Litepaper chính thức từ Allora Network

Phiên Dịch: Hung Pham

Trí tuệ máy móc thuộc về tất cả mọi người.

Chúng tôi tự hào giới thiệu Allora Network Litepaper, trình bày cơ chế Tổng hợp suy luận mới lạ của Allora, cũng như bối cảnh bổ sung về những vấn đề mà mạng lưới này hướng đến để giải quyết.

Những tiến bộ gần đây trong khả năng truy cập dữ liệu và sức mạnh tính toán đã cho phép các hình thức trí tuệ máy móc đầu tiên có khả năng cung cấp những hiểu biết có ý nghĩa. Tuy nhiên, các nguồn lực khổng lồ cần thiết đã khiến các giải pháp này bị đóng lại và cô lập bởi các khối đơn ngành. Để đạt được tiềm năng đầy đủ của trí tuệ máy móc, dữ liệu, thuật toán và người tham gia phải được kết nối tối đa. Các giải pháp mạng là cần thiết và bản chất phi tập trung của công nghệ blockchain là lý tưởng để giải quyết vấn đề này.

Allora là một mạng lưới trí tuệ máy móc phi tập trung, tự cải thiện, vượt qua khả năng của từng người tham gia. Allora đạt được điều này thông qua hai cải tiến chính:

• Allora có nhận thức về ngữ cảnh
• Allora có cấu trúc khuyến khích khác biệt

Không giống như các mạng AI phi tập trung khác, không có khả năng nhận thức về ngữ cảnh, Allora được thiết kế để đánh giá và kết hợp các đầu ra dự đoán của các mô hình ML dựa trên cả hiệu suất lịch sử và mức độ liên quan của chúng với các điều kiện ngữ cảnh hiện tại. Khi làm như vậy, Allora đảm bảo rằng mạng luôn tận dụng các mô hình phù hợp nhất cho bất kỳ tình huống nào.

Những nỗ lực khác nhằm tạo ra trí thông minh mạng tự cải thiện dựa vào hệ thống danh tiếng tích lũy để tổng hợp các suy luận, một phương pháp ức chế nhận thức ngữ cảnh. Do đó, các mạng này có xu hướng ưu tiên các mô hình có hiệu suất mạnh trong lịch sử, bỏ qua thực tế là một số mô hình chỉ hoạt động tốt trong một số điều kiện nhất định. Bằng cách loại bỏ các mô hình không hoạt động tốt một cách nhất quán, các mạng này bỏ lỡ việc tối ưu hóa độ chính xác.

Nhận thức ngữ cảnh của Allora cho phép nó hiểu rằng trong một số điều kiện nhất định — và chỉ trong một số điều kiện nhất định — một số mô hình đáng chú ý. Điều này dẫn đến trí thông minh máy móc nhận thức ngữ cảnh.

Rào cản quan trọng thứ hai để đạt được trí thông minh máy móc phi tập trung là tạo ra các cấu trúc khuyến khích tùy chỉnh để thưởng phù hợp cho các hành động khác nhau trong mạng.

Do đó, những người làm việc trong mạng được thưởng cho hai hành động chính:

• Các suy luận trực tiếp của họ, góp phần vào trí thông minh tập thể của mạng.
• Độ chính xác của các dự báo của họ liên quan đến hiệu suất (hoặc tổn thất) của các suy luận của những người tham gia khác (sẽ nói thêm về điều này sau).

Điều gì khiến Allora nhận diện được ngữ cảnh?

Nhận thức ngữ cảnh của Allora được tạo điều kiện thuận lợi bằng cách mạng lưới khen thưởng những người tham gia dự đoán về hiệu suất của nhau trong những điều kiện nhất định. Trong nhiều mạng lưới, các nút công nhân chỉ cung cấp suy luận và không có gì khác.

Trên Allora, các nút công nhân có khả năng cung cấp hai đầu ra:

• Một suy luận và
• Một dự báo về độ chính xác của các suy luận của nhau

Nói cách khác, mạng lưới hỗ trợ một logic theo đó các nút công nhân được khen thưởng khi bình luận về hiệu suất dự kiến ​​của nhau. Điều này hoạt động theo một thứ gọi là Suy luận ngụ ý dự báo. Đây là cơ chế cốt lõi khiến Allora nhận thức ngữ cảnh.

