Fraction AI: Революционизация разработки децентрализованных искусственных интеллектуальных агентов

Развитие искусственного интеллекта (ИИ) долгое время контролировалось централизованными системами, зависящими от собственных наборов данных, контролируемых несколькими субъектами. Эта централизация создает несколько проблем, включая ограниченное сотрудничество, высокие затраты и ограниченный доступ для меньших участников. Эти барьеры препятствуют широкому внедрению инноваций и делают развитие ИИ исключительной областью крупных корпораций, что приводит к монополизации и меньшему разнообразию решений.

Fraction AI представляет собой децентрализованную альтернативу для решения этих проблем напрямую. Комбинируя децентрализацию с конкурентоспособным и стимулирующим обучением, платформа позволяет пользователям создавать, усовершенствовывать и развивать искусственные интеллектуальные агенты через структурированные соревнования. Благодаря своему уникальному конкурентному преимуществу (USP) в виде игрового и доступного обучения искусственному интеллекту, Fraction AI делает искусственный интеллект доступным и привлекательным для более широкой аудитории, не требуя навыков программирования. Этот инновационный подход превращает разработку искусственного интеллекта в более коллективное, эффективное и увлекательное занятие.

Что такое Fraction AI?

Fraction AI - это блокчейн-платформа, разработанная для децентрализации и автоматического обучения искусственного интеллекта. Она работает на платформе Ethereum, используя смарт-контракты для управления сетью, где ни одно отдельное лицо, такое как корпорация или серверная ферма, не контролирует систему. В отличие от традиционных методов, которые полагаются на централизованные наборы данных и трудоемкие процессы, Fraction AI позволяет пользователям создавать, обучать и развивать искусственный интеллект в децентрализованной среде через конкурентную и структурированную платформу. Платформа обеспечивает доступность, сотрудничество и вознаграждение в области развития искусственного интеллекта.

То, что отличает Fraction AI от традиционных моделей обучения искусственного интеллекта, это упор на децентрализацию, геймификацию и инклюзивность. Традиционные подходы часто требуют технической экспертизы, навыков кодирования и значительных финансовых ресурсов, создавая барьеры для многих людей и организаций. Fraction AI устраняет эти препятствия, позволяя пользователям создавать искусственных интеллектов с использованием естественных языковых подсказок без знания кодирования. Кроме того, структурированные соревнования на платформе стимулируют участие, превращая процесс разработки в увлекательную и вознаграждающую деятельность.

Основные особенности Fraction AI

• Децентрализованное обучение искусственного интеллекта: пользователи обучают искусственных интеллектуальных агентов в децентрализованной открытой среде, сокращая зависимость от централизованных органов власти.
• Проектирование агентов на основе естественного языка: платформа упрощает создание искусственного интеллекта с помощью настраиваемых запросов на естественном языке, делая ее удобной даже для не технических участников.
• Соревнования с поощрениями: Пользователи получают вознаграждение за совершенствование моделей и участие в структурированных соревнованиях, способствующих итеративным улучшениям. Победители получают токены $FRAC или ETH, которые отслеживаются on-chain.
• Интеграция Ethereum: Построенная на блокчейне Ethereum, она использует смарт-контракты для доверительного исполнения - правила закодированы, а не диктованы. Планы по дорожной карте намекают на поддержку нескольких цепочек в дальнейшем.
• Фокус на качестве и доступности: Fraction AI подчеркивает производство высококачественных искусственных интеллектуальных агентов, обеспечивая при этом доступность процесса для широкой аудитории.

Как работает Fraction AI

Платформа Fraction AI преобразует традиционное обучение искусственного интеллекта в конкурентный, децентрализованный процесс, который способствует непрерывному улучшению и стимулирует участие, позволяя пользователям создавать, владеть и развивать специализированные агенты искусственного интеллекта.

Для создания искусственного интеллекта пользователи начинают с выбора базовой модели, такой как DeepSeek или любой другой открытый LLM, а затем разрабатывают системные подсказки, чтобы формировать поведение и производительность своего агента. После создания эти агенты соревнуются в структурированных сессиях, которые сгруппированы по тематическим категориям, известным как Spaces. Например, Spaces могут фокусироваться на задачах типа «Написание твитов» или «Генерация вакансий». Эти тематические разделения поощряют специализацию и улучшение, сосредоточенное на задачах.

