โปรโตคอล Gensyn ฝึกฝนโครงข่ายประสาทเทียมในระดับไฮเปอร์สเกลอย่างไม่ไว้วางใจด้วยลำดับความสำคัญที่ต่ำกว่า...

ประทับเวลา: 21 มีนาคม 2022 8:57 น
โหนดต้นทาง: 1225331

โปรโตคอล Gensyn ฝึกฝนโครงข่ายประสาทเทียมในระดับไฮเปอร์สเกลอย่างไม่ไว้วางใจด้วยลำดับความสำคัญของต้นทุนที่ต่ำกว่า

ลิงค์: เว็บไซต์ Gensyn, กระดาษไลต์เปเปอร์, ผลงาน CoinFund, บทความ TechCrunch ลิงค์

สรุปวิทยานิพนธ์การลงทุน

  • การใช้ประโยชน์ทางโลกเพื่อความซับซ้อนและมูลค่าที่เพิ่มขึ้นของ ML: ความซับซ้อนในการคำนวณของระบบ AI ที่ล้ำสมัยนั้นเพิ่มขึ้นเป็นสองเท่าทุก ๆ 3 เดือน ในขณะที่มูลค่าของแบบจำลองเหล่านี้ยังคงเพิ่มขึ้นอย่างต่อเนื่องอย่างรวดเร็ว ในขณะที่ระบบ Black-box-Nature ของอัลกอริธึมเหล่านี้ตอนนี้สามารถเข้ากันได้มากขึ้น ไฟส่องสว่างที่มนุษย์เข้าใจได้.
  • การออกแบบระบบประสานงานและตรวจสอบนวนิยาย: Gensyn กำลังสร้างระบบการตรวจสอบ (testnet v1 จะถูกปรับใช้ในปลายปีนี้) ซึ่งแก้ปัญหาการพึ่งพาสถานะในการฝึกอบรมโครงข่ายประสาทเทียมในทุกขนาดได้อย่างมีประสิทธิภาพ ระบบจะรวมจุดตรวจสอบการฝึกแบบจำลองกับการตรวจสอบความน่าจะเป็นที่สิ้นสุดในสายโซ่ โดยทำทั้งหมดนี้อย่างไม่ไว้วางใจ และค่าโสหุ้ยจะปรับขนาดเป็นเส้นตรงตามขนาดของแบบจำลอง (ทำให้ต้นทุนการตรวจสอบคงที่)
  • เน้นเฉพาะเรื่องการกระจายอำนาจ AI: ตัวอย่างที่รู้จักกันดีของแอปพลิเคชั่นการเรียนรู้ด้วยเครื่อง (Tesla self-driving cars, Google DeepMind) ผลิตโดยบริษัทเดียวกัน เนื่องจากปัจจุบันอุตสาหกรรม Deep Learning ดูเหมือนเกมผูกขาดระหว่างบริษัท Big Tech เช่น รวมทั้งรัฐอย่างจีนและสหรัฐอเมริกา กองกำลังเหล่านี้ส่งผลให้เกิดกองกำลังรวมศูนย์ขนาดใหญ่ที่ขัดต่อ web3 และแม้กระทั่งต้นกำเนิดทางประวัติศาสตร์ของ web1

CoinFund ภูมิใจที่ได้สนับสนุนการระดมทุนล่าสุดของ Gensyn Protocol และวิสัยทัศน์ของทีมในการเปิดใช้งานการฝึกอบรมโครงข่ายประสาทเทียมในระดับไฮเปอร์สเกลและต้นทุนต่ำผ่านระบบการตรวจสอบแบบใหม่ การใช้การตรวจสอบความน่าจะเป็นที่สิ้นสุดในสายโซ่ ในขณะที่แตะเข้าไป แหล่งที่มาของการคำนวณที่มีการใช้งานน้อยเกินไปและไม่ได้ใช้งาน ตั้งแต่ GPU สำหรับเล่นเกมที่ยังใช้งานอยู่จนถึงกลุ่มการขุด ETH1 ที่ซับซ้อนซึ่งกำลังจะแยกออกจากเครือข่าย Ethereum เนื่องจากเครือข่ายเปลี่ยนไปเป็น Proof of Stake โปรโตคอล Gensyn ไม่ต้องการผู้ดูแลหรือบังคับใช้กฎหมาย แทนที่จะอำนวยความสะดวกในการกระจายงานและการชำระเงินผ่านโปรแกรม สัญญาสมาร์ท ยังดีกว่า ลักษณะการกระจายอำนาจของโปรโตคอลหมายความว่าในที่สุดชุมชนส่วนใหญ่จะถูกควบคุมและไม่สามารถ 'ปิด' ได้หากไม่ได้รับความยินยอมจากชุมชน สิ่งนี้ทำให้ต่อต้านการเซ็นเซอร์ซึ่งแตกต่างจาก web2 คู่หูของมัน ในท้ายที่สุด เราเชื่อว่า Gensyn กำลังเล่นเพื่อเป็นเลเยอร์พื้นฐานสำหรับการประมวลผล ML แบบ 3 เนทีฟบนเว็บ เนื่องจากในที่สุดผู้เข้าร่วมที่เป็นบุคคลที่สามจะสร้างประสบการณ์ผู้ใช้ที่หลากหลายและฟังก์ชันการทำงานเฉพาะในช่องทางต่างๆ มากมาย

