ওপেন নিউরাল নেটওয়ার্ক: AI এবং web3 এর ছেদ

রিশিন শর্মা এবং জেক ব্রুখম্যান দ্বারা।

নিক ইয়াকোভেনকো, ডেভিড পাকম্যান, জান কপেনস, এসি, ইভান ফেং, আদি সাইডম্যান সহ যারা এই অংশে প্রতিক্রিয়া দিয়েছেন তাদের প্রত্যেককে বিশেষ ধন্যবাদ।

উত্স: Lexica.art থেকে AI-উত্পন্ন চিত্র, একটি স্থিতিশীল বিস্তার অনুসন্ধান ইঞ্জিন

প্রযুক্তিগত উদ্ভাবন কখনই স্থির থাকে না এবং এটি কৃত্রিম বুদ্ধিমত্তার জন্য বিশেষভাবে সত্য। বিগত কয়েক বছরে, আমরা দেখেছি গভীর শিক্ষার মডেলগুলির জনপ্রিয়তা AI-তে অগ্রদূত হিসাবে পুনরাবির্ভূত হয়েছে। এছাড়াও হিসাবে উল্লেখ করা নিউরাল নেটওয়ার্ক, এই মডেলগুলি নোডগুলির ঘন আন্তঃসংযুক্ত স্তরগুলির সমন্বয়ে গঠিত যা একে অপরের মাধ্যমে তথ্য প্রেরণ করে, মোটামুটিভাবে মানব মস্তিষ্কের নির্মাণকে অনুকরণ করে। 2010-এর দশকের গোড়ার দিকে, সবচেয়ে উন্নত মডেলগুলিতে লক্ষ লক্ষ প্যারামিটার ছিল, বিশেষ অনুভূতি বিশ্লেষণ এবং শ্রেণীবিভাগের জন্য ব্যবহৃত মডেলগুলি ভারী তত্ত্বাবধানে ছিল। আজকের সবচেয়ে উন্নত মডেল যেমন ড্রিমস্টুডিও, GPT-3, DALL-E2, এবং ছবি এক ট্রিলিয়ন প্যারামিটারের কাছে পৌঁছেছে এবং জটিল এবং এমনকি সৃজনশীল কাজগুলি সম্পন্ন করছে যা মানুষের কাজের প্রতিদ্বন্দ্বী। উদাহরণস্বরূপ, এই ব্লগ পোস্টের হেডার ইমেজ বা সারাংশ নিন। উভয়ই কৃত্রিম বুদ্ধিমত্তা দ্বারা উত্পাদিত হয়েছিল। আমরা এই মডেলগুলির সামাজিক এবং সাংস্কৃতিক প্রভাবগুলি দেখতে শুরু করেছি কারণ তারা কীভাবে আমরা নতুন জিনিস শিখি, একে অপরের সাথে যোগাযোগ করি এবং সৃজনশীলভাবে নিজেকে প্রকাশ করি।

যাইহোক, বেশিরভাগ প্রযুক্তিগত জ্ঞান-কীভাবে, মূল ডেটা সেট এবং বৃহৎ নিউরাল নেটওয়ার্কগুলিকে প্রশিক্ষিত করার কম্পিউটেশনাল ক্ষমতা আজ ক্লোজড সোর্স এবং Google এবং Meta-এর মতো "বিগ টেক" কোম্পানি দ্বারা গেটেড। রেপ্লিকা ওপেন সোর্স মডেল যেমন জিপিটি-নিওএক্স, DALLE-মেগা, এবং পুষ্প সহ সংগঠনের নেতৃত্বে হয়েছে স্থিতিশীলতাএআই, EleutherAI, এবং জড়িয়ে আছে, web3 ওপেন সোর্স এআইকে আরও বেশি সুপারচার্জ করতে প্রস্তুত।

“এআই-এর জন্য একটি ওয়েব3 অবকাঠামো স্তর ওপেন সোর্স ডেভেলপমেন্ট, সম্প্রদায়ের মালিকানা এবং শাসন, এবং সর্বজনীন অ্যাক্সেসের উপাদানগুলি প্রবর্তন করতে পারে যা এই নতুন প্রযুক্তিগুলির বিকাশে নতুন মডেল এবং দক্ষতা তৈরি করে৷"