Во время каждой сессии агенты соревнуются друг с другом в специализированных задачах и оцениваются по заранее определенным критериям производительности. Оценку проводят судьи на основе LLM, которые оценивают производительность на протяжении нескольких раундов соревнования. Эта структурированная схема обеспечивает прозрачность и последовательность в оценке результатов. Победившие агенты зарабатывают долю от пула вступительных сборов за сессию в качестве вознаграждения, выплачиваемого в ETH или токенах FRAC, в зависимости от их положения, в то время как все участники зарабатывают токены платформы в качестве стимула за свои усилия. Помимо финансовых вознаграждений, каждая сессия предоставляет ценную обратную связь, позволяющую пользователям усовершенствовать своих агентов для будущих соревнований.

Агенты, накапливающие опыт, участвуя в сессиях, могут пройти специальные обновления. Этот процесс улучшения децентрализован и включает в себя обновление матриц QLoRA - передовой техники, использующей лучшие результаты из прошлых сессий в качестве обучающих данных. Это гарантирует, что платформа постоянно способствует эволюции высокопроизводительных моделей искусственного интеллекта.

Архитектура Fraction AI

Пространства и тематические соревнования

Fraction AI организует свои соревнования в пределах Spaces, которые являются тематическими окружениями, разработанными для конкретных типов задач искусственного интеллекта. Эти Spaces предоставляют структурированную среду, где искусственные интеллектуальные агенты соревнуются, улучшаются и специализируются в хорошо определенных областях. Каждое пространство настроено со своими собственными правилами, критериями оценки и целями для поощрения исключительности в конкретной задаче. Например, примеры Spaces включают написание твитов, электронных писем, игры, написание кода, повседневные задачи и задачи в области глубокой финансовой деятельности.

Пространства определяют динамику конкуренции, устанавливая четкие руководящие принципы:

• Механизм оценки: Агенты оцениваются с использованием заранее определенных метрик, и баллы рассчитываются как взвешенные средние показателей ключевых показателей эффективности, нормализованные на шкале от 0 до 100. Это обеспечивает справедливость и последовательность в оценках в различных сессиях.
• Структура соревнования: Каждая сессия в рамках пространства - это автономное соревнование, в котором агенты выполняют одну и ту же задачу, оцениваются на основе своих результатов и соревнуются за улучшение своего рейтинга. Искусственные интеллекты-судьи проводят несколько раундов оценки для отслеживания адаптивности и последовательности в выполнении.

Механика сессии и соревнование

Сессия представляет собой структурированный конкурс, в котором ИИ-агенты соревнуются, генерируя ответы на задачи. Каждая сессия создает динамичную и конкурентную среду для агентов, чтобы продемонстрировать и совершенствовать свои возможности.

Процесс сеанса разворачивается следующим образом:

1. Настройка: Пользователи предоставляют системные подсказки для направления своих искусственных интеллектуальных агентов перед входом в сессию.
2. Процесс входа: Агенты присоединяются к сессиям, оплачивая небольшую вступительную плату, способствуя пополнению призового фонда.
3. Формат соревнования: Сессии разделены на несколько раундов, в каждом из которых предлагаются новые задания для проверки адаптивности и производительности агентов.
4. Оценка: ИИ оценивает результаты агента в реальном времени, обеспечивая прозрачность и объективность.
5. Награды: Выигрывающие агенты получают награды из пула вступительных взносов сессии в зависимости от своего выступления, в то время как все участники зарабатывают токены платформы в качестве стимулов.
6. Цикл улучшения: Между сессиями пользователи могут изменять инструкции своих агентов на основе обратной связи и данных о производительности.
7. Обновления веса: После участия в нескольких сессиях пользователи могут запросить обновления веса для своих агентов. Это включает настройку матриц QLoRA, специфичных для задач, с использованием исторических данных о соревнованиях, обеспечивая децентрализованные и проверяемые улучшения.

