تفسير نموذج اللغة الكبيرة الأصلية Web3 ASI-1 Mini

اكتشف QBio ، أداة الذكاء الاصطناعي الطبي التي تركز على تصنيف كثافة الثدي وإنشاء التقارير الشفافة. قم بتحميل الأشعة السينية التي ستخبرك في غضون دقائق ما إذا كانت كثافة الثدي A أو B أو C أو D ، جنبا إلى جنب مع تقرير مفصل يشرح عملية اتخاذ القرار.

تم تطوير QBio بواسطة Fetch and Hybrid ، وهو مجرد مقبلات ، والنجم الحقيقي هو ASI-1 Mini.

Fetch هو مشروع قديم جدا ، في السنوات التي احتلت فيها Defi انتباه السوق بأكمله ، ركز Fetch على الذكاء الاصطناعي + Crypto ، وركز على تطوير وتطبيق التكنولوجيا العامة للوكيل متعدد النماذج.

ما هو ASI-1 Mini

في فبراير من هذا العام ، أطلقت Fetch أول نموذج لغة كبيرة (LLM) أصلية Web3 في العالم - ASI-1 Mini. ما هو Web3 الأصلي؟ ببساطة ، يتكامل بسلاسة مع blockchain ، مما يسمح لك ليس فقط باستخدام الذكاء الاصطناعي ، ولكن أيضا الاستثمار والتدريب وامتلاك الذكاء الاصطناعي من خلال الرموز المميزة $FET ومحافظ ASI.

إذن ما هو بالضبط ASI-1 Mini؟

إنه نموذج لغوي كبير مصمم ل الذكاء الاصطناعي الوكيل ، والذي يمكنه تنسيق العديد من وكلاء الذكاء الاصطناعي والتعامل مع المهام المعقدة متعددة الخطوات.

على سبيل المثال ، يعد عامل استدلال ASI وراء QBio جزءا من ASI-1 Mini. فهو لا يصنف كثافة الثدي فحسب ، بل يشرح أيضا عملية صنع القرار ويحل "مشكلة الصندوق الأسود" في الذكاء الاصطناعي. علاوة على ذلك ، يحتاج ASI-1 Mini إلى وحدتي معالجة رسومات فقط للتشغيل ، مقارنة بأجهزة LLMs الأخرى (مثل DeepSeek ، التي تتطلب 16 وحدة معالجة رسومات H100) ، والتكلفة منخفضة جدا ومناسبة للمؤسسات الدقيقة لاستخدام

ASI-1 Mini كيف هو

ASI-1 Mini مبتكر بالضبط أداء ASI-1 Mini يمكن مقارنته بأداء LLMs الرائدة ، ولكن تكلفة الأجهزة مخفضة بشكل كبير ، يتميز بأنماط استدلال ديناميكية وقدرات تكيفية متقدمة لاتخاذ قرارات أكثر كفاءة ووعيا بالسياق.

MoM و MoA

كلاهما اختصارات ، لذلك لا تخف ، الأمر بسيط: مزيج من النماذج (MoM) ، خليط الوكلاء (MoA).

تخيل فريقا من خبراء الذكاء الاصطناعي ، يركز كل منهم على مهمة مختلفة ، حريرية وسلسة. ، مما لا يحسن الكفاءة فحسب ، بل يجعل عملية صنع القرار أكثر شفافية أيضا. على سبيل المثال ، في تحليل الصور الطبية ، قد تختار وزارة الزراعة نموذجا واحدا متخصصا في التعرف على الصور والآخر متخصص في إنشاء النص ، وتنسق وزارة الزراعة إخراج النموذجين للتأكد من أن التقرير النهائي دقيق وسهل القراءة.

الشفافية والقابلية للتوسعةتميل LLMs التقليدية

إلى أن تكون "صناديق سوداء" حيث تطرح عليهم أسئلة ويعطونك إجابات ، ولكن لماذا أجابوا على ذلك ، آسف ، لا تعليق. يختلف ASI-1 Mini ، ومع التفكير المستمر متعدد الخطوات ، يمكن أن يخبرك أنني اخترت هذه الإجابة لهذه الأسباب ، خاصة في المجال الطبي ، وهو أمر بالغ الأهمية.

سيحتوي ASI-1 Mini على نافذة سياق تصل إلى 10 ملايين رمز مميز ، ويدعم القدرات متعددة الوسائط (على سبيل المثال ، معالجة الصور والفيديو) ، وستطلق سلسلة من نماذج Cortex في المستقبل ، مع التركيز على المجالات المتطورة مثل الروبوتات والتكنولوجيا الحيوية.

الأجهزةفي

حين أن LLMs الأخرى تتطلب تكاليف عالية للأجهزة ، فإن ASI-1 Mini يتطلب وحدتي معالجة رسومات فقط للتشغيل. هذا يعني أنه حتى عيادة صغيرة يمكنها تحمل تكاليفها ، دون الحاجة إلى مركز بيانات بمليون دولار.

لماذا هي فعالة جدا؟ لأن ASI-1 Mini مصمم بفلسفة "الأقل هو الأكثر". يعمل على تحسين الخوارزمية وهيكل النموذج لتعظيم استخدام موارد الحوسبة المحدودة. في المقابل ، تميل LLMs الأخرى إلى اتباع نماذج أوسع نطاقا ، مما يؤدي إلى استهلاك كبير للموارد.

مدفوعة بالمجتمععلى عكس

نماذج اللغات الكبيرة الأخرى ، فإن ASI-1 Mini مدفوعة بالمجتمع من خلال التدريب اللامركزي. ASI-1 Mini هو منتج مجاني متدرج لحاملي $FET الذين يمكنهم الاتصال بمحفظة Web3 لفتح الوظائف الكاملة. كلما زاد عدد رموز FET التي تحتفظ بها في محفظتك ، زادت قدرتك على استكشاف قدرات النموذج.

هذا النموذج الذي يحركه المجتمع ، مثل التمويل الجماعي ، ليس أكثر من تدريب والتحقق من صحة الذكاء الاصطناعي ، والتكنولوجيا الفائقة ، لم يعد فقط للنخبة ، ولكن ليشارك فيه الجميع.

اليوم ، عندما تكون LLMs ناضجة نسبيا ، لماذا تحتاج إلى بناء ASI-1 Mini بمفردك؟ من السهل فهمها ، وهي تملأ الفجوة التي يتقارب فيها Web3 مع الذكاء الاصطناعي.

في الوقت الحاضر ، تخدم LLMs (مثل ChatGPT و Grok) بشكل أساسي البيئات المركزية ، و ASI-1 Mini هو أول LLM مصمم للأنظمة البيئية اللامركزية. فهو لا يجعل الذكاء الاصطناعي أكثر شفافية وكفاءة فحسب ، بل يسمح أيضا لأفراد المجتمع بالاستفادة بشكل مباشر من نمو الذكاء الاصطناعي.

ظهور ASI-1 Mini تحول الذكاء الاصطناعي من "الصندوق الأسود" إلى "الشفافية" ، ومن "المركزي" إلى "اللامركزي" ، ومن "الأداة" إلى "الأصول". يمكن أن تلعب دورا ليس فقط في المجال الطبي (مثل QBio) ، ولكن أيضا في العديد من المجالات مثل التمويل والقانون والبحث العلمي.

هذا الشهر ، دخلت Fetch في شراكة مع Rivalz لدمج ASI-1 Mini في نظام تنسيق البيانات الوكيل (ADCS) من Rivalz لاستدلال الذكاء الاصطناعي على السلسلة. من خلال هذا التعاون ، يمكن للتطبيقات اللامركزية الوصول إلى إمكانات استدلال الذكاء الاصطناعي المتقدمة مباشرة على blockchain.

بيئات blockchain التقليدية مقيدة بالموارد ، ويمكن للعقود الذكية التعامل مع المهام خفيفة الوزن فقط ، غالبا من خلال أوراكل للحصول على بيانات بسيطة (مثل الأسعار) ، ولا يمكنها تشغيل نماذج الذكاء الاصطناعي المعقدة مباشرة. تحل ADCS هذه المشكلة بشكل مثالي ، مع إجراء حسابات معقدة لاستدلال الذكاء الاصطناعي خارج السلسلة ، ويتم إرجاع النتائج بأمان إلى blockchain ، مما يضمن اللامركزية والثقة.