আরও, AI প্রযুক্তিগুলি গ্রহণের মাধ্যমে ওয়েব3-এর জন্য অনেকগুলি সমালোচনামূলক ব্যবহারের ক্ষেত্রে উন্নত করা হবে। থেকে জেনারেটিভ আর্ট এনএফটি মেটাভার্সাল ল্যান্ডস্কেপে, AI ওয়েব3-এ অনেক ব্যবহারের ক্ষেত্রে খুঁজে পাবে। ওপেন সোর্স AI ওয়েব3-এর উন্মুক্ত, বিকেন্দ্রীকৃত এবং গণতান্ত্রিক নীতির মধ্যে ফিট করে এবং বিগ টেক দ্বারা প্রদত্ত AI-এর বিকল্প প্রতিনিধিত্ব করে, যেটি খুব শীঘ্রই খোলা হওয়ার সম্ভাবনা নেই৷

ফাউন্ডেশন মডেল নিউরাল নেটওয়ার্কগুলি হল বিস্তৃত ডেটাসেটে প্রশিক্ষিত কাজগুলি সম্পাদন করার জন্য যা সাধারণত বুদ্ধিমান মানুষের আচরণের প্রয়োজন হয়। এই মডেলগুলি কিছু চিত্তাকর্ষক ফলাফল তৈরি করেছে।

ভাষা মডেল যেমন OpenAI এর GPT-3, Google এর LaMDA, এবং এনভিডিয়ার মেগাট্রন-টুরিং এনএলজি বোধগম্য এবং প্রাকৃতিক ভাষা উত্পাদন করার ক্ষমতা আছে, টেক্সট সংক্ষিপ্তকরণ এবং সংশ্লেষিত, এবং এমনকি কম্পিউটার কোড লিখুন.

DALLE-2 হল OpenAI এর টেক্সট-টু-ইমেজ ডিফিউশন মডেল যা লিখিত পাঠ্য থেকে অনন্য চিত্র তৈরি করতে পারে। Google এর AI বিভাগ DeepMind প্রতিযোগী মডেল তৈরি করেছে যার মধ্যে PaLM, একটি 540B প্যারামিটার ভাষার মডেল এবং Imagen, তার নিজস্ব ইমেজ-জেনারেশন মডেল যা ড্রবেঞ্চ এবং COCO FID বেঞ্চমার্কে DALLE-2-কে ছাড়িয়ে যায়। ইমেজেন উল্লেখযোগ্যভাবে আরো ফটোরিয়ালিস্টিক ফলাফল তৈরি করে এবং বানান করার ক্ষমতা রাখে।

রিইনফোর্সমেন্ট শেখার মডেল যেমন Google এর AlphaGo পরাজিত করেছেন মানব গো বিশ্ব চ্যাম্পিয়ন নতুন কৌশল এবং খেলার কৌশল আবিষ্কার করার সময় যা গেমের তিন হাজার বছরের ইতিহাসে দেখা যায়নি।

উদ্ভাবনের অগ্রভাগে বিগ টেকের সাথে জটিল ভিত্তি মডেল তৈরির দৌড় ইতিমধ্যেই শুরু হয়েছে৷ ক্ষেত্রের অগ্রগতি যতটা উত্তেজনাপূর্ণ, সেখানে একটি মূল বিষয় রয়েছে যা উদ্বেগের বিষয়।

গত এক দশকে, AI মডেলগুলি আরও পরিশীলিত হওয়ার সাথে সাথে তারা জনসাধারণের কাছে ক্রমশ বন্ধ হয়ে গেছে।

টেক জায়ান্টরা মডেল প্রশিক্ষণ এবং গণনার জন্য তাদের স্কেল সুবিধার অর্থনীতির মাধ্যমে তাদের প্রতিযোগিতামূলক পরিখা সংরক্ষণ করার পাশাপাশি এই ধরনের মডেল তৈরি করতে এবং ডেটা এবং কোডকে মালিকানা প্রযুক্তি হিসাবে ধরে রাখার জন্য প্রচুর বিনিয়োগ করছে।

যে কোনো তৃতীয় পক্ষের জন্য, ফাউন্ডেশন মডেল তৈরি করা একটি সম্পদ-নিবিড় প্রক্রিয়া যার তিনটি প্রধান বাধা রয়েছে: তথ্য, গণনা, এবং নগদীকরণ.

