Allora построена на стремлении создать мир, в котором машинный интеллект улучшает человечество, предлагая уникальные и действенные идеи, превосходящие все другие формы умозаключений. В этом мире машинный интеллект является открыто доступным и прозрачным, приглашая к участию всех, у кого есть данные или алгоритмы, которые улучшают работу сети.
В то время как другие сети ИИ могут разделять эти намерения, Allora достигает этой цели с помощью двух определяющих механизмов:
✳️ Контекстная осведомленность
Allora создана с учетом того, что выбор наилучшего умозаключения в сети ИИ часто зависит от контекстных деталей, для определения которых может потребоваться машинный интеллект.
✳️ Дифференцированные стимулы
Архитектура Allora признает, что различные роли в сети — в нашем случае работники, репютеры и валидаторы — требуют различных структур стимулирования для обеспечения оптимальной производительности и справедливого распределения вознаграждения.
Давайте разберем эти два фактора подробнее.
✳️ Что делает Allora контекстно-ориентированной?
Осознание контекста в Allora обеспечивается тем, что сеть вознаграждает участников за прогнозы о производительности друг друга при определенных условиях. Во многих сетях рабочие узлы предоставляют только вывод и ничего больше.
В Allora рабочие узлы могут предоставлять два вывода:
- Заключение
- Прогноз точности умозаключений друг друга.
Другими словами, сеть поддерживает логику, при которой рабочие узлы получают вознаграждение за комментарии к ожидаемым результатам друг друга. Это работает по принципу, называемому “прогноз — предполагаемое метаумозаключение”. Это основной механизм, который делает Allora контекстно-ориентированной.
Например, для конкретной задачи ML на Allora, называемой темой (аналог подсети), которая направлена на предсказание цены BTC, другие работники могут прокомментировать свою осведомленность о том, что отдельная модель работает хуже, когда рынки акций США закрыты.
Схематическое изображение темы Allora.
✳️ Как работает процесс синтеза умозаключений Allora
Как и их коллеги в других децентрализованных сетях ИИ, работники Allora предоставляют свои умозаключения в сеть. Отличительной чертой Allora является дополнительная ответственность за задачу прогнозирования: работники прогнозируют точность умозаключений других участников в рамках их конкретной темы. Такой двухуровневый вклад значительно повышает интеллектуальность сети.
Весь процесс объединения умозаключений и прогнозируемых потерь в единое умозаключение называется синтезом умозаключений (Inference Synthesis). Вот как работает механизм синтеза умозаключений:
- Работники предоставляют прогнозы потерь — работники оценивают потенциальные потери (или неточности) моделей, представленных их коллегами в той же теме.
- Сеть оценивает эти прогнозируемые потери, применяя весовые коэффициенты к умозаключениям работников в зависимости от их ожидаемой точности. Более низкие прогнозируемые потери означают более высокую точность, что дает право на больший вес, а более высокие прогнозируемые потери означают более низкую точность, что дает право на меньший вес.
- Тема оптимизирует вклад моделей — тема не просто отдает предпочтение моделям с наименьшими прогнозируемыми потерями. Вместо этого каждая тема разумно сочетает элементы различных вкладов — например, 80 % от модели одного работника и 20 % от модели другого — для создания единого, надежного прогноза, предполагаемого метавывода.
- Сеть объединяет все умозаключения. Затем умозаключения, основанные на прогнозе, объединяются со всеми другими умозаключениями с учетом их исторической эффективности, чтобы сформулировать всеобъемлющее метаумозаключение по всей теме. Этот метод позволяет сети использовать наиболее эффективные умозаключения, тем самым всегда превосходя отдельные модели в сети.
Демонстрация самосовершенствующегося интеллекта Allora.
✳️ Как работает дифференцированная структура мотивации в Allora
В сети Allora нельзя купить правду. Однако можно и нужно получать вознаграждение за сообщение истины. Вознаграждение, назначаемое за вывод, должно быть средством вознаграждения за истину, а не вознаграждения за долю работника в сети.
Тем не менее, репьютеры все равно заинтересованы, потому что сеть должна иметь экономическую безопасность. Эта доля затем используется для определения истины, что не требует особой проницательности; она просто решает проблему оракула, стимулируя респондентов честно передавать информацию.
Эта этика определяет, как ценится и вознаграждается вклад в сеть Allora. Поскольку участники сети выполняют в Allora разные роли, они вознаграждаются с помощью различных структур поощрения:
- Работники — они предоставляют сети умозаключения, основанные на искусственном интеллекте. Существует два вида умозаключений, которые работники делают в рамках темы: первое относится к целевой переменной, которую генерирует тема сети; второе относится к прогнозируемым потерям умозаключений, сделанных другими работниками. Эти прогнозируемые потери представляют собой фундаментальный компонент, который делает сеть контекстно-ориентированной, поскольку они дают представление о точности работника в текущих условиях. Для каждого работника сеть использует эти прогнозируемые потери для создания прогнозируемого метаумозаключения, которое объединяет исходные умозаключения всех работников. Работник может выбрать один или оба типа умозаключений и получает вознаграждение, пропорциональное его уникальному вкладу в точность сети, как с точки зрения его собственных умозаключений, так и с точки зрения его прогнозных умозаключений.
- Репьютеры — они оценивают качество умозаключений и умозаключений с прогнозом, предоставляемых работниками. Это делается путем сравнения выводов с базовой истиной, когда она становится доступной. Репьютер получает вознаграждение, пропорциональное его доле и консенсусу между его оценками и оценками других репьютеров.
Демонстрация структуры стимулов сети Allora.
Благодаря такой дифференцированной структуре стимулов между работниками и репортерами, сеть оптимально сочетает умозаключения, сделанные участниками сети, не разбавляя их веса чем-то, не имеющим отношения к точности. Это достигается за счет признания и вознаграждения как исторической, так и контекстно-зависимой точности каждого умозаключения.
Коллективный интеллект Allora всегда будет превосходить любой индивидуальный вклад в работу сети.
Первоначальной целью создания Allora была коммерциализация мирового интеллекта. Инновации в виде умозаключений с учетом контекста и дифференцированной структуры поощрения решают две основные задачи, которые делают эту миссию возможной.
✳️ Allora — это самосовершенствующаяся децентрализованная сеть искусственного интеллекта.
Allora позволяет приложениям использовать более умный и безопасный ИИ с помощью самосовершенствующейся сети ML-моделей. Сочетая инновации в области краудсорсингового интеллекта, обучения с подкреплением и минимизации ошибок, Allora открывает огромное новое пространство для разработки приложений на пересечении криптовалют и ИИ.
✳️ Ресурсы:
Чтобы узнать больше об Allora, посетите:
Если у вас возникли вопросы, пожалуйста, пишите их нам в Discord.