ส่วนที่ 1: บทนำสู่การเติบโตทางโลกหลายทศวรรษของ Deep Learning

ทุกใบหน้าที่คุณเห็นในแฮงเอาท์วิดีโอและเสียงทั้งหมดที่คุณได้ยินนั้นถูกปรับแต่ง เพื่อปรับปรุงคุณภาพการโทร โครงข่ายประสาทเทียม คัดเลือก ปรับความละเอียดในการซูมและ ระงับเสียงพื้นหลัง ในทีมไมโครซอฟต์ ความก้าวหน้าล่าสุดยังเห็นวิดีโอความละเอียดที่ต่ำกว่า 'ฝัน' ในความละเอียดที่สูงขึ้น โครงข่ายประสาทเทียมเป็นแบบจำลองที่ใช้ในสาขาการเรียนรู้เชิงลึกของปัญญาประดิษฐ์ พวกเขาจะหลวมตามโครงสร้างของ สมองมนุษย์ และมีแอปพลิเคชั่นมากมาย บางทีในที่สุดอาจสร้างปัญญาประดิษฐ์ระดับมนุษย์ โมเดลที่ใหญ่กว่ามักให้ผลลัพธ์ที่ดีกว่า และฮาร์ดแวร์ที่จำเป็นสำหรับการพัฒนาที่ล้ำสมัยจะเพิ่มเป็นสองเท่า ทุกสามเดือน. การระเบิดในการพัฒนานี้ทำให้การเรียนรู้เชิงลึกเป็นส่วนพื้นฐานของประสบการณ์ของมนุษย์สมัยใหม่ ในปี 2020 โครงข่ายประสาทเทียม ดำเนินการเรดาร์ บนเครื่องบินสอดแนมของสหรัฐฯ ตอนนี้โมเดลภาษาเขียน อีเมลหลอกลวงที่ดีกว่า มากกว่ามนุษย์และอัลกอริธึมของรถยนต์ที่ขับด้วยตนเอง มีประสิทธิภาพสูงกว่า มนุษย์ในสภาพแวดล้อมต่างๆ

GPT-3 175B ซึ่งเป็นโมเดล GPT-3 ที่ใหญ่ที่สุดที่เสนอโดย OpenAI ใน บราวน์และคณะ (2020) ใช้คลัสเตอร์ NVIDIA Tesla V1,000 จำนวน 100 ตัวสำหรับการฝึกอบรม ซึ่งเทียบเท่ากับ 355 ปีของการฝึกอบรมบนอุปกรณ์เครื่องเดียว DALL-E จาก ราเมซและคณะ (2021)ซึ่งเป็นรุ่น Transformer อีกรุ่นหนึ่งจาก OpenAI มีพารามิเตอร์ 12 พันล้านรายการ และได้รับการฝึกอบรมเกี่ยวกับภาพที่มีคำอธิบายภาพมากกว่า 400 ล้านภาพ OpenAI เสียค่าใช้จ่ายในการฝึกอบรม DALL-E แต่การปฏิเสธไม่ยอมให้โอเพ่นซอร์สโมเดลมีความขัดแย้ง หมายความว่าอาจเป็นหนึ่งในโมเดลการเรียนรู้เชิงลึกแบบต่อเนื่องหลายรูปแบบที่สำคัญที่สุดที่ยังคงไม่สามารถเข้าถึงได้สำหรับทุกคน แต่มีเพียงไม่กี่รุ่นเท่านั้น ความต้องการทรัพยากรมหาศาลสำหรับการสร้างสิ่งเหล่านี้ โมเดลรองพื้น สร้างอุปสรรคสำคัญในการเข้าถึง และหากไม่มีวิธีการรวมทรัพยากรในขณะที่ยังคงเก็บมูลค่าไว้ อาจทำให้เกิดความชะงักงันในความก้าวหน้าของ AI หลายคนเชื่อว่าแบบจำลองทั่วไปเหล่านี้เป็นกุญแจสำคัญในการปลดล็อกปัญญาประดิษฐ์ทั่วไป (AGI) ทำให้วิธีการฝึกอบรมในปัจจุบันในไซโลเทียมแบบแยกเดี่ยวนั้นดูไร้สาระ