এখানে আমরা এই সমস্যাগুলির কিছু সমাধান করার জন্য ওয়েব3 থিমের প্রথম দিকের পথ দেখতে পাই।

লেবেলযুক্ত ডেটাসেটগুলি কার্যকর মডেল তৈরির জন্য গুরুত্বপূর্ণ। এআই সিস্টেমগুলি ডেটাসেটের মধ্যে থাকা উদাহরণগুলি থেকে সাধারণীকরণ করে শেখে এবং সময়ের সাথে সাথে প্রশিক্ষিত হওয়ার সাথে সাথে ক্রমাগত উন্নতি করে। যাইহোক, গুণমান ডেটাসেট সংকলন এবং লেবেলিংয়ের জন্য গণনামূলক সংস্থান ছাড়াও বিশেষ জ্ঞান এবং প্রক্রিয়াকরণ প্রয়োজন। বড় কারিগরি সংস্থাগুলির প্রায়ই অভ্যন্তরীণ ডেটা টিম থাকবে বড়, মালিকানাধীন ডেটাসেটগুলির সাথে কাজ করার জন্য বিশেষায়িত আইপি সিস্টেম তাদের মডেলদের প্রশিক্ষণ দিতে, এবং তাদের ডেটা উৎপাদন বা বিতরণে অ্যাক্সেস খোলার জন্য সামান্য উদ্দীপনা আছে।

ইতিমধ্যেই এমন সম্প্রদায় রয়েছে যারা মডেল প্রশিক্ষণকে বিশ্বব্যাপী গবেষকদের জন্য উন্মুক্ত এবং অ্যাক্সেসযোগ্য করে তুলছে। এখানে কিছু উদাহরন:

1. সাধারণ ক্রল, ইন্টারনেট ডেটার দশ বছরের একটি পাবলিক ভান্ডার, সাধারণ প্রশিক্ষণের জন্য ব্যবহার করা যেতে পারে। (যদিও গবেষণা শো যে আরও সুনির্দিষ্ট, প্যারড ডেটাসেটগুলি মডেলগুলির সাধারণ ক্রস-ডোমেন জ্ঞান এবং নিম্নধারার সাধারণীকরণ ক্ষমতা উন্নত করতে পারে।)
2. LAION একটি অলাভজনক সংস্থা যার লক্ষ্য বড় আকারের মেশিন লার্নিং মডেল এবং ডেটাসেটগুলি সাধারণ জনগণের জন্য উপলব্ধ করা এবং প্রকাশ করা LAION5B, একটি 5.85 বিলিয়ন CLIP-ফিল্টার করা ইমেজ-টেক্সট পেয়ার ডেটাসেট যা রিলিজের পর বিশ্বের বৃহত্তম খোলামেলা অ্যাক্সেসযোগ্য ইমেজ-টেক্সট ডেটাসেট হয়ে উঠেছে।
3. EleutherAI একটি বিকেন্দ্রীভূত সমষ্টি যা একটি বৃহত্তম ওপেন সোর্স টেক্সট ডেটাসেট প্রকাশ করে গাদা. The Pile হল ভাষা মডেলিংয়ের জন্য একটি 825.18 GiB ইংরেজি ভাষার ডেটাসেট যা 22টি ভিন্ন তথ্য উৎস ব্যবহার করে।

