Phiên dịch mô hình ngôn ngữ lớn bản địa Web3 ASI-1 Mini
Khám phá QBio, một công cụ AI y tế tập trung vào phân loại mật độ vú và tạo báo cáo minh bạch. Tải lên một bức ảnh chụp X-quang sẽ cho bạn biết trong vòng vài phút liệu mật độ của vú là A, B, C hay D, cùng với báo cáo chi tiết giải thích quá trình ra quyết định.
Được phát triển bởi Fetch và Hybrid, QBio chỉ là một món khai vị, và ngôi sao thực sự là ASI-1 Mini.
Fetch là một dự án rất lâu đời, trong những năm Defi chiếm được sự chú ý của toàn thị trường, Fetch tập trung vào AI + Crypto, và đã và đang tập trung vào việc phát triển và ứng dụng công nghệ chung của Agent đa mô hình.
ASI-1 Mini là gì
Vào tháng 2 năm nay, Fetch đã ra mắt mô hình ngôn ngữ lớn (LLM) bản địa Web3 đầu tiên trên thế giới - ASI-1 Mini. Web3 Native là gì? Nói một cách đơn giản, nó tích hợp liền mạch với blockchain, cho phép bạn không chỉ sử dụng AI mà còn đầu tư, đào tạo và sở hữu AI thông qua $FET token và ví ASI.
Vậy chính xác thì ASI-1 Mini là gì?
Đây là một mô hình ngôn ngữ lớn được thiết kế cho Agentic AI, có thể điều phối nhiều tác nhân AI và xử lý các tác vụ phức tạp gồm nhiều bước.
Ví dụ: tác nhân suy luận ASI đằng sau QBio là một phần của ASI-1 Mini. Nó không chỉ phân loại mật độ ngực mà còn giải thích quá trình ra quyết định và giải quyết "vấn đề hộp đen" của AI. Hơn nữa, ASI-1 Mini chỉ cần hai GPU để chạy, so với các LLM khác (chẳng hạn như DeepSeek, yêu cầu 16 GPU H100), chi phí rất thấp, phù hợp với các tổ chức cẩn thận sử dụng
ASI-1 Mini Chính xác thì ASI-1 Mini sáng tạo như thế nào
Hiệu suất của ASI-1 Mini có thể so sánh với các LLM hàng đầu, nhưng chi phí phần cứng giảm đáng kể, Nó có các mẫu suy luận động và khả năng thích ứng nâng cao để ra quyết định hiệu quả hơn và nhận biết ngữ cảnh.
MoM và MoA
đều là từ viết tắt, vì vậy đừng sợ, nó rất đơn giản: Hỗn hợp các mô hình (MoM), Hỗn hợp các tác nhân (MoA).
Hãy tưởng tượng một nhóm chuyên gia AI, mỗi người tập trung vào một nhiệm vụ khác nhau, mượt mà và liền mạch. , điều này không chỉ nâng cao hiệu quả mà còn làm cho quá trình ra quyết định minh bạch hơn. Ví dụ, trong phân tích hình ảnh y tế, MoM có thể chọn một mô hình chuyên nhận dạng hình ảnh và mô hình kia chuyên tạo văn bản, và MoA phối hợp đầu ra của hai mô hình để đảm bảo rằng báo cáo cuối cùng vừa chính xác vừa dễ đọc.
Tínhminh bạch và khả năng mở rộngLLM truyền thống
có xu hướng là "hộp đen", nơi bạn đặt câu hỏi cho họ và họ cho bạn câu trả lời, nhưng tại sao họ trả lời điều đó, xin lỗi, không có bình luận. ASI-1 Mini thì khác biệt và với lý luận nhiều bước liên tục, nó có thể cho bạn biết rằng tôi đã chọn câu trả lời này vì những lý do này, đặc biệt là trong lĩnh vực y tế, điều này rất quan trọng.