โซลูชันปัจจุบันที่ให้การเข้าถึงการจัดหาอุปกรณ์คอมพิวเตอร์มีทั้งผู้ขายน้อยรายและมีราคาแพงหรือเพียงแค่ ทำไม่ได้ เนื่องจากความซับซ้อนของการคำนวณที่จำเป็นสำหรับ AI ขนาดใหญ่ การตอบสนองความต้องการบอลลูนต้องใช้ระบบที่ประหยัดต้นทุน ทั้งหมด การประมวลผลที่พร้อมใช้งาน (ซึ่งต่างจากการใช้โปรเซสเซอร์ทั่วโลก ~40% ในปัจจุบัน) การรวมปัญหานี้ในขณะนี้คือความจริงที่ว่าตัวจ่ายการประมวลผลนั้นถูกขัดขวางโดย ไม่มีอาการ ความก้าวหน้าในประสิทธิภาพของไมโครโปรเซสเซอร์ — ควบคู่ไปกับ ห่วงโซ่อุปทาน และ ภูมิศาสตร์การเมือง การขาดแคลนชิป

ส่วนที่ 2: เหตุใดจึงจำเป็นต้องมีการประสานงานของ Gensyn

ความท้าทายพื้นฐานในการสร้างเครือข่ายนี้คือการตรวจสอบงาน ML ที่เสร็จสมบูรณ์ นี่เป็นปัญหาที่ซับซ้อนมากซึ่งอยู่ที่จุดตัดของทฤษฎีความซับซ้อน ทฤษฎีเกม การเข้ารหัส และการเพิ่มประสิทธิภาพ นอกจากความรู้ของมนุษย์ในการออกแบบแบบจำลองแล้ว ยังมีปัญหาพื้นฐานสามประการที่ทำให้ความก้าวหน้าของ ML ประยุกต์ช้าลง ได้แก่ 1) การเข้าถึงพลังประมวลผล 2) การเข้าถึงข้อมูล และ 3) การเข้าถึงความรู้ Gensyn แก้ปัญหาแรกโดยให้การเข้าถึงตามต้องการสำหรับการประมวลผลที่ปรับขนาดได้ทั่วโลกในราคาตลาดที่ยุติธรรม ในขณะที่ Gensyn Foundation จะพยายามสนับสนุนวิธีแก้ปัญหาสองและสามผ่านการวิจัย เงินทุน และความร่วมมือกับโปรโตคอลอื่นๆ

