"Jak 0G dosahuje začlenění umělé inteligence?" Slovo hegemonie není v moderní době nové, jako je hegemonie dolaru, dominance žetonů atd V 21. století, s rychlým rozvojem vědy a techniky, je umělá inteligence nejpokročilejším krystalizačním @0G_labs lidské společnosti Umělá inteligence se nejvíce spoléhá na modely a trénování modelů není v současné době technickým problémem, ale otázkou práv ke zdrojům Pouze několik podniků má superpočítačová centra, vysokorychlostní šířku pásma a synchronní GPU clustery pro trénování velkého modelu se 100B parametry, což je samo o sobě dělicí čára výkonu 🟣 A @0G_labs tuto hranici porušuje DiLoCoX je nejnovější královská bomba od 0G Úspěšně dokončili distribuované trénování 107B parametrického modelu v síťovém prostředí s šířkou pásma pouze 1 Gb/s, pomocí clusteru 160 A800 Žádné superpočítače, žádné optické propojení, žádná školení pro velké výrobce, dokonce ani Infiniband Výsledný model má ztrátu přesnosti menší než 0,5 % a efektivita tréninku je více než 357krát vyšší než u tradiční architektury AllReduce @0G_labs ji nazývá DiLoCoX, distribuovaný školicí rámec přizpůsobený pro prostředí s nízkou komunikací Klíčem je vytvořit trénovací mechanismus, který toleruje latenci, podporuje asynchronní, může postupovat nezávisle na různých umístěních a nakonec agreguje Smyslem této záležitosti není jen úspora peněz 🟣 #0G Prolomení centralizace modelbuildingového procesu přináší uvolnění hranic participace To, co bylo dříve pro většinu zemí, podniků a vývojářů nedostupné, je nyní: > Univerzita může sjednotit deset malých podniků, aby společně trénovaly vertikální model > Africká země může nasadit on-premise inteligentní systémy bez AWS nebo Google Cloud > Distribuovaná komunita může koordinovat GPU a data v řetězci a využívat chytrá aktiva jako pobídky k dosažení školení založené na spolupráci s dlouhým ocasem Současná válka o umělou inteligenci není o produktech, ale o zdrojích I když máte vynikající architekturu algoritmu, pokud nemůžete trénovat efektivně, vždy se zastavíte u prototypu nebo dolaďování V tradičním režimu jsou synchronizace a šířka pásma sítě potřebné pro školení samy o sobě nákladovou bombou a představují základní příkop centrálních dodavatelů cloudu DiLoCoX začal tuto závislost odstraňovat zespodu, aby dosáhl skutečného začlenění umělé inteligence