Anreiznetzwerke: Die fehlende Verbindung zwischen KI und der realen Welt

Dezentrale Netzwerke machen alles komplizierter, aber dezentrale Netzwerke können komplizierte Dinge bewältigen. Wenn es darum geht, den gefräßigen Bedarf der künstlichen Intelligenz (KI) an Rechenleistung zu lösen, ist das Problem möglicherweise gerade kompliziert genug für eine Dezentralisierung.

Decentralized networks complicate everything, but they can also handle complicated things. When it comes to artificial intelligence’s (AI) insatiable demand for computing power, the problem might just be knotty enough for decentralization.

Dezentrale Netzwerke machen alles kompliziert, können aber auch komplizierte Dinge bewältigen. Wenn es um den unstillbaren Bedarf der künstlichen Intelligenz (KI) an Rechenleistung geht, könnte das Problem gerade kompliziert genug sein, um eine Dezentralisierung zu ermöglichen.

Incentive networks are a type of decentralized network that reward individual behavior that benefits the network as a whole, fostering an “ecosystem” mentality. What distinguishes a simple ecosystem from an incentive network is its intentionality and mechanisms. An ecosystem is often a fortunate accident, the sum of competing forces deciding they are better off working within certain parameters than outside the group. An incentive network is designed for shared success from the get-go.

Anreiznetzwerke sind eine Art dezentrales Netzwerk, das individuelles Verhalten belohnt, das dem Netzwerk als Ganzes zugute kommt, und so eine „Ökosystem“-Mentalität fördert. Was ein einfaches Ökosystem von einem Anreiznetzwerk unterscheidet, ist seine Absicht und seine Mechanismen. Ein Ökosystem ist oft ein glücklicher Zufall, wenn die Summe konkurrierender Kräfte entscheidet, dass es ihnen besser geht, innerhalb bestimmter Parameter zu arbeiten als außerhalb der Gruppe. Ein Incentive-Netzwerk ist auf den gemeinsamen Erfolg von Anfang an ausgelegt.

But how does this relate to AI? Think of scalable AI applications as mechanical entities that churn out simple answers from ludicrously large data sets using computational power, like gas in a car. The more data you haul and the faster you want the answers, the more gas you burn, and the biggest and most complex AI models burn several times what smaller ones do: OpenAI’s GPT-4 cost $78 million in compute to train, while Google’s Gemini Ultra cost $191 million. With numbers that big, a system that can reduce hardware investments and dynamically allocate resources to reduce overall costs while remaining impartial to the participants is crucial — and that’s what incentive networks do.

Aber was hat das mit KI zu tun? Stellen Sie sich skalierbare KI-Anwendungen als mechanische Einheiten vor, die mithilfe von Rechenleistung einfache Antworten aus lächerlich großen Datensätzen generieren, wie Benzin in einem Auto. Je mehr Daten Sie transportieren und je schneller Sie die Antworten benötigen, desto mehr Gas verbrennen Sie, und die größten und komplexesten KI-Modelle verbrauchen ein Vielfaches dessen, was kleinere tun: OpenAIs GPT-4 kostete 78 Millionen US-Dollar an Rechenleistung für das Training, während Googles Gemini 78 Millionen US-Dollar an Rechenleistung kostete Ultra kostete 191 Millionen US-Dollar. Bei solch großen Zahlen ist ein System von entscheidender Bedeutung, das Hardware-Investitionen reduzieren und Ressourcen dynamisch zuweisen kann, um die Gesamtkosten zu senken und gleichzeitig den Teilnehmern gegenüber unparteiisch bleibt – und genau das leisten Anreiznetzwerke.

Continue Reading on Coin Telegraph

Lesen Sie weiter auf Coin Telegraph