বর্তমানে, এই সম্প্রদায়গুলি অনানুষ্ঠানিকভাবে সংগঠিত এবং একটি বিস্তৃত স্বেচ্ছাসেবক ভিত্তি থেকে অবদানের উপর নির্ভর করে। তাদের প্রচেষ্টাকে সুপারচার্জ করার জন্য, টোকেন পুরষ্কারগুলিকে ওপেন-সোর্স ডেটাসেট তৈরি করার প্রক্রিয়া হিসাবে ব্যবহার করা যেতে পারে। টোকেনগুলি অবদানের উপর ভিত্তি করে নির্গত হতে পারে, যেমন একটি বড় পাঠ্য-ইমেজ ডেটাসেট লেবেল করা, এবং একটি DAO সম্প্রদায় এই ধরনের দাবিগুলিকে যাচাই করতে পারে। শেষ পর্যন্ত, বড় মডেলগুলি একটি সাধারণ পুল থেকে টোকেন ইস্যু করতে পারে এবং উল্লিখিত মডেলগুলির উপরে নির্মিত পণ্যগুলি থেকে নিম্নধারার রাজস্ব টোকেন মূল্যে জমা হতে পারে। এইভাবে ডেটাসেট অবদানকারীরা তাদের টোকেনগুলির মাধ্যমে বড় মডেলগুলিতে একটি অংশীদারিত্ব ধরে রাখতে পারে এবং গবেষকরা উন্মুক্তভাবে বিল্ডিং সংস্থানগুলি নগদীকরণ করতে সক্ষম হবেন।

বৃহৎ মডেলগুলির জন্য গবেষণা অ্যাক্সেসযোগ্যতা প্রশস্ত করতে এবং মডেলের কার্যকারিতা উন্নত করার জন্য ভালভাবে তৈরি ওপেন সোর্স ডেটাসেটগুলি সংকলন করা গুরুত্বপূর্ণ। টেক্সট-ইমেজ ডেটাসেটগুলিকে আরও সূক্ষ্ম-টিউনড ফলাফলের জন্য বিভিন্ন ধরণের চিত্রের আকার এবং ফিল্টার বাড়িয়ে প্রসারিত করা যেতে পারে। নন-ইংরেজি ডেটাসেটগুলি প্রাকৃতিক ভাষার মডেল প্রশিক্ষণের জন্য প্রয়োজন হবে যা অ-ইংরেজি ভাষাভাষী জনগোষ্ঠী ব্যবহার করতে পারে। সময়ের সাথে সাথে, আমরা একটি web3 পদ্ধতি ব্যবহার করে এই ফলাফলগুলি আরও দ্রুত এবং আরও খোলামেলাভাবে অর্জন করতে পারি।

বৃহৎ-স্কেল নিউরাল নেটওয়ার্ক প্রশিক্ষণের জন্য প্রয়োজনীয় গণনা হল ফাউন্ডেশন মডেলের অন্যতম বড় বাধা। গত এক দশকে, এআই মডেলের প্রশিক্ষণে গণনার চাহিদা রয়েছে প্রতি 3.4 মাসে দ্বিগুণ. এই সময়ের মধ্যে, AI মডেলগুলি ইমেজ রিকগনিশন থেকে রিইনফোর্সমেন্ট লার্নিং অ্যালগরিদম ব্যবহার করে স্ট্র্যাটেজি গেমগুলিতে হিউম্যান চ্যাম্পিয়নদের পরাজিত করা এবং ভাষা মডেলগুলিকে প্রশিক্ষণের জন্য ট্রান্সফরমার ব্যবহার করা পর্যন্ত চলে গেছে। উদাহরণস্বরূপ, OpenAI-এর GPT-3 এর 175 বিলিয়ন প্যারামিটার ছিল এবং প্রশিক্ষণের জন্য 3,640 petaFLOPS-দিন লেগেছিল। এটি বিশ্বের দ্রুততম সুপার কম্পিউটারে দুই সপ্তাহ এবং একটি স্ট্যান্ডার্ড ল্যাপটপ গণনা করতে এক সহস্রাব্দেরও বেশি সময় লাগবে। যেহেতু মডেলের আকার কেবল বাড়তে থাকে, তাই ক্ষেত্রটির অগ্রগতিতে গণনা একটি বাধা হয়ে দাঁড়িয়েছে।

