对话Gensyn联创：a16z领投的去中心化策动公约，怎么收尾AI民主化？
采访：Sunny and Min，深潮 TechFlow
嘉宾：Ben Fielding，Gensyn Co-Founder
咱们的计议不是旁边通盘机器学习生态系统，而是将Gensyn建立为优化策动资源诈欺的公约，仅位于电力之上，来显赫提高东说念主类有用诈欺策动资源的才略。
-- Ben Fielding，Gensyn CoFounder
2024年1月，OpenAI CEO Sam示意，将来两种进攻“货币”将是算力和动力。
然则，动作AI期间的职权货币，算力频频被大公司所旁边，止境是在AGI大模子领域，既然有旁边，也就有反旁边的力量，去中心化东说念主工智能(Decentralized AI)应时而生。
“区块链这一无需许可的组件不错为算力的买卖两边创建一个市集（或任何其他类型的数字资源，如数据或算法），在环球范围内无需中间商进行交游”，知名投资机构a16z曾在一篇著作如斯推崇AI算力的区块链之说念，其描摹面孔即为Gensyn。
Gensyn 是去中心化的深度学习策动公约，旨在成为机器学习策动的基础层，可通过智能合约方法可促进机器学习的任务分派和奖励，来快速收尾AI模子的学习才略，并裁减深度学习熟习的价钱。
Gensyn可将开发东说念主员（任何或者熟习机器学习模子的东说念主）与解题者（Solver，任何想用我方机器熟习机器学习模子的东说念主）磋磨起来。通过诈欺天下各地闲置的、具有机器学习才略的长尾策动设备（举例微型数据中心、个东说念主游戏电脑），将机器学习的可用策动才略提高10-100倍。
回顾起来，Gensyn中枢计议是通过区块链计议收尾AI民主化。
2023年6月， Gensyn 晓示完成4，300万好意思元 A 轮融资，由 a16z 领投，CoinFund、Canonical Crypto、Protocol Labs、Eden Block 等参投。
Gensyn 由策动机科学和机器学习接洽资深东说念主士Ben Fielding和Harry Grieve于2020年创立。Harry Grieve曾就读于布朗大学和阿伯丁大学，是一位数据科学家和企业家；Ben Fielding毕业于诺桑比亚大学，曾担任SaaS平台Fair Custodian的联合创举东说念主及Research Analytics董事。
深潮 TechFlow 采访了Gensyn联合创举东说念主Ben Fielding，了解其加密AI之旅，以及Gensyn的AI火器。
从创举东说念主视角看 Gensyn 的价值见地
TechFlow：是什么引发了您创立 Gensyn ？
Ben:
我领先的布景是在学术界，也曾动作又名机器学习接洽员，专注于神经架构搜索 (Neural Architecture Search) 领域。这个领域波及优化深度神经辘集的结构，尤其是用于策动机视觉应用。
我的责任是开发算法，以群体方法演化神经辘集结构。这个经过包括同期熟习繁密候选模子架构，并迟缓将它们演变为针对特定任务优化的单一元模子。
在此期间，我遭受了与策动资源磋磨的要紧挑战。动作又名博士生，我不错使用几台高性能 GPU，它们就放在我桌子下的大型责任站中，这些责任站是我设法购买的。
同期，像 Google 这么的公司也在进行雷同的接洽，但他们在数据中心使用多如牛毛的 GPU 和 TPU，执续运行数周。这种各异让我暴露到，尽管领有除了充足的策动才略外的所有必要资源，天下各地的其他东说念主也濒临一样的死心，这禁绝了接洽和社会朝上的速率。我对这种情况感到起火，这最终是咱们创建了 Gensyn。
在用心参预 Gensyn 之前，我花了两年时候共同创立了一流派据诡秘初创公司。这家企业专注于不休花费者数据流和基于情愿的用户数据看望，旨在改善个东说念主与企业在数据方面的互动方法。