ASI-1 Mini sẽ có cửa sổ ngữ cảnh lên đến 10 triệu mã thông báo, hỗ trợ khả năng đa phương thức (ví dụ: xử lý hình ảnh và video) và sẽ ra mắt một loạt mô hình Cortex trong tương lai, tập trung vào các lĩnh vực tiên tiến như robot và công nghệ sinh học.
Hiệu quảphần
cứngTrong khi các LLM khác yêu cầu chi phí phần cứng cao, ASI-1 Mini chỉ cần hai GPU để chạy. Điều này có nghĩa là ngay cả một phòng khám nhỏ cũng có thể mua được mà không cần một trung tâm dữ liệu trị giá hàng triệu đô la.
Tại sao nó lại hiệu quả như vậy? Bởi ASI-1 Mini được thiết kế với triết lý "ít hơn là nhiều hơn". Nó tối ưu hóa thuật toán và cấu trúc mô hình để tối đa hóa việc sử dụng các tài nguyên tính toán hạn chế. Ngược lại, các LLM khác có xu hướng theo đuổi các mô hình quy mô lớn hơn, dẫn đến tiêu thụ tài nguyên đáng kể.
Hướng đến cộng đồngKhông giống như
các mô hình ngôn ngữ lớn khác, ASI-1 Mini được hướng đến cộng đồng thông qua đào tạo phi tập trung. ASI-1 Mini là một sản phẩm freemium theo cấp dành cho chủ sở hữu $FET có thể kết nối với ví Web3 để mở khóa đầy đủ chức năng. Bạn càng nắm giữ nhiều token FET trong ví của mình, bạn càng có thể khám phá nhiều khả năng của mô hình.
Mô hình hướng đến cộng đồng này, giống như huy động vốn cộng đồng, không gì khác hơn là đào tạo và xác nhận trí tuệ nhân tạo, công nghệ cao, không còn chỉ dành cho giới thượng lưu mà cho mọi người tham gia.
Ngày nay, khi LLM đã tương đối trưởng thành, tại sao bạn cần xây dựng một chiếc ASI-1 Mini một mình? Nó rất dễ hiểu và nó lấp đầy khoảng trống nơi Web3 hội tụ với AI.
Hiện tại, LLM (chẳng hạn như ChatGPT và Grok) chủ yếu phục vụ các môi trường tập trung và ASI-1 Mini là LLM đầu tiên được thiết kế cho các hệ sinh thái phi tập trung. Nó không chỉ làm cho AI minh bạch và hiệu quả hơn mà còn cho phép các thành viên cộng đồng hưởng lợi trực tiếp từ sự phát triển của AI.
Sự xuất hiện của ASI-1 Mini đánh dấu sự chuyển đổi của AI từ "hộp đen" sang "minh bạch", từ "tập trung" sang "phi tập trung" và từ "công cụ" thành "tài sản". Nó có thể đóng một vai trò không chỉ trong lĩnh vực y tế (chẳng hạn như QBio), mà còn trong nhiều lĩnh vực như tài chính, luật và nghiên cứu khoa học.
Tháng này, Fetch đã hợp tác với Rivalz để tích hợp ASI-1 Mini vào Hệ thống điều phối dữ liệu tác nhân (ADCS) của Rivalz để suy luận AI trên chuỗi. Với sự hợp tác này, các ứng dụng phi tập trung có thể truy cập các khả năng suy luận AI nâng cao trực tiếp trên blockchain.
Môi trường blockchain truyền thống bị hạn chế về tài nguyên và hợp đồng thông minh chỉ có thể xử lý các tác vụ nhẹ, thường thông qua oracle để thu thập dữ liệu đơn giản (chẳng hạn như giá cả) và không thể trực tiếp chạy các mô hình AI phức tạp. ADCS giải quyết vấn đề này một cách hoàn hảo, với các tính toán phức tạp để suy luận AI được thực hiện ngoài chuỗi và kết quả được trả lại blockchain một cách an toàn, đảm bảo tính phi tập trung và tin cậy.