AI সুপারকম্পিউটারগুলির জন্য গ্রাফিক্স প্রসেসিং ইউনিট (GPUs) বা অ্যাপ্লিকেশন-স্পেসিফিক ইন্টিগ্রেটেড সার্কিট (ASICs) এর মতো প্রশিক্ষণের জন্য প্রয়োজনীয় গাণিতিক ক্রিয়াকলাপগুলি সম্পাদনের জন্য অপ্টিমাইজ করা নির্দিষ্ট হার্ডওয়্যার প্রয়োজন। আজ, এই ধরনের গণনার জন্য অপ্টিমাইজ করা বেশিরভাগ হার্ডওয়্যার Google ক্লাউড, অ্যামাজন ওয়েব সার্ভিসেস, মাইক্রোসফ্ট Azure এবং IBM ক্লাউডের মতো কিছু অলিগোপলিস্টিক ক্লাউড পরিষেবা প্রদানকারী দ্বারা নিয়ন্ত্রিত হয়।

এটি পরবর্তী প্রধান ছেদ যেখানে আমরা পাবলিক, ওপেন নেটওয়ার্কের মাধ্যমে বিকেন্দ্রীকৃত গণনা বরাদ্দ দেখতে পাচ্ছি। বিকেন্দ্রীভূত শাসন সম্প্রদায়-চালিত প্রকল্পগুলিকে প্রশিক্ষণের জন্য অর্থায়ন এবং সংস্থান বরাদ্দ করতে ব্যবহার করা যেতে পারে। আরও, একটি বিকেন্দ্রীভূত বাজারের মডেল ভৌগলিক জুড়ে খোলাখুলিভাবে অ্যাক্সেসযোগ্য হতে পারে যেমন যে কোনও গবেষক গণনা সংস্থান অ্যাক্সেস করতে পারেন। একটি বাউন্টি সিস্টেম কল্পনা করুন যা টোকেন ইস্যু করে মডেল প্রশিক্ষণের জন্য ক্রাউডফান্ড করে। সফল ক্রাউডফান্ডিংগুলি তাদের মডেলের জন্য অগ্রাধিকারযুক্ত গণনা পাবে এবং যেখানে উচ্চ চাহিদা রয়েছে সেখানে উদ্ভাবনকে এগিয়ে নিয়ে যাবে। উদাহরণস্বরূপ, যদি জনসংখ্যার বৃহত্তর অংশের জন্য একটি স্প্যানিশ বা হিন্দি জিপিটি মডেল তৈরি করার জন্য DAO-এর কাছ থেকে উল্লেখযোগ্য চাহিদা থাকে, গবেষণা সেই ডোমেনে ফোকাস করা যেতে পারে।

ইতিমধ্যে, কোম্পানি পছন্দ জেনসিন ডিপ লার্নিং কম্পিউটেশনের জন্য বিকল্প, খরচ-দক্ষ, এবং ক্লাউড-ভিত্তিক হার্ডওয়্যার অ্যাক্সেসকে উৎসাহিত করতে এবং সমন্বয় করতে প্রোটোকল চালু করার জন্য কাজ করছে। সময়ের সাথে সাথে, ওয়েব3 পরিকাঠামোর সাথে নির্মিত একটি ভাগ করা, বিকেন্দ্রীভূত গ্লোবাল কম্পিউট নেটওয়ার্ক স্কেল করার জন্য আরও বেশি সাশ্রয়ী হয়ে উঠবে এবং আমাদেরকে আরও ভালভাবে পরিবেশন করবে কারণ আমরা সম্মিলিতভাবে কৃত্রিম বুদ্ধিমত্তার সীমান্ত অন্বেষণ করব।

ডেটাসেট এবং গণনা এই থিসিসকে সক্ষম করবে: ওপেন সোর্স এআই মডেল। বিগত কয়েক বছরে, বড় মডেলগুলি ক্রমবর্ধমান ব্যক্তিগত হয়ে উঠেছে কারণ তাদের উত্পাদন করার জন্য প্রয়োজনীয় সম্পদ বিনিয়োগ প্রকল্পগুলিকে বন্ধ-উৎস হওয়ার দিকে ঠেলে দিয়েছে।

