لم أتحدث مع yap @0G_labs منذ عدة أيام، وكان 0G مشغولاً مؤخراً، هناك العديد من التحركات الكبيرة، المؤسس @michaelh_0g أيضاً مشغول دائماً، أشعر دائماً أن الشيء الكبير قادم قريباً، أعتقد أن عدد الأشخاص الذين سيتحدثون عن yap 0G في أغسطس سيزداد، دعونا جميعاً نصبح عائلة 0G.
قبل عدة أيام، حققت 0G Labs مع شركة الصين المتنقلة إنجازًا كبيرًا، حيث تم بنجاح تدريب نموذج AI يحتوي على 107 مليار معلمة على شبكة عادية بسرعة 1Gbps. إن هذا الإنجاز قد كسر الاحتكار السابق الذي كان مقتصرًا على عمالقة مثل OpenAI وGoogle في تدريب النماذج ذات المليارات من المعلمات، مما يرمز إلى أن تدريب AI عالي الأداء أصبح "متاحًا للجميع".
تقدم هذه التقنية خمس مزايا ثورية: 1. قفزة في الكفاءة، انخفاض حاد في التكاليف: زيادة سرعة التدريب بمقدار 10 أضعاف، وانخفاض التكاليف بنسبة تصل إلى 95% 2. انخفاض كبير في عتبة الأجهزة: يمكن لبطاقات الرسوم العادية المنزلية المشاركة في التدريب، مما يمكّن المطورين الأفراد والشركات العادية من التعامل مع النماذج الكبيرة. 3. الحوكمة الذاتية اللامركزية: لا حاجة للاعتماد على عمالقة خدمات السحابة مثل AWS و Azure، حيث يكون للمستخدمين السيطرة الكاملة على قيادة التدريب. 4. خصوصية البيانات وأمانها: تظل البيانات محفوظة محليًا طوال العملية، دون الحاجة إلى تحميلها على السحابة، مما يوفر ضمان امتثال طبيعي للصناعات الحساسة مثل الرعاية الصحية والمالية. 5. التعاون العالمي غير المحدود: يمكن لأي شبكة وأجهزة عادية من أي مكان في العالم (مثل المدارس في إفريقيا، نقاط الاتصال في جنوب شرق آسيا، والشركات في أمريكا اللاتينية) الوصول بسهولة، لبناء شبكة تدريب ذكاء اصطناعي موزعة تغطي العالم.
إن جوهرها يكمن في تقنية DiLoCoX ، التي تحل مشكلة التعاون الفعال بين الأجهزة الموزعة في بيئات ذات عرض نطاق ترددي منخفض. من خلال النشر الموزع وإدارة البيانات المحلية ، يتجنب هذا الحل بفعالية المخاطر الجيوسياسية والتنظيمية (حتى مع وجود شركاء مثل الصين موبايل ، تظل البيانات محلية) ، مما يضمن حيادية النظام وملاءمته الواسعة على مستوى العالم.
أحدثت خطة 0G Labs تغييراً جذرياً في قواعد اللعبة، حيث كسرت القيود التي تفرضها مراكز القوة المركزية والتكاليف الباهظة لتدريب النماذج الكبيرة (مثل تدريب GPT-4 الذي قد يتجاوز 100 مليون دولار)، وأثبتت أن هناك مساراً أرخص وموزعاً يمكن الاعتماد عليه، مما خفض بشكل كبير من عتبة دخول الذكاء الاصطناعي، وجعل الشركات العادية والمطورين الأفراد قادرين على تحمل تكاليف تدريب النماذج الكبيرة، مما أطلق حقبة جديدة من الذكاء الاصطناعي المفتوح والمتساوي.
