#OpenLedger هو "الإصدار الذكاء الاصطناعي من Ethereum + GitHub" ، مما يجعل الذكاء الاصطناعي مفتوح المصدر وموثوق به ويمكن تتبعه ، ويمكن للجميع المشاركة والاستفادة. في الآونة الأخيرة ، بعد قراءة الورقة البيضاء "إثبات الإسناد" الخاصة ب @OpenledgerHQ ، أشعر أكثر فأكثر أنه في النصف الثاني من تطوير #الذكاء الاصطناعي ، ستكون مسألة تأكيد الحقوق في العملية الكاملة للمساهمة #الذكاء الاصطناعي أكبر نقطة ألم في الذكاء الاصطناعي التقليدية. يجمع #OpenLedger بين برنامج #الذكاء الاصطناعي + #Blockchain الشهير الحالي لحل نقاط الألم المذكورة أعلاه بشكل فعال ، ووفقا لتقرير أبحاث @MessariCrypto ، سيصل مسار #الذكاء الاصطناعي إلى قيمة سوقية تزيد عن 2 تريليون دولار بحلول عام 2030 ، والتي تكون الإمكانات بديهية ، سنقوم اليوم بتحليل #الذكاء الاصطناعي New Black Horse #OpenLedger وفرص المشاركة المجانية المبكرة 3.

في الوقت الحاضر ، يتم التحكم في #الذكاء الاصطناعي بشكل أساسي من قبل الشركات الكبيرة (OpenAI و Google و Meta) ، وكيف يتم تدريب النموذج ، واستخدام بياناته ، وكيفية توزيع الإيرادات - إنها عملية صندوق أسود بالكامل. لا يمكن للناس العاديين المشاركة أو الاستفادة. يستخدم #OpenLedger إثبات الإسناد لتمكين المحتوى الذي تم إنشاؤه بواسطة #الذكاء الاصطناعي (مثل الصور والمقالات والموسيقى) ليتم تتبعه إلى المصدر ، ولضمان التعرف على جميع مزودي البيانات الذين يساهمون في بناء نماذج الذكاء الاصطناعي الاحترافية أو تحفيزهم. •كيفية تدريب النموذج → يكون متاحا للجمهور • من تستخدم بياناته → لديه سجل ولديه بيانات اعتماد • كل من يساهم بالبيانات → يمكن تتبعه ومكافأته هذا هو الهيكل الأساسي ل "مكافحة الاحتكار" ، والذي يصيب تماما نقطة الألم الأساسية ل #الذكاء الاصطناعي الحالي لأهم مشكلة غير عادلة.

#OpenLedger (@OpenledgerHQ) عبارة عن منصة الذكاء الاصطناعي لامركزية قائمة على blockchain تهدف إلى تمكين الشفافية وحوكمة المجتمع والوصول المفتوح إلى الذكاء الاصطناعي. على عكس نماذج الذكاء الاصطناعي التقليدية التي تسيطر عليها شركات التكنولوجيا الكبرى ، يسمح #OpenLedger للمجتمع بتدريب نماذج الذكاء الاصطناعي المتخصصة والتحقق من صحتها وإنشائها. والنتيجة هي نظام أكثر عدلا حيث يحصل الأفراد الذين يقدمون البيانات والنماذج على الائتمان والمكافآت التي يستحقونها.

تستخدم بنية #OpenLedger 5 طبقات أساسية: 🔵 طبقة الإجماع (بناء على المشاركة الآمنة EigenLayer) 🔵 طبقة وقت تشغيل النموذج (OpenLoRA) 🔵 شبكة البيانات + إثبات الإسناد 🔵 طبقة تنفيذ المهام (التحقق من المهام والحوافز) 🔵 طبقة مشاركة المستخدم (المكون الإضافي، إدخال الحد المنخفض) هناك الكثير من الأشياء الفنية ، ولن نكررها هنا ، أيها الشركاء المهتمون ، يمكنك قراءة المستند التعريفي التمهيدي في الجزء العلوي من الصفحة الرئيسية @OpenledgerHQ. بالنسبة لمستخدمينا العاديين ، قد نكون أكثر اهتماما بشأن طريقة طبقة مشاركة المستخدم ، والاستراتيجيات الرئيسية هي (استراتيجيات أكثر تفصيلا لاحقا): • المكون الإضافي Chrome: يمكن استخدامه كجامع بيانات (مطالبات المساهمة ، بيانات صفحة الويب) • عداء محلي: قم بتشغيل عقد OpenLoRA للحصول على نقاط ، ودعم وحدة المعالجة المركزية ، ووحدة معالجة الرسومات •التفاعلات المساهمية: تحميل مجموعات البيانات وتدريب النماذج والتحقق من صحة نتائج الآخرين لتشكيل مجتمع التعهيد الجماعي #الذكاء الاصطناعي

#OpenLedger الفوائد الرئيسية: 1️⃣OpenLoRA: 1 بطاقة الرسومات تعمل بآلاف النماذج #OpenLedger المنتج الأكثر تشددا هو OpenLoRA, وهي البنية التحتية لطبقة نشر النموذج. قد يكون من الصعب فهمها ، لكنني سأعطيك مثالا هنا. 👉 على سبيل المثال ، لديك الآن نموذج LLM ولديك 1,000 "المكونات الإضافية القائمة على المهارات" تم ضبطها بدقة باستخدام LoRA (مثل المحامين والأطباء ومدربي اللياقة البدنية والمعلمين وما إلى ذلك). إذا قمت بتشغيل هذه النماذج بالطريقة التقليدية ، فأنت بحاجة إلى تكوين 1000 بطاقة رسومات ، وهو أمر مكلف يبعث على السخرية. #OpenLoRA الممارسات المستخدمة: • تحميل نموذج أساسي واحد فقط (مثل Mistral) • يستغرق تحميل المكون الإضافي LoRA ديناميكيا وقتا • لا تنفجر ذاكرة الفيديو ، ومستوى التبديل بالمللي ثانية ، والسرعة أسرع • وفر 90٪ + على تكاليف الخادم 📌 هذه التكنولوجيا هي ببساطة أفضل نعمة لخصخصة #الذكاء الاصطناعي للشركات الصغيرة والمتوسطة الحجم والأفراد. LoRA واحد لكل شخص ، مساعد متعدد المستخدمين. بالإضافة إلى ذلك ، بالنسبة لتلك المنصات النموذجية واسعة النطاق (مثل مشاريع HuggingFace و Bittensor) ، فهي شراكة تكميلية قوية. لذلك ، #OpenLoRA ليس مفهوما ، ولكنه منتج هبوط يحل حقا مشاكل التكلفة وقابلية التوسع في البنية التحتية الذكاء الاصطناعي ، ولديه قدرات تسويق قوية ، ومناسب بشكل خاص للنشر الخاص المحلي للشركات الصغيرة والمتوسطة الحجم أو الأفراد.