OpenAI নিন। OpenAI 2015 সালে প্রতিষ্ঠিত হয়েছিল সমস্ত মানবতার সুবিধার জন্য কৃত্রিম সাধারণ বুদ্ধিমত্তা তৈরির মিশন সহ একটি অলাভজনক গবেষণা ল্যাবরেটরি হিসাবে, তৎকালীন এআই-এর নেতৃবৃন্দ, Google এবং Facebook থেকে সম্পূর্ণ বিপরীত। সময়ের সাথে সাথে, তীব্র প্রতিযোগিতা এবং তহবিলের জন্য চাপ স্বচ্ছতা এবং ওপেন-সোর্সিং কোডের আদর্শকে ক্ষয় করেছে কারণ ওপেনএআই একটি লাভের জন্য মডেল এবং একটি বিশাল স্বাক্ষর মাইক্রোসফটের সাথে $1 বিলিয়ন বাণিজ্যিক চুক্তি. আরও, সাম্প্রতিক বিতর্ক তাদের টেক্সট-টু-ইমেজ মডেল, DALLE-2, ঘিরে ফেলেছে। এর সাধারণীকৃত সেন্সরশিপের জন্য. (উদাহরণস্বরূপ, DALLE-2 'বন্দুক, 'এক্সিকিউট, 'আক্রমণ', 'ইউক্রেন' শব্দগুলি এবং সেলিব্রিটিদের ছবি নিষিদ্ধ করেছে; এই ধরনের অশোধিত সেন্সরশিপ 'লেব্রন জেমসের ঝুড়ি আক্রমণ করা' বা 'একজন প্রোগ্রামার নির্বাহ করা'র মতো প্রম্পটগুলিকে বাধা দেয়। লাইন অফ কোড'।) এই মডেলগুলির জন্য ব্যক্তিগত বিটাতে অ্যাক্সেসের মধ্যে পশ্চিমা ব্যবহারকারীদের জন্য একটি অন্তর্নিহিত ভৌগলিক পক্ষপাত রয়েছে যা এই মডেলগুলির সাথে ইন্টারঅ্যাকশন এবং অবহিত করা থেকে বিশ্ব জনসংখ্যার একটি বড় অংশকে বন্ধ করে দেয়।

এইভাবে কৃত্রিম বুদ্ধিমত্তা ছড়িয়ে দেওয়া উচিত নয়: কয়েকটি বড় প্রযুক্তি কোম্পানি দ্বারা পাহারা দেওয়া, পুলিশ করা এবং সংরক্ষণ করা। ব্লকচেইনের ক্ষেত্রে যেমন, অভিনব প্রযুক্তিকে যথাসম্ভব ন্যায়সঙ্গতভাবে প্রয়োগ করা উচিত যাতে এর সুবিধাগুলি অ্যাক্সেস করা কয়েকজনের মধ্যে কেন্দ্রীভূত না হয়। কৃত্রিম বুদ্ধিমত্তার জটিল অগ্রগতি বিভিন্ন শিল্প, ভৌগলিক এবং সম্প্রদায় জুড়ে খোলাখুলিভাবে ব্যবহার করা উচিত যাতে সম্মিলিতভাবে সবচেয়ে আকর্ষক ব্যবহারের কেসগুলি আবিষ্কার করা যায় এবং AI এর ন্যায্য ব্যবহারে একটি ঐক্যমতে পৌঁছানো যায়। ফাউন্ডেশন মডেলগুলি ওপেন সোর্স রাখা নিশ্চিত করতে পারে যে সেন্সরশিপ প্রতিরোধ করা হয় এবং পক্ষপাতিত্ব জনসাধারণের দৃষ্টিভঙ্গির অধীনে সাবধানে পর্যবেক্ষণ করা হয়।

