Gonka อัปเดตกลไกการพิสูจน์แนวคิด (PoC) เพื่อให้สอดคล้องกับพลังการคำนวณจริง และสนับสนุนการเข้าร่วมของ GPU หลายระดับ

เมื่อวันที่ 19 มกราคม PANews รายงานข่าวว่า ไม่นานมานี้ โครงการเครือข่ายการประมวลผล AI แบบกระจายศูนย์ Gonka ได้ให้คำอธิบายเกี่ยวกับการปรับปรุงขั้นตอนการทำงานของกลไก PoC (Proof of Contribution) และวิธีการดำเนินการของโมเดลในชุมชน AMA ที่เกี่ยวข้อง การปรับปรุงดังกล่าวรวมถึง: 1. การใช้โมเดลขนาดใหญ่เดียวกันสำหรับการดำเนินการ PoC และการอนุมาน (Inference) 2. การเปลี่ยนวิธีการเปิดใช้งาน PoC จากการเปิดใช้งานแบบมีการล่าช้าเป็นการเปิดใช้งานแบบเรียลไทม์ใกล้เคียง 3. การปรับปรุงวิธีการคำนวณน้ำหนักการประมวลผล (Compute Weight) เพื่อให้สอดคล้องกับต้นทุนการคำนวณจริงของโมเดลและฮาร์ดแวร์ที่แตกต่างกันมากขึ้น David ผู้ร่วมก่อตั้งกล่าวว่า การปรับปรุงดังกล่าวไม่ได้เน้นไปที่ผลผลิตระยะสั้นหรือผู้เข้าร่วมรายบุคคล แต่เป็นการพัฒนาโครงสร้างการยืนยันและตรวจสอบที่จำเป็นเมื่อขนาดการประมวลผลของเครือข่ายขยายตัวอย่างรวดเร็ว โดยมีเป้าหมายเพื่อเพิ่มความเสถียรและความปลอดภัยของเครือข่ายในสถานการณ์ที่มีภาระงานสูง และเป็นพื้นฐานสำหรับการรองรับภาระงาน AI ที่มีขนาดใหญ่ขึ้นในอนาคต สำหรับปัญหาที่ชุมชนได้กล่าวถึงเกี่ยวกับการผลิตโทเคนที่สูงขึ้นของโมเดลขนาดเล็กในช่วงนี้ ทีมงานชี้ว่า โมเดลที่มีขนาดต่างกันนั้น ต้องใช้ทรัพยากรการประมวลผลจริงที่แตกต่างกันอย่างมีนัยสำคัญเมื่อจำนวนโทเคนเท่ากัน ด้วยเหตุนี้ เมื่อเครือข่ายพัฒนาไปสู่ความหนาแน่นในการประมวลผลที่สูงขึ้นและงานที่ซับซ้อนมากขึ้น Gonka กำลังปรับให้น้ำหนักการประมวลผลสอดคล้องกับต้นทุนการคำนวณจริง เพื่อหลีกเลี่ยงการไม่สมดุลของโครงสร้างการประมวลผลในระยะยาว ซึ่งอาจส่งผลกระทบต่อความสามารถในการขยายตัวของเครือข่ายโดยรวม ภายใต้กลไก PoC ล่าสุด เครือข่ายสามารถลดเวลาการเปิดใช้งาน PoC ให้อยู่ในช่วงเวลาไม่เกิน 5 วินาที ลดการสูญเสียทรัพยากรการประมวลผลที่เกิดจากการเปลี่ยนแปลงโมเดลและการรอคอย ทำให้ทรัพยากร GPU สามารถใช้สำหรับการคำนวณ AI ที่มีประสิทธิภาพมากขึ้น นอกจากนี้ การใช้โมเดลเดียวกันในการดำเนินการยังช่วยลดค่าใช้จ่ายด้านระบบเมื่อโหนดเปลี่ยนระหว่างการยืนยันและอนุมาน ทำให้ประสิทธิภาพการใช้ทรัพยากรการประมวลผลโดยรวมสูงขึ้น ทีมงานยังเน้นย้ำว่า ผู้ใช้ GPU ขนาดเดียวหรือขนาดเล็กสามารถเข้าร่วมและได้รับผลตอบแทนต่อเนื่องผ่านการร่วมมือกับสระขุด (Mining Pool) การเข้าร่วมแบบยืดหยุ่นตาม Epoch และการรับภารกิตอนุมาน (Inference Task) รวมถึงการมีส่วนร่วมในการบริหารจัดการเครือข่ายอีกด้วย