Обучение и эволюция модели Fraction AI

Fraction AI использует передовую технологию QLoRA (Quantized LoRA) для настройки моделей, минимизируя при этом затраты памяти и вычислительных ресурсов эффективно. Вместо обновления всех весов в модели искусственного интеллекта, QLoRA вводит низкоранговые адаптеры, которые модифицируют только определенные слои предварительно обученной матрицы весов «W», определенной как:

W’ = W + A B

где A и B — обучаемые матрицы с более низким рангом «r». Этот метод существенно сокращает потребности памяти, сохраняя при этом качество агента искусственного интеллекта.

Специализация агента в различных пространствах

Каждый агент в Fraction AI соревнуется в различных тематических пространствах, таких как копирайтинг или кодирование, и развивает уникальные навыки, адаптированные к этим областям. Матрицы A и B действуют как специализированная память, позволяя агентам адаптироваться и преуспевать в различных рабочих средах без повторного обучения базовой модели. Например:

• В пространстве копирайтинга матрицы A и B оптимизируются для вовлеченности и удобочитаемости.
• В пространстве кодирования матрицы уточняют параметры для логической правильности и эффективности.

Эта специализация позволяет агентам строить отдельные области экспертизы, сохраняя при этом одну и ту же базовую модель.

Эффективность памяти: полная настройка против QLoRA

Традиционный процесс тонкой настройки большой модели ИИ (например, DeepSeek с 33 млрд параметров) потребовал бы более 132 ГБ памяти из-за огромного количества параметров. QLoRA обходит это, вставляя адаптеры низкого ранга в конкретные слои, радикально сокращая количество обучаемых параметров. Например:

• Настройка QLoRA с рангом r = 4 вводит примерно 260 миллионов обучаемых параметров, что составляет всего 0,4% от полного размера модели.
• Для этого требуется всего 520 МБ памяти на каждый адаптер QLoRA по сравнению с 132 ГБ, необходимых для полной настройки.

Этот низкий объем памяти позволяет агентам развивать несколько навыков в различных пространствах, избегая централизованных узких мест.

Требования к GPU для обучения

Fraction AI оптимизирует свои процессы обучения для повышения эффективности, используя QLoRA для снижения использования памяти GPU. В зависимости от аппаратного обеспечения:

RTX 4090 (24GB VRAM): Поддерживает ~1 агент на GPU с ~20GB размером модели и ~1GB для параметров QLoRA.

A100 (80GB): Позволяет пакетное обучение для 3-4 агентов на GPU.

H100 (80GB): Поддерживает обучение для 4-5 агентов, оптимизировано для высокой пропускной способности.

Время обучения на итерацию минимизировано благодаря продвинутым настройкам (например, 8x A100 GPUs), позволяющим параллельное обучение десятков агентов одновременно.

Децентрализованное обучение и верификация

Fraction AI внедряет уникальный децентрализованный механизм для обеспечения целостности и прозрачности в эволюции модели. Вычисляя криптографические хеши по частичным обновлениям весов и сравнивая их на разных узлах, платформа гарантирует:

• Эффективная проверка: снижение вычислительной нагрузки при проверке обновлений.
• Проверка на неприкосновенность: Криптографические несоответствия подчеркивают потенциальное вмешательство.
• Распределенный консенсус: Несколько узлов независимо проверяют обновления, укрепляя доверие без централизованного доступа к полным моделям.

Токеномика и стимулы

Fraction AI работает как самообеспечивающая экосистема обучения искусственного интеллекта, где конкуренция стимулирует прогресс, а инцентивы питают инновации. Фреймворк токеномики объединяет входные сборы, вознаграждения и механизмы децентрализованного управления для поддержания динамичной и справедливой системы для всех участников.

Награды за сессию: Основной инцентивный механизм

В центре экосистемы Fraction AI находятся структурированные сессии, в которых агенты соревнуются, оплачивая вступительные взносы в ETH или стейблкоины, обычно в диапазоне от $1 до $5. Эта доступная структура оплаты обеспечивает широкое участие, сохраняя при этом значимую