这段经历教会了我难得的教养，包括常见的创业陷坑，并加强了我对个东说念主数据流和基于情愿看望的严慎格调。
四年前，我关闭了我的创业面孔，并加入了伦敦的一个加快器 Entrepreneur First，在哪里我遭受了我的合资东说念主 Harry Grieve 。就在哪里，咱们启动了 Gensyn，宗旨是惩办环球策动资源的挑战。咱们领先的策略波及跨单个组织的独到数据孤岛分派策动任务 （联邦学习），这相等风趣风趣。咱们很快暴露到推广这种标准至环球的更平方后劲。为了应付这一推广的愿景，咱们必须惩办与策动源自身磋磨的基本信任问题。
Gensyn 自当时起戮力于通过讲明注解、博弈论激励机制和概率查验的联结，确保在设备上处理的机器学习任务的准确性。诚然具体内容可能荒谬技艺化，但 Gensyn 戮力于开发一个系统，使环球任何东说念主都不错使用任何策动设备来熟习机器学习模子。
TechFlow: Sam Altman 需要 7 万亿好意思元来计议 AI 芯片工场，以应付环球芯片短缺问题。他的计议在范围化芯片供应方面是否现实？与此同期，Gensyn 正在惩办哪些与 Altman 的惩办决策不同的AI问题？
Ben:
对于 AI 领域过甚濒临的挑战，Gensyn 正在惩办与 Altman 濒临的问题雷同的问题。骨子上，惩办策动看望问题有两种方法。机器学习正在变得越来越广泛，可能会集成到咱们使用的每一项技艺中，从号令式代码过渡到概率模子。这些模子需要多量的策动才略。当你比较策动需求与天下芯片制造才略时，你会注重到显赫的差距；需求正在飞快高潮，而芯片坐褥仅逐步增长。
惩办决策在于（1）制造更多芯片以称心需求或（2）提高现存芯片使用恶果。
最终，这两种策略都是惩办延续增长的策动资源需求的必要妙技。
我以为 Altman 有用地正面应付了这一问题。问题在于芯片供应链，这是一个相等复杂的系统。这个供应链的某些部分尤其具有挑战性，惟有少数公司有才略不休这些复杂性。现在，好多政府驱动将其视为地缘政事问题，投资于国内再行定位半导体制造厂和惩办供应链中的一些瓶颈问题。
在我看来，Altman 所提倡的，所以 7 万亿好意思元的数字测试市集，以辩论环球金融市集对这一问题的关注进度。这个惊东说念主的数字莫得被径直休止，这相等引东说念主肃穆。它促使东说念主们再行念念考：“这听起来无理，但是确实吗？”
这种反馈标明照实存在要紧随和，何况东说念主们兴盛拨出多量资金来惩办这一问题。通过设定如斯高的基准，Altman 实践上为任何将来的芯片坐褥竭力创建了一个参考点。这一计谋举措标明，即使实践成本莫得达到 7 万亿好意思元，也为该领域的大范围投资设定了前例，标明了惩办芯片制造挑战的坚硬承诺。
Gensyn 的标准有所不同；咱们旨在优化环球现存芯片的使用。好多这些芯片，从游戏 GPU 到配备 M1、M2、M3 芯片的 Macbook，都莫得得到充分诈欺。
这些设备实足有才略撑执 AI 处理，无需开发新的专用 AI 处理器。然则，诈欺这些现存资源需要一个公约，将它们整合成一个融合的辘集，雷同于 TCP/IP 促进互联网通讯的方法。
这种公约将使这些设备或者按需用于策动任务。
咱们公约与传统开源公约如 TCP/IP 之间的主要区别在于财务方面。诚然后者地说念是技艺惩办决策，但使用硬件资源自身波及固有成本，如电费和硬件自身的物理成本。
为了惩办这一问题，咱们的公约融入了加密货币和去中心化原则，以建立价值妥洽辘集来激励硬件所有者的孝顺。
因此，Gensyn 代表一种双重性质的惩办决策：它既是软件会聚的开源公约，亦然资源赔偿的财务机制。
此外，机器学习市步地临的挑战不单是是策动资源。