Ví dụ, trong một chủ đề (hoặc mạng con) trên Allora nhằm mục đích dự đoán giá BTC, những công nhân khác có thể bình luận về nhận thức của họ rằng một mô hình riêng lẻ hoạt động kém hơn khi thị trường chứng khoán Hoa Kỳ đóng cửa.

Cách thức hoạt động của một suy luận dự báo

Giống như các đối tác của họ trong các mạng AI phi tập trung khác, những người làm việc trong Allora cung cấp suy luận của họ cho mạng. Điểm khác biệt của Allora là trách nhiệm bổ sung của nhiệm vụ dự báo: những người làm việc dự báo độ chính xác của suy luận của những người tham gia khác trong chủ đề cụ thể của họ (hoặc mạng con). Đóng góp của hai lớp này làm phong phú đáng kể trí thông minh của mạng.

Toàn bộ quá trình cô đọng các suy luận và tổn thất được dự báo thành một suy luận duy nhất được gọi là Tổng hợp suy luận. Sau đây là cách cơ chế Tổng hợp suy luận diễn ra:

• Workers Provide Loss Forecasts — Người làm việc ước tính các tổn thất tiềm ẩn (hoặc không chính xác) của các mô hình do những người ngang hàng của họ gửi trong cùng một chủ
• The Network Weights According to These Forecasts — Mạng đánh giá các tổn thất được dự báo này, áp dụng trọng số cho các suy luận của người làm việc dựa trên độ chính xác dự kiến ​​của họ. Tổn thất dự báo thấp hơn có nghĩa là độ chính xác cao hơn, đảm bảo trọng số cao hơn và tổn thất dự báo cao hơn có nghĩa là độ chính xác thấp hơn, đảm bảo trọng số thấp hơn.
• The Topic Optimizes Model Contributions — Chủ đề không chỉ ưu tiên các mô hình có tổn thất dự báo thấp nhất. Thay vào đó, mỗi chủ đề kết hợp thông minh các yếu tố từ nhiều đóng góp khác nhau — ví dụ, lấy 80% từ mô hình của một công nhân và 20% từ mô hình của công nhân khác — để tạo ra một suy luận ngụ ý dự báo duy nhất, mạnh mẽ.
• The Network Combines All Inferences— Sau đó, các suy luận ngụ ý dự báo được kết hợp với tất cả các suy luận khác, có tính đến hiệu suất lịch sử của chúng, để xây dựng một suy luận toàn diện, trên toàn chủ đề. Phương pháp này đảm bảo mạng tận dụng các suy luận hiệu quả nhất, do đó luôn vượt trội hơn các mô hình riêng lẻ trong mạng.

Hình trên thể hiện sự minh họa cho trí thông minh tự cải thiện của Allora. Đường chấm đen thể hiện độ chính xác của mạng cơ bản kết hợp các suy luận của từng mô hình mà không xem xét đến các điều kiện hiện tại. Đường nét liền màu đen thể hiện độ chính xác của Allora khi sử dụng tác vụ dự báo. Sự đổi mới này cho phép người lao động dự báo hiệu suất của nhau dựa trên nhận thức về bối cảnh.
Chỉ dựa vào thành công trong quá khứ của một mô hình sẽ không giải thích được sức mạnh về bối cảnh của nó — bỏ qua thực tế là một mô hình có thể vượt trội trong các tình huống cụ thể do hiểu biết sâu sắc về các khía cạnh cụ thể. Phương pháp của Allora khắc phục được hạn chế này, đảm bảo không có mô hình nào bị bỏ qua chỉ vì sức mạnh của nó nằm ở các tình huống cụ thể, theo ngữ cảnh.

Khung này được bổ sung bằng cấu trúc khuyến khích khác biệt của mạng, trong đó thưởng cho người lao động vì những suy luận của họ và thưởng cho người có uy tín vì đã chấm điểm cho những suy luận của những người lao động khác.

Cấu trúc khuyến khích khác biệt của Allora hoạt động như thế nào

Trong Mạng Allora, người ta không thể mua sự thật. Tuy nhiên, người ta có thể — và nên — được khen thưởng vì đã báo cáo về sự thật cơ bản. Phần thưởng được chỉ định cho suy luận phải là phương tiện khen thưởng sự thật, chứ không phải là khen thưởng cổ phần của người lao động trong mạng. Tuy nhiên, người có uy tín vẫn có cổ phần vì mạng phải có bảo mật kinh tế. Cổ phần này sau đó được sử dụng để xác định sự thật cơ bản, không yêu cầu bất kỳ hiểu biết cụ thể nào; nó chỉ giải quyết vấn đề của oracle là khuyến khích người có uy tín truyền đạt thông tin một cách trung thực.

