میں ڈی سینٹرلائزڈ AI کے بارے میں جو کچھ دلچسپ پاتا ہوں، وہ یہ ہے: GPU کو تقسیم کرنے کے بارے میں بات کرنا آسان ہے۔ مشکل سوال یہ ہے: آپ کیسے جانتے ہیں کہ ان GPU نے واقعی کام کیا؟ یہیں 𝗕𝗧𝗧𝗶𝗻𝗳𝗲𝗿𝗚𝗿𝗶𝗱 کا 𝗖𝗵𝗮𝗹𝗹𝗲𝗻𝗴𝗲-𝗕𝗮𝘀𝗲𝗱 𝗩𝗲𝗿𝗶𝗳𝗶𝗰𝗮𝘁𝗶𝗼𝗻 𝗟𝗮𝘆𝗲ر اہم کردار ادا کرتا ہے۔ اس نظام میں صرف یہ فرض نہیں کیا جاتا کہ ہر مائنر درست طریقے سے کام کر رہا ہے، بلکہ ویلیدیٹرز کام کے دوران تصادفی چیلنج ٹاسک شامل کرتے ہیں۔ یہ نظام تین اہم مکینزم پر مبنی ہے: 1. احتمالی آڈٹ مکینزم ویلیدیٹرز کام میں تصادفی چیلنج ٹاسک شامل کرتے ہیں تاکہ درج ذیل مسائل کا پتہ لگایا جا سکے: آلوچھو کام انفرنس کو چھوڑنا جھوٹے جوابات ری پلے حملے 2. ٹاسک کا غیر قابل تمیز ہونا چیلنج ٹاسک حقیقی سوالوں سے بالکل ناقابل تمیز ہونے چاہئیں۔ اس سے مائنرز کے لیے پتہ لگانا مشکل ہو جاتا ہے کہ وہ کب آڈٹ کے زیرِ اختبار ہیں۔ اگر آپ آڈٹ کو قابلِ پہچان نہیں بناسکتے، تو درست طریقے سے کام کرنا ہی محفوظ ترین حکمت عملی بن جاتی ہے۔ 3. آؤٹ پٹ کا جائزہ لینا ویلیدیٹرز نجی زمینی سچائی یا قابلِ تصدیق ہیرسٹکس رکھتے ہیں، اور پھر مائنرز کے آؤٹ پٹس کو توقع شدہ احتمالات یا معنائی خصوصیات کے ساتھ موازنہ کرتے ہیں۔ اس طرح بنیادی عمل یہ ہے: تصادفی چیلنج → مائنر جواب دेतا ہے → ویلیدیٹر جائزہ لیتا ہے → کام کو تصدیق کیا جا سکتا ہے۔ اور کیونکہ یہ نظام ہر کام کو الگ الگ چیک نہیں کرتا، بلکہ احتمالات پر مبنی آڈٹ استعمال کرتا ہے، اس لئے تصدیق کا اوور ہیڈ مجموعی کام کے مقابلے میں غیر خطی رہنا چاہئے۔ �ہ ایک اہم فرق ہے۔ AI کو ڈی سینٹرلائزڈ بنانا صرف GPU کو مختلف جگہوں پر رکھنا نہیں۔ آپ کو اس بات کا بھی انتظام کرنا ہوگا کہ نیٹ ورک واقعی اس حساب سے حاصل کر رہا ہے جس کا ادا کرنا اس نے ضرورت مند تھا۔ BTTInferGrid کا Challenge-Based Verification Layer بالکل اس مسئلے کو حل کرنے کے لئے تخلص کردہ ہے۔ مزید معلومات: https://t.co/hijdAPy3eK #TRONEcoStar @justinsuntron #TRON #BTTInferGrid @BitTorrent