数据看望、学问分享等其他身分也起顾惜要作用。通昔时中心化技艺，咱们不错促进这些不同组件的价值包摄，鼓舞愈加集成和高效的生态系统。因此，Gensyn 并不是孤随即运作；咱们惩办了更平方挑战的一部分，但其他惩办决策也需要惩办剩余的问题。这种合作竭力对于鼓舞机器学习领域的发展至关进攻。界说 Gensyn 的双重性（ Dual-natured）惩办决策
TechFlow：您能用最浅薄的术语解释一下 Gensyn 的双重惩办决策吗？
Ben:
浅薄地说，Gensyn 是一个基于开源软件之上的点对点辘集，让你的设备参与其中只需运行这款软件，而且你的设备必须或者实行机器学习熟习任务。这个辘集由多个节点构成，每个节点都像你的设备一样运行该软件，它们之间径直通讯，分享磋磨可用硬件和待实行任务的信息。这么作念的自制是不需要中心劳动器，你的设备不错径直与其他设备交互，从而幸免了中心劳动器的需求。
Gensyn 的一个进攻脾性是它的通讯经过莫得中央泰斗，举例，淌若你正在使用 MacBook，它会径直与其他 MacBook 会聚和通讯，交换磋磨硬件才略和可用任务的信息。
Gensyn 濒临的主要挑战之一是考据链下的非细目性 （non-deterministic) 策动，这些策动对于区块链来说太大。
咱们的惩办决策是引入一个考据机制，允许设备生成可考据的策动讲明注解。这个讲明注解不错由其他设备查验，确保责任的无缺性，同期又不会暴露将要考据任务的哪些部分，从而退避设备仅完成可能被查验的任务部分。
咱们的系统饱读舞设备动作惩办决策提供者和考据者参与加密讲明注解经过或选拔性责任重运行，以细目已完成任务的有用性。骨子上，Gensyn 旨在收尾节点之间的互操作，彼此考据责任，并就完成的任务达成共鸣。任务的支付在这个框架内实行，诈欺区块链的信任机制。这个技艺生态系统效法了以太坊的功能，专注于节点间的彼此考据，以确保任务的无缺性。
咱们的主要计议是通过最小的策动竭力收尾任务完成的共鸣，确保系统的无缺性，同期容纳大范围机器学习任务。
要而论之，Gensyn 不错分为两个主要部分。
第一部分是区块链方面，包括我之前提到的现象机。这是参与者之间分享策动发生的处所。Gensyn 的另一半波及通讯基础法子，侧重于节点怎么彼此作用以及处理机器学习任务。这种成立允许任何节点实行任何策动，前提是它不错稍后在区块链侧考据责任。
咱们正在搭建一个掩盖所有节点的通讯基础法子，以促进信息分享、必要时的模子分割以及平方的数据处理。这种成立撑执各式模子熟习标准，如数据并行、模子并行和管说念分区，而不需要立即的信任妥洽。
双重性惩办决策 = 现象机+ 机器学习任务通讯
Gensyn现象机
TechFlow：Gensyn 链如安在特定的机器学习点对点汇荟萃阐述作用？
Ben:
领先，咱们假定所有参与者都在按照他们的变装履行任务并生成相应的讲明注解。然后，咱们将注重力调动到区块链方面，在哪里咱们爱护一个雷同于其他区块链的分享现象，包括哈希化交游和操作，还有哈希化前一个区块，这么酿成了一个无缺的链条。
参与者之间的共鸣是，淌若一个区块中的策动匹配并产生换取的哈希值，则以为责任正确完成，允许咱们进入下一个链环。
Gensyn 使用 POS 运作机制，奖励那些考据区块生成的孝顺。
创建一个区块波及对 (1) 机器学习考据责任所需的操作进行哈希化，和 (2) 记载该区块内发生的交游。
诚然咱们的标准与以太坊等系统相似，但咱们的罕见孝顺主要在于通讯方面，止境是节点怎么不休和合作处理机器学习任务。
TechFlow：Gensyn 链与以太坊有何不同？淌若中枢基础法子并非新颖，在线配资平台POS 链是怎么设计来称神思器学习的特定用例的？
Ben：
咱们的区块链中枢结构并不新颖，除了一个新颖的数据可用性层。显赫的不同在于咱们处理更大策动任务的才略，这使得咱们的操作比以太坊上频繁可能的愈加高效。