أخيرًا أود أن أذكر @shoutdotfun أن جائزة $ENERGY لا تزال تساوي بضع مئات من الدولارات، فقط إذا دخلت في المراكز الـ25 الأولى، سأستمر في المحاولة قليلاً.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
لم أتحدث مع yap @0G_labs منذ عدة أيام، وكان 0G مشغولاً مؤخراً، هناك العديد من التحركات الكبيرة، المؤسس @michaelh_0g أيضاً مشغول دائماً، أشعر دائماً أن الشيء الكبير قادم قريباً، أعتقد أن عدد الأشخاص الذين سيتحدثون عن yap 0G في أغسطس سيزداد، دعونا جميعاً نصبح عائلة 0G.
قبل عدة أيام، حققت 0G Labs مع شركة الصين المتنقلة إنجازًا كبيرًا، حيث تم بنجاح تدريب نموذج AI يحتوي على 107 مليار معلمة على شبكة عادية بسرعة 1Gbps. إن هذا الإنجاز قد كسر الاحتكار السابق الذي كان مقتصرًا على عمالقة مثل OpenAI وGoogle في تدريب النماذج ذات المليارات من المعلمات، مما يرمز إلى أن تدريب AI عالي الأداء أصبح "متاحًا للجميع".
تقدم هذه التقنية خمس مزايا ثورية:
1. قفزة في الكفاءة، انخفاض حاد في التكاليف: زيادة سرعة التدريب بمقدار 10 أضعاف، وانخفاض التكاليف بنسبة تصل إلى 95%
2. انخفاض كبير في عتبة الأجهزة: يمكن لبطاقات الرسوم العادية المنزلية المشاركة في التدريب، مما يمكّن المطورين الأفراد والشركات العادية من التعامل مع النماذج الكبيرة.
3. الحوكمة الذاتية اللامركزية: لا حاجة للاعتماد على عمالقة خدمات السحابة مثل AWS و Azure، حيث يكون للمستخدمين السيطرة الكاملة على قيادة التدريب.
4. خصوصية البيانات وأمانها: تظل البيانات محفوظة محليًا طوال العملية، دون الحاجة إلى تحميلها على السحابة، مما يوفر ضمان امتثال طبيعي للصناعات الحساسة مثل الرعاية الصحية والمالية.
5. التعاون العالمي غير المحدود: يمكن لأي شبكة وأجهزة عادية من أي مكان في العالم (مثل المدارس في إفريقيا، نقاط الاتصال في جنوب شرق آسيا، والشركات في أمريكا اللاتينية) الوصول بسهولة، لبناء شبكة تدريب ذكاء اصطناعي موزعة تغطي العالم.
إن جوهرها يكمن في تقنية DiLoCoX ، التي تحل مشكلة التعاون الفعال بين الأجهزة الموزعة في بيئات ذات عرض نطاق ترددي منخفض. من خلال النشر الموزع وإدارة البيانات المحلية ، يتجنب هذا الحل بفعالية المخاطر الجيوسياسية والتنظيمية (حتى مع وجود شركاء مثل الصين موبايل ، تظل البيانات محلية) ، مما يضمن حيادية النظام وملاءمته الواسعة على مستوى العالم.
أحدثت خطة 0G Labs تغييراً جذرياً في قواعد اللعبة، حيث كسرت القيود التي تفرضها مراكز القوة المركزية والتكاليف الباهظة لتدريب النماذج الكبيرة (مثل تدريب GPT-4 الذي قد يتجاوز 100 مليون دولار)، وأثبتت أن هناك مساراً أرخص وموزعاً يمكن الاعتماد عليه، مما خفض بشكل كبير من عتبة دخول الذكاء الاصطناعي، وجعل الشركات العادية والمطورين الأفراد قادرين على تحمل تكاليف تدريب النماذج الكبيرة، مما أطلق حقبة جديدة من الذكاء الاصطناعي المفتوح والمتساوي.
أخيرًا أود أن أذكر @shoutdotfun أن جائزة $ENERGY لا تزال تساوي بضع مئات من الدولارات، فقط إذا دخلت في المراكز الـ25 الأولى، سأستمر في المحاولة قليلاً.