukan mekanisme untuk memeriksa sama ada rangkaian tersebut benar-benar mendapat pengiraan yang dibayar. Lapisan Pengesahan Berasaskan Cabaran BTTInferGrid direka untuk menangani masalah tepat ini. Info lanjut: https://t.co/hijdAPy3eK #TRONEcoStar @justinsuntron #TRON #BTTInferGrid @BitTorrent