这对于卷积运算 (convolution operations) 止境磋磨，这是好多机器学习模子的基本构成部分。
在以太坊虚构机（EVM）中使用 Solidity 高效实行这些运算是具有挑战性的。
Gensyn 链提供了更多的纯真性，允许咱们更有用地处理这些策动，而不受 EVM 操作范围的死心。
真实的挑战在于收尾模子的泛化性（Generalizability)：这意味着模子或者在遭受全新的样本时准确预测其位置，即使此前未始见过，因为它具备实足平方的空间交融。
这种熟习经过需要多量的策动资源，因为它需要反复通过模子传递数据。
Gensyn 的机器学习运行时的任务是得到模子的图形示意，并将其置于一个框架中，以便在实行策动时生成每个操作的完成讲明注解。
这里存在一个进攻问题，即细目性和可重现性。
期望情况下，在数学天下中，重叠一个操作应该产生换取的闭幕。然则，在策动硬件的物理天下中，不行预测的变量可能导致策动闭幕出现渺小变化。
到现在为止，在机器学习中的一定进度的有时性是不错采取的，以至是有益的，因为它有助于退避模子过度拟合，并促进更好的泛化。
然则，对于Gensyn而言，泛化性和可重现性都至关进攻。
策动闭幕的变化可能导致实足不同的哈希值，这可能导致咱们的考据系统空幻地瑰丽责任为未完成，从而濒临财务蚀本的风险。为了应付这少量，咱们的运行时确保操作在各个设备上都是细目性和可重现的，这是一种复杂但必要的惩办决策。
这种标准在某种进度上雷同于使用诸如PyTorch、TensorFlow或JAX等机器学习框架。用户不错在这些框架内界说模子并启动熟习。咱们正在适合这些框架和底层库，举例策动融合设备架构（CUDA），以确保模子实行时或者在职何设备上以可重叠的准确方法进行。
这确保了一台设备上操作闭幕的哈希处理在另一台设备上产生换取的哈希，凸显了咱们系统中机器学习实行这一方面的进攻性。
Gensyn通过开源区块链通讯公约收尾了云劳动的去中心化，以撑执去心化机器学习
TechFlow：那么在Gensyn链之上，这套特定于机器学习辘集的区块链通讯法子又是怎么的？
Ben：
通讯基础法子的宗旨是促进设备间的彼此通讯。其主邀功能是允许一台设备考据另一台设备生成的责任和讲明注解。
在骨子上，设备之间的通讯用于彼此考据责任，这照旧过需通过区块链进行，因为区块链在职何争议中都饰演着中心仲裁者的变装。区块链是咱们系统中独一的着实着手，短缺它就无法可靠地考据参与方的身份，任何东说念主都可能宣称他们已经历证了责任。
区块链过甚加密技艺使身份考据和责任说明变得安全。设备不错在这一机制下讲明注解我方的身份并安全提交信息，使得其他方不错识别并考据这些信息的真实性。
这一系统的最终宗旨是向设备所有者提供赔偿。淌若你领有可实行机器学习任务的硬件，你不错将其出租。
然则，在传统系统中，这照旧过复杂且成本精湛。举例，购买多量Nvidia GPU并出租它们——将成本支拨升沉为运营支拨，雷同于云劳动提供商——波及繁密挑战。你需要找到对你硬件感兴趣的AI公司，建立销售渠说念，发展模子传输和看望的基础法子，并不休包括劳动级别公约（SLA）在内的法律和运营公约。SLA条件现场工程师确保与客户商定的正常运行时候，任何停机都会导致基于合同的包袱和潜在的财务风险。这种复杂性对个东说念主或小企业是一个要紧辛苦，这亦然皆集式云劳动成为主流的原因之一。
Gensyn提供了一种更为有用的标准，摒除了这些交游频繁波及的东说念主力和生意成本。你只需运行一些软件，而不依赖法律合同和工程师开采基础法子。法律公约被智能合约取代，责任考据通过自动化系统进行，查验任务是否正确完成。不再需要手动处理爽约索赔或寻求法律惩办，所有这些都不错通过技艺立即惩办，这是一个显赫的上风。这意味着供应商只需运行一些软件，就不错立即从他们的GPU得到收益，无需承担任何额外勤苦。