সাধারণীকৃত ফাউন্ডেশন মডেলগুলির জন্য একটি টোকেন কাঠামোর সাহায্যে, কোড ওপেন সোর্স প্রকাশ করার সময় অবদানকারীদের একটি বৃহত্তর পুলকে একত্রিত করা সম্ভব হবে যারা তাদের কাজকে নগদীকরণ করতে পারে। একটি ওপেন সোর্স থিসিসকে মাথায় রেখে OpenAI-এর মতো প্রকল্পগুলিকে প্রতিভা এবং সংস্থানগুলির জন্য প্রতিদ্বন্দ্বিতা করার জন্য একটি স্বতন্ত্র অর্থায়িত কোম্পানির কাছে পিভট করতে হয়েছিল। Web3 ওপেন সোর্স প্রকল্পগুলিকে আর্থিকভাবে লাভজনক হতে দেয় এবং বিগ টেকের ব্যক্তিগত বিনিয়োগের দ্বারা পরিচালিত সেইগুলিকে আরও প্রতিদ্বন্দ্বী করতে দেয়৷ আরও, উদ্ভাবকরা ওপেন সোর্স মডেলের উপরে পণ্য তৈরি করে আত্মবিশ্বাসের সাথে তৈরি করতে পারে যে অন্তর্নিহিত AI-তে স্বচ্ছতা রয়েছে। এর নিচের দিকের প্রভাবটি হবে দ্রুত গ্রহণ করা এবং নতুন কৃত্রিম বুদ্ধিমত্তা ব্যবহারের ক্ষেত্রে বাজারে যাওয়া। ওয়েব3 স্পেসে, এর মধ্যে রয়েছে নিরাপত্তা অ্যাপ্লিকেশন যেটি স্মার্ট চুক্তির দুর্বলতা এবং রাগ-টানের জন্য ভবিষ্যদ্বাণীমূলক বিশ্লেষণ পরিচালনা করে, ইমেজ জেনারেটর যেটি NFTs মিন্ট করতে এবং মেটাভার্স ল্যান্ডস্কেপ তৈরি করতে ব্যবহার করা যেতে পারে, ডিজিটাল এআই ব্যক্তিত্ব যা ব্যক্তিগত মালিকানা সংরক্ষণের জন্য অন-চেইন থাকতে পারে এবং আরও অনেক কিছু।

কৃত্রিম বুদ্ধিমত্তা হল আজকের সবচেয়ে দ্রুত অগ্রসরমান প্রযুক্তিগুলির মধ্যে একটি যা আমাদের সমগ্র সমাজে ব্যাপক প্রভাব ফেলবে। আজ, ক্ষেত্রটি বড় প্রযুক্তির দ্বারা প্রাধান্য পেয়েছে কারণ প্রতিভা, ডেটা এবং গণনায় আর্থিক বিনিয়োগ ওপেন সোর্স বিকাশের জন্য উল্লেখযোগ্য পরিখা তৈরি করে। AI এর পরিকাঠামো স্তরে web3 এর একীকরণ একটি গুরুত্বপূর্ণ পদক্ষেপ যাতে কৃত্রিম বুদ্ধিমত্তা সিস্টেমগুলি এমনভাবে তৈরি করা হয় যা ন্যায্য, উন্মুক্ত এবং অ্যাক্সেসযোগ্য। আমরা ইতিমধ্যেই দেখতে পাচ্ছি যে খোলা মডেলগুলি Twitter এবং HuggingFace-এর মতো খোলা জায়গায় দ্রুত, সর্বজনীন উদ্ভাবনের অবস্থান নেয় এবং ক্রিপ্টো এই প্রচেষ্টাগুলিকে এগিয়ে নিয়ে যেতে পারে।

CoinFund টিম এআই এবং ক্রিপ্টোর সংযোগস্থলে যা খুঁজছে তা এখানে:

1. উন্মুক্ত কৃত্রিম বুদ্ধিমত্তা সহ দলগুলি তাদের মিশনের মূলে
2. যে সম্প্রদায়গুলি AI মডেলগুলি তৈরি করতে সাহায্য করার জন্য ডেটা এবং গণনার মতো পাবলিক রিসোর্সকে কিউরেট করছে৷
3. মূলধারা গ্রহণে সৃজনশীলতা, নিরাপত্তা এবং উদ্ভাবন আনতে AI ব্যবহার করে এমন পণ্য

আপনি যদি AI এবং web3 এর সংযোগস্থলে একটি প্রকল্প তৈরি করছেন, তাহলে CoinFund-এর সাথে যোগাযোগ করে আমাদের সাথে চ্যাট করুন Twitter বা ইমেল rishin@coinfund.io or jake@coinfund.io.