Đặc điểm này định hình cách đóng góp được đánh giá và khen thưởng trong Mạng Allora. Vì những người tham gia mạng đảm nhận các vai trò khác nhau trong Allora, nên họ được khen thưởng thông qua các cấu trúc khuyến khích khác nhau:

1. Workers— Họ cung cấp các suy luận do AI cung cấp cho mạng. Có hai loại suy luận mà người lao động tạo ra trong một chủ đề: loại đầu tiên đề cập đến biến mục tiêu mà chủ đề mạng đang tạo ra; loại thứ hai đề cập đến các tổn thất dự báo của các suy luận do những người lao động khác tạo ra. Những tổn thất được dự báo này đại diện cho thành phần cơ bản giúp mạng lưới nhận thức được ngữ cảnh, vì chúng cung cấp thông tin chi tiết về độ chính xác của một công nhân trong các điều kiện hiện tại. Đối với mỗi công nhân, mạng lưới sử dụng những tổn thất được dự báo này để tạo ra suy luận ngụ ý dự báo kết hợp các suy luận ban đầu của tất cả các công nhân. Một công nhân có thể chọn cung cấp một hoặc cả hai loại suy luận và nhận được phần thưởng tương ứng với đóng góp riêng của mình vào độ chính xác của mạng lưới, xét về cả suy luận của riêng mình và suy luận ngụ ý dự báo.
2. Reputers — Họ đánh giá chất lượng suy luận và suy luận ngụ ý dự báo do công nhân cung cấp. Điều này được thực hiện bằng cách so sánh các suy luận với sự thật cơ bản khi có sẵn. Người đưa tin nhận được phần thưởng tương ứng với cổ phần của mình và sự đồng thuận giữa các đánh giá của mình và của những người đưa tin khác.

Đồ họa minh họa sự phân bổ phần thưởng trên các lớp nhiệm vụ của mạng — nhiệm vụ suy luận (màu xanh lam), nhiệm vụ dự báo (màu lục lam) và nhiệm vụ người đưa tin (màu đỏ), cùng với tổng tích lũy (màu đen). Sự phân chia cho thấy phần thưởng theo từng bước thời gian và tổng tích lũy của chúng, cung cấp thông tin chi tiết về đóng góp của cá nhân và tập thể vào trí thông minh của mạng.
Do cấu trúc khuyến khích khác biệt này giữa người lao động và người đưa tin, mạng kết hợp tối ưu các suy luận do những người tham gia mạng tạo ra mà không làm giảm trọng số của họ bởi thứ gì đó không liên quan đến độ chính xác. Điều này đạt được bằng cách nhận ra và khen thưởng cả độ chính xác theo lịch sử và phụ thuộc vào ngữ cảnh của từng suy luận.

Mạnh hơn từng model đơn lẻ

Trí thông minh tập thể của Allora sẽ luôn vượt trội hơn bất kỳ cá nhân nào đóng góp vào mạng.
Sứ mệnh ban đầu khi tạo ra Allora là biến trí thông minh của thế giới thành hàng hóa. Những cải tiến của suy luận nhận thức theo ngữ cảnh và cấu trúc khuyến khích khác biệt giải quyết hai thách thức chính giúp sứ mệnh đó trở nên khả thi.
Mạng mời những đóng góp từ bất kỳ ai có dữ liệu hoặc thuật toán giúp cải thiện mạng. Như vậy, cuộc tìm kiếm trí thông minh của máy móc không phải là cuộc đua người chiến thắng sẽ giành được tất cả. Cũng giống như Allora sẽ luôn vượt trội hơn những đóng góp riêng lẻ cho mạng lưới, thì các mạng lưới riêng lẻ cũng sẽ luôn lu mờ khi so sánh với những thay đổi theo từng bước của AI phi tập trung nói chung.
Với tính linh hoạt và khả năng tiếp cận của Allora, chúng tôi thấy trước một tương lai mà trí thông minh của máy móc cuối cùng sẽ trở thành hàng hóa hoàn toàn và tích hợp với nền kinh tế, công nghệ và xã hội. Chính xác thì điều này có thể xảy ra như thế nào sẽ được định hình bởi cộng đồng xây dựng trên Allora. Chúng tôi rất vui mừng được trở thành một phần của hành trình đó.
Để đọc toàn bộ bài báo ngắn, hãy nhấp vào đây.