对于 Go to Market
咱们饱读舞供应商加入Gensyn辘集的方法是，告诉他们他们不错通过运行开源软件，立即进入机器学习策动的需求市集。这是一个前所未有的契机，显赫扩大了市集，允许新入者挑战像AWS这么的传统劳动的总揽地位。AWS和其他公司需要不休复杂的操作，而咱们正在将这些操作调遣为代码，创造新的价值流动路线。
传统上，淌若你有一个需要熟习的机器学习模子并兴盛为策动付费，你的钱将流向旁边供应的主要云提供商。他们因或者有用不休而占据市集。尽管Google Cloud、Azure和其他公司的竞争日益横暴，这些供应商的利润率仍然很高。
对于去中心化云劳动的宗旨：去中心化熟习 Vs. 去中心化推理
TechFlow：机器学习大要分为熟习 (training) 和推理 (inference) 两部分。Gensyn 的 P2P 策动资源在在哪个部分阐述作用？
Ben：
咱们的要点是熟习，这波及到价值的索取。
熟习包括从领先的学习到微调，而推理只波及用数据查询模子而不改变它，基本上是字据输入看模子预测什么。
熟习需要多量策动资源，频繁是异步的，不需要即时闭幕。比较之下，推理需要快速实行，以确保及时应用顶用户的惬意度，这与熟习时策动密集型的脾性酿成了明显对比。去中心化技艺现在还不及以惩办对推理至关进攻的延伸问题。将来，为了有用地进行推理，模子需要尽可能围聚用户部署，通过诈欺地舆接近性来最小化延伸。
然则，启动这么的辘集颇具挑战，因为其价值和遵守会随辘集范围的扩大而增长，这允洽梅特卡夫执法，雷同于咱们在Helium辘集等面孔中看到的发展动态。
因此，Gensyn 径直应付推理挑战是不现实的；这个任务更允洽由专注于优化延伸和辘集掩盖的孤苦实体来承担。
咱们撑执专注于单一功能优化的公约，而非尝试在多个领域同期发展，以幸免遵守的稀释。这种专科化鼓舞了竞争和创新，并导致了一系列各自忽闪生态系统特定方面的互操作公约。
期望情况下，除了运行Gensyn节点进行策动任务外，用户还能操作其他功能节点，如推理、数据不休和数据瑰丽。这些辘集的互联将有助于构建一个强盛的生态系统，其中机器学习任务不错在各式平台间无缝调动。这种去中心化的将来愿景预示着一个新的辘集脉络，每个脉络都通过集体的孝顺增强机器学习的才略。
去中心化东说念主工智能生态：怎么与去中心化数据公约达成共赢？
TechFlow：辩论到策动和数据是机器学习的进攻输入，Gensyn 的策动公约怎么与数据公约合作？
Ben：
策动只是一个方面；数据是另一个进攻领域，一样不错应用价值流动模子，尽管考据和激励机制不同。
咱们设计一个丰富的生态系统，包括在像你的 MacBook 这么的设备上运行的多个节点。你的设备上可能有一个 Gensyn 策动节点、一个数据节点，以至是一个数据瑰丽节点，通过游戏化激励或径直支付孝顺于数据瑰丽，频繁不径直暴露到这些模子背后的经过。
这个生态系统为咱们攫金不见人地称之为机器智能改动铺平了说念路，标志着互联网的新阶段或进化。面前的互联网动作一个巨大的东说念主类学问文本式样的仓库。
策动是进攻的一环，数据则是另一重要领域，一样不错应用价值流动模子，诚然考据和激励机制有所不同。
咱们设计一个充满活力的生态系统，包括在像MacBook这么的设备上运行的多个节点。你的设备上可能不仅运行一个Gensyn策动节点，还可能包括数据节点和数据瑰丽节点。通过游戏化激励或径直支付，这些节点将为数据瑰丽作念出孝顺，用户频繁不会暴露到这些背后的复杂经过。
这个生态系统为咱们所称的机器智能改动铺平了说念路，标志着互联网进入一个新的发展阶段。现在的互联网是一个雄壮的东说念主类学问的文本库。
咱们瞻望的将来互联网，是通过机器学习模子而不是文原本呈现互联网。这意味着在环球范围内，从MacBook到iPhone再到云劳动器，机器学习模子的片断将分散在这些设备上，使咱们或者通过这一分散式辘集进行查询和推理。与由少数云提供商端正的皆集式模子比较，这种模子承诺了一个更盛开的生态系统，收获于区块链技艺。
区块链不仅促进资源分享，还确保了任务的即时考据，考据而已设备的任求实行正确无误且未被点窜。
Gensyn戮力于在此框架内开发策动基础，并饱读舞其他东说念主探索数据辘集的激励决策。期望情况下，Gensyn将与这些辘集无缝集成，提高机器学习熟习和应用的恶果。咱们的计议不是旁边通盘机器学习生态系统，而是将Gensyn建立为优化策动资源诈欺的公约，位于电力之上，显赫提高东说念主类有用诈欺策动资源的才略。
Gensyn止境惩办了将价值和数据升沉为模子参数的挑战。骨子上，淌若你有一个数据样本——无论是图像、册本、文本、音频如故视频——何况你但愿将这些数据升沉为模子参数，Gensyn促进了这照旧过。这使得模子或者对将来雷同数据作念出预测或揣测，跟着参数的更新而进化。将数据索取为模子参数的通盘经过恰是Gensyn的专长，而机器学习栈的其他方面则由其他系统不休。
额外话题：AI与加密货币初创公司是否受地舆死心？
TechFlow：辩论到你丰富的经历，你能比较一下早期动作技艺领域的开采者和接洽者在处理策动和技艺的逶迤和挑战时，与你面前的经历有何不同吗？你能分享一下这种转变和伦敦技艺文化对你的发展和确立的影响吗？
Ben：
伦敦乃至通盘英国的科技环境与硅谷有着显赫的不同。尽管英国的技艺社区充满了特出东说念主才和始创性的责任，但它频频愈加内向。这为新来者试图融入这些圈子成立了辛苦。
我以为，这种各异源于英国和好意思国之间格调的对比。好意思国东说念主频繁线路出更盛开的风貌，而英国东说念主频繁愈加怀疑和保守。这种文化渺小辨别意味着融入和适合英国的技艺生态系统需要竭力和时候。然则，一朝你作念到了，你会发现一个充满活力且丰富的社区，从事着天际有天的面孔。区别在于可见度和外联；与硅谷不同，哪里的确立被高声庆祝，伦敦的创新者倾向于愈加低调地责任。
最近，英国止境是在向去中心化和东说念主工智能转变的经过中，似乎正在为我方开辟一个利基。这部分是因为好意思国和欧洲的监管发展。举例，最近好意思国的律例，如拜登总统的行政号令详尽的那样，对东说念主工智能开发施加了一些死心，包括对卓越特定阈值的面孔强制政府论述。这些律例可能会扼制新开发者的激情。比较之下，英国似乎领受了更盛开的格调，倾向于开源而不是严格的监管，从而培养了一个更故意于创新的环境。
旧金山以其强盛的开源通顺而著名，濒临着加州立法与联邦行政号令相呼应的新挑战。这些律例，尽管起点是保护社会，但意外中将东说念主工智能开发皆集在已建立的实体中。这些实体有才略遵从监管条件，而潜在具有改动性想法的微型参与者则处于不利地位。英国暴露到开源动作对东说念主工智能开发进行社会监督的一种妙技的价值，幸免了对死心肠政府监控的需求。开源实践当然促进了审查和合作，确保东说念主工智能技艺在不用除创新的情况下保执受到查验。
欧盟对东说念主工智能的初步监管比咱们在英国看到的要严格，英国设法找到了饱读舞开源开发的均衡点。这一策略不仅旨在收尾换取的监管计议，还确保市集保执活力和竞争力。英国的定位对于培植一个充满活力和盛开的东说念主工智能和加密创更生态系统止境故意。这对伦敦的科技行业来说是一个动听东说念主心的时刻。
更多磋磨阅读：
https://docs.gensyn.ai/litepaperhttps://epicenter.tv/episodes/471https://www.techflowpost.com/article/detail_14995.htmlhttps://hyperobjects.substack.com/p/understanding-maximum-computing-supply发布于：河南省