โดยเฉพาะอย่างยิ่ง การเข้าถึงโปรเซสเซอร์ที่เหนือกว่าทำให้สามารถฝึกฝนโมเดลที่มีขนาดใหญ่/ซับซ้อนได้มากขึ้น ในทศวรรษที่ผ่านมา การเพิ่มความหนาแน่นของทรานซิสเตอร์และความก้าวหน้าในความเร็ว/การทำให้เป็นคู่ขนานในการเข้าถึงหน่วยความจำได้ลดเวลาการฝึกอบรมลงอย่างมากสำหรับรุ่นขนาดใหญ่ การเข้าถึงฮาร์ดแวร์นี้แบบเสมือนผ่านคลาวด์ยักษ์ใหญ่อย่าง AWS และ Alibaba ได้ขยายการนำไปใช้ในวงกว้างขึ้นพร้อมๆ กัน ดังนั้นจึงมีความสนใจอย่างมากในการจัดหาวิธีการผลิตโปรเซสเซอร์ที่ล้ำสมัย จีนแผ่นดินใหญ่ยังไม่มีความสามารถแบบ end-to-end ในการผลิตเซมิคอนดักเตอร์ที่ล้ำสมัย (กล่าวคือ ซิลิคอนเวเฟอร์) ซึ่งเป็นส่วนประกอบสำคัญในโปรเซสเซอร์ พวกเขาจำเป็นต้องนำเข้าสิ่งเหล่านี้ โดยเฉพาะจาก TSMC (Taiwan Semiconductor Manufacturing Company) ผู้จำหน่ายชิปยังพยายามบล็อกลูกค้ารายอื่นไม่ให้เข้าถึงผู้ผลิตชิปด้วย โดยการซื้ออุปทานเพิ่มขึ้น. ในระดับรัฐ สหรัฐฯ ได้รับ ขวางกั้น การเคลื่อนไหวใดๆ ของบริษัทจีนเพื่อซื้อเทคโนโลยีนี้ นอกเหนือจากสแต็กเทคโนโลยีแล้ว บางบริษัทได้พัฒนาฮาร์ดแวร์เฉพาะสำหรับการเรียนรู้เชิงลึกของตนเอง เช่น คลัสเตอร์ TPU ของ Google มีประสิทธิภาพเหนือกว่า GPU มาตรฐานสำหรับการเรียนรู้เชิงลึกและไม่มีจำหน่าย ให้เช่าเท่านั้น

การเพิ่มขนาดของการประมวลผลที่เข้าถึงได้อย่างมาก ในขณะที่ลดต้นทุนต่อหน่วยไปพร้อม ๆ กัน เปิดประตูสู่กระบวนทัศน์ใหม่อย่างสมบูรณ์สำหรับการเรียนรู้เชิงลึกสำหรับทั้งชุมชนการวิจัยและอุตสาหกรรม การปรับปรุงขนาดและต้นทุนช่วยให้โปรโตคอลสร้างชุดแบบจำลองพื้นฐานที่ผ่านการพิสูจน์แล้ว ผ่านการฝึกอบรมมาแล้ว หรือที่เรียกว่า แบบจำลองมูลนิธิ– ในทำนองเดียวกันกับ สวนสัตว์จำลอง ของเฟรมเวิร์กยอดนิยม ซึ่งช่วยให้นักวิจัยและวิศวกรสามารถค้นคว้าและฝึกอบรมแบบจำลองที่เหนือกว่าอย่างเปิดเผยผ่านชุดข้อมูลขนาดใหญ่แบบเปิด ในลักษณะเดียวกันกับ เอลิวเธอร์ โครงการ. โมเดลเหล่านี้จะแก้ปัญหาพื้นฐานบางอย่างของมนุษยชาติโดยไม่ต้องเป็นเจ้าของหรือเซ็นเซอร์จากส่วนกลาง การเข้ารหัส โดยเฉพาะการเข้ารหัสตามฟังก์ชัน จะช่วยให้โปรโตคอลสามารถใช้ประโยชน์จากข้อมูลส่วนตัวได้ตามต้องการ โมเดลพื้นฐานขนาดใหญ่นั้นสามารถปรับแต่งได้แบบละเอียดโดยใครก็ตามที่ใช้ชุดข้อมูลที่เป็นกรรมสิทธิ์ รักษาคุณค่า/ความเป็นส่วนตัวในข้อมูลนั้น แต่ยังคงแบ่งปันความรู้ร่วมกันในการออกแบบแบบจำลองและการวิจัย

ระดับสูง + ต้นทุนต่ำ: โปรโตคอล Gensyn ให้ค่าใช้จ่ายที่ใกล้เคียงกับ GPU ที่เป็นเจ้าของในศูนย์ข้อมูลในระดับที่สามารถเกิน AWS (ราคา ณ พ.ย. 2021)

ส่วนที่ 3: Gensyn Drives Web3-Native Data Centralization

อินเทอร์เน็ตอาจถือกำเนิดขึ้นจากรัฐบาลสหรัฐฯ ในช่วงทศวรรษ 1960 แต่ในช่วงทศวรรษ 1990 อินเทอร์เน็ตกลายเป็นเครือข่ายแห่งความคิดสร้างสรรค์ ปัจเจกนิยม และโอกาสแบบอนาธิปไตย ก่อนที่ Google จะจัดเก็บ TPU ไว้ โปรเจ็กต์อย่าง SETI@home พยายามค้นหาชีวิตมนุษย์ต่างดาวด้วยการระดมกำลังการประมวลผลแบบกระจายศูนย์ ภายในปี 2000 SETI@home มีอัตราการประมวลผล 17 เทราฟลอปซึ่งมีประสิทธิภาพมากกว่าซูเปอร์คอมพิวเตอร์ที่ดีที่สุดสองเท่าในขณะนั้น IBM ASCI White ช่วงเวลานี้โดยทั่วไปจะมีชื่อว่า 'web1' ซึ่งเป็นช่วงเวลาก่อนที่แพลตฟอร์มขนาดใหญ่เช่น Google หรือ Amazon (web2) จะเข้ามามีอำนาจ แต่การคำนวณแบบกระจายศูนย์นั้นสะดุดในการปรับขนาดเพื่อตอบสนองความต้องการเบื้องต้นของอินเทอร์เน็ต เนื่องจากปัญหาหลายประการในขณะนั้น

อย่างไรก็ตาม การรวมศูนย์โครงสร้างพื้นฐานของเว็บในปัจจุบันลงในแพลตฟอร์ม web2 ขนาดใหญ่สร้างปัญหาของตัวเอง เช่น ต้นทุน (อัตรากำไรขั้นต้นของ AWS เป็นค่าประมาณ ลด 61%ซึ่งแสดงถึงการบีบอัดมาร์จิ้นสำหรับนักวิจัยระดับย่อยส่วนใหญ่และธุรกิจที่ขับเคลื่อนด้วยข้อมูล ในเวลาเดียวกัน อินสแตนซ์การประมวลผลแบบรวมศูนย์ก็สูญเสียการควบคุม — AWS ได้ปิดโครงสร้างพื้นฐานของแพลตฟอร์มโซเชียลมีเดียยอดนิยมฝ่ายขวา Parler ด้วย แจ้งล่วงหน้าหนึ่งวัน หลังจากวันที่ 6 มกราคม พ.ศ. 2021 Capitol Riot หลายคนเห็นด้วยกับการตัดสินใจครั้งนี้ แต่แบบอย่างเป็นอันตรายเมื่อ AWS โฮสต์ 42% ของเว็บไซต์ 10,000 อันดับแรกบนอินเทอร์เน็ต อย่างไรก็ตาม การฝึกโมเดลการเรียนรู้เชิงลึกในฮาร์ดแวร์แบบกระจายศูนย์นั้นยากเนื่องจากปัญหาการตรวจสอบ ซึ่งโปรโตคอล Gensyn ช่วยแก้ปัญหา

การสร้างตลาดเป็นโปรโตคอล Web3 ช่วยขจัดค่าใช้จ่ายส่วนกลางในการปรับขนาด และลดอุปสรรคในการเข้าร่วมสำหรับผู้เข้าร่วมการจัดหารายใหม่ ทำให้เครือข่ายอาจครอบคลุมอุปกรณ์คอมพิวเตอร์ทุกเครื่องในโลก การเชื่อมต่ออุปกรณ์ทั้งหมดผ่านเครือข่ายแบบกระจายอำนาจเดียวทำให้สามารถปรับขนาดได้ในระดับที่เป็นไปไม่ได้ในปัจจุบันผ่านผู้ให้บริการที่มีอยู่ ทำให้สามารถเข้าถึงแหล่งประมวลผลทั้งหมดของโลกได้ตามต้องการอย่างที่ไม่เคยมีมาก่อน สำหรับผู้ใช้ปลายทาง การดำเนินการนี้จะขจัดปัญหาด้านต้นทุนเทียบกับภาวะที่กลืนไม่เข้าคายไม่ออกโดยสิ้นเชิง และให้การประมวลผลการฝึกอบรม ML ที่โปร่งใสและต้นทุนต่ำสำหรับความสามารถในการปรับขนาดที่ไร้ขีดจำกัด (สูงสุดที่ขีดจำกัดฮาร์ดแวร์จริงทั่วโลก) และสำหรับราคาต่อหน่วยจะถูกกำหนดโดยการเปลี่ยนแปลงของตลาด สิ่งนี้จะก้าวข้ามคูน้ำปกติที่ผู้ให้บริการรายใหญ่เพลิดเพลิน ลดราคาลงอย่างมาก และอำนวยความสะดวกในการแข่งขันระดับโลกอย่างแท้จริงในระดับทรัพยากร และพิจารณาถึงกรณีที่ผู้ให้บริการระบบคลาวด์ที่มีอยู่ยังมองว่าโปรโตคอล Gensyn เป็นช่องทางการจัดจำหน่ายที่เสริมบุคคลที่หนึ่งที่เป็นศูนย์กลางมากขึ้น เครื่องเซ่นไหว้.

สรุป:

ด้วย AI ที่เกือบจะเป็นที่นิยมในคำศัพท์เช่นสกุลเงินดิจิทัลและบล็อคเชน วิทยานิพนธ์สำหรับการลงทุนใน Gensyn ของเราดังที่แสดงตัวอย่างที่นี่จะต้องผ่านการทดสอบว่าเข้าใจง่ายและมีหลักฐานสนับสนุน ในขณะเดียวกันก็มีความทะเยอทะยานในการลดโอกาสที่ถูกกำหนดไว้สำหรับความสามารถของโปรโตคอล เพิ่มมูลค่าเครือข่ายทรัพยากรที่กำหนดเป้าหมายในขั้นต้นแต่สามารถนำไปใช้ได้ทั่วไปในเว็บ3 ด้วยโปรโตคอล Gensyn เราเชื่อว่าเราเห็นจุดเริ่มต้นของเครือข่ายการประสานงานที่คุ้มค่าและปรับขนาดได้สูง ซึ่งจะปูทางสำหรับข้อมูลเชิงลึกที่มีคุณค่ามากยิ่งขึ้นซึ่งเป็นรากฐานสำหรับแอปพลิเคชันมากมายในอนาคต

เกี่ยวกับ CoinFund

CoinFund เป็นบริษัทด้านการลงทุนชั้นนำที่เน้นบล็อกเชนที่มีความหลากหลายซึ่งก่อตั้งขึ้นในปี 2015 โดยตั้งอยู่ในสหรัฐอเมริกาโดยรวม เรามีประวัติและประสบการณ์ที่กว้างขวางในด้านสกุลเงินดิจิทัล ตราสารทุนแบบดั้งเดิม เครดิต ไพรเวทอิควิตี้ และการลงทุนร่วม กลยุทธ์ของ CoinFund ครอบคลุมทั้งตลาดสภาพคล่องและตลาดร่วมทุน และได้รับประโยชน์จากแนวทางสหสาขาวิชาชีพที่ประสานความสามารถในการเข้ารหัสทางเทคนิคกับประสบการณ์ทางการเงินแบบดั้งเดิม ด้วยแนวทาง "ผู้ก่อตั้งต้องมาก่อน" CoinFund ร่วมมือกับบริษัทพอร์ตโฟลิโออย่างใกล้ชิดเพื่อขับเคลื่อนนวัตกรรมในพื้นที่สินทรัพย์ดิจิทัล

ข้อจำกัดความรับผิดชอบ

เนื้อหาที่ให้ไว้บนเว็บไซต์นี้มีวัตถุประสงค์เพื่อให้ข้อมูลและอภิปรายเท่านั้น และไม่ควรเชื่อถือในการตัดสินใจในการลงทุนโดยเฉพาะ หรือให้ตีความว่าเป็นข้อเสนอ คำแนะนำ หรือการชักชวนเกี่ยวกับการลงทุนใดๆ ผู้เขียนไม่ได้รับรองบริษัท โครงการ หรือโทเค็นใด ๆ ที่กล่าวถึงในบทความนี้ ข้อมูลทั้งหมดถูกนำเสนอที่นี่ "ตามที่เป็น" โดยไม่มีการรับประกันใด ๆ ไม่ว่าจะโดยชัดแจ้งหรือโดยนัย และข้อความคาดการณ์ล่วงหน้าใด ๆ อาจกลายเป็นความผิดพลาด CoinFund Management LLC และบริษัทในเครืออาจมีตำแหน่งยาวหรือสั้นในโทเค็นหรือโครงการที่กล่าวถึงในบทความนี้

โปรโตคอล Gensyn ฝึกฝนโครงข่ายประสาทเทียมในระดับไฮเปอร์สเกลอย่างไม่ไว้วางใจด้วยลำดับความสำคัญที่ต่ำกว่า... ถูกตีพิมพ์ครั้งแรกใน บล็อก CoinFund บนสื่อที่ผู้คนกำลังสนทนาต่อโดยเน้นและตอบสนองต่อเรื่องนี้

ประทับเวลา:

เพิ่มเติมจาก คอยน์ฟันด์