Интерпретация нативной большой языковой модели Web3 ASI-1 Mini

Откройте для себя QBio, медицинский инструмент искусственного интеллекта, который фокусируется на классификации плотности груди и создании прозрачных отчетов. Загрузите рентгеновский снимок, который в течение нескольких минут покажет вам, какова плотность груди A, B, C или D, вместе с подробным отчетом, объясняющим процесс принятия решения.

Разработанный Fetch и Hybrid, QBio — это просто закуска, а настоящей звездой является ASI-1 Mini.

Fetch — очень старый проект, в годы, когда Defi занимал внимание всего рынка, Fetch сосредоточился на AI + Crypto, а в то время сосредоточился на разработке и применении общей технологии мультимодельного агента.

Что такое ASI-1 Mini

В феврале этого года компания Fetch запустила первую в мире нативную модель большого языка (LLM) Web3 - ASI-1 Mini. Что такое Web3 Native? Проще говоря, он легко интегрируется с блокчейном, позволяя вам не только использовать ИИ, но и инвестировать, обучать и владеть ИИ через токены $FET и кошельки ASI.

Так что же такое ASI-1 Mini?

Это большая языковая модель, разработанная для агентного ИИ, который может координировать несколько агентов ИИ и обрабатывать сложные многоступенчатые задачи.

Например, агент инференса ASI, стоящий за QBio, является частью ASI-1 Mini. Он не только классифицирует плотность груди, но и объясняет процесс принятия решений и решает «проблему черного ящика» ИИ. Более того, ASI-1 Mini для работы требуется всего два графических процессора, по сравнению с другими LLM (такими как DeepSeek, для которого требуется 16 графических процессоров H100), стоимость очень низкая, подходит для осторожных учреждений для использования

ASI-1 Mini Как именно

ASI-1 Mini инновационен Производительность ASI-1 Mini сопоставима с производительностью ведущих LLM, но стоимость оборудования значительно снижена. Он включает в себя шаблоны динамического вывода и расширенные адаптивные возможности для более эффективного и контекстно-зависимого принятия решений.

MoM и MoA

— это аббревиатуры, так что не бойтесь, все просто: Смесь моделей (MoM), Смесь агентов (MoA).

Представьте себе команду экспертов по искусственному интеллекту, каждый из которых сосредоточен на своей задаче, шелковистой и бесшовной. , что не только повышает эффективность, но и делает процесс принятия решений более прозрачным. Например, при анализе медицинских изображений MoM может выбрать одну модель, которая специализируется на распознавании изображений, и другую, которая специализируется на генерации текста, и MoA координирует выходные данные двух моделей, чтобы гарантировать, что окончательный отчет будет точным и удобным для чтения.

Прозрачность и расширяемостьТрадиционные

LLM имеют тенденцию быть «черными ящиками», где вы задаете им вопросы, а они дают вам ответы, но почему они на это ответили, извините, без комментариев. ASI-1 Mini отличается от других, и благодаря непрерывному многоступенчатому рассуждению он может сказать вам, что я выбрал этот ответ по этим причинам, особенно в области медицины, которая имеет решающее значение.

ASI-1 Mini будет иметь контекстное окно до 10 миллионов токенов, поддерживать мультимодальные возможности (например, обработку изображений и видео), а в будущем запустит серию моделей Cortex, ориентированных на передовые области, такие как робототехника и биотехнологии.

Аппаратная

эффективностьВ то время как другие LLM требуют высоких затрат на оборудование, ASI-1 Mini требует всего двух графических процессоров для работы. Это означает, что даже небольшая клиника может себе это позволить, без необходимости в дата-центре стоимостью в миллион долларов.

Почему он так эффективен? Потому что ASI-1 Mini разработан с философией «меньше значит больше». Он оптимизирует алгоритм и структуру модели для максимального использования ограниченных вычислительных ресурсов. В отличие от них, другие LLM, как правило, используют более масштабные модели, что приводит к значительному потреблению ресурсов.

Управляемость сообществомВ отличие от

других больших языковых моделей, ASI-1 Mini управляется сообществом посредством децентрализованного обучения. ASI-1 Mini — это многоуровневый freemium-продукт для держателей $FET, которые могут подключиться к кошельку Web3 для разблокировки полной функциональности. Чем больше токенов FET у вас в кошельке, тем больше вы можете изучить возможности модели.

Эта модель, управляемая сообществом, как и краудфандинг, является не чем иным, как обучением и проверкой искусственного интеллекта, высоких технологий, уже не только для избранных, но и для всех, чтобы в них могли участвовать.

Сегодня, когда LLM относительно зрелы, зачем вам нужно собирать ASI-1 Mini в одиночку? Его легко понять, и он заполняет пробел, в котором Web3 сходится с искусственным интеллектом.

В настоящее время LLM (такие как ChatGPT и Grok) в основном обслуживают централизованные среды, а ASI-1 Mini — первый LLM, разработанный для децентрализованных экосистем. Это не только делает ИИ более прозрачным и эффективным, но и позволяет членам сообщества получать прямую выгоду от роста ИИ.

Появление ASI-1 Mini знаменует собой трансформацию искусственного интеллекта из «черного ящика» в «прозрачность», из «централизованного» в «децентрализованный», а из «инструмента» в «актив». Он может играть роль не только в медицинской сфере (например, QBio), но и во многих областях, таких как финансы, юриспруденция и научные исследования.

В этом месяце Fetch заключила партнерское соглашение с Rivalz, чтобы интегрировать ASI-1 Mini в систему координации агентских данных (ADCS) Rivalz для инференса искусственного интеллекта в блокчейне. Благодаря этому сотрудничеству децентрализованные приложения могут получить доступ к расширенным возможностям вывода ИИ непосредственно в блокчейне.

Традиционные блокчейн-среды ограничены в ресурсах, а смарт-контракты могут обрабатывать только легкие задачи, часто через оракулы для получения простых данных (например, цен), и не могут напрямую запускать сложные модели искусственного интеллекта. ADCS идеально решает эту проблему, при этом сложные вычисления для вывода ИИ выполняются вне сети, а результаты безопасно возвращаются в блокчейн, обеспечивая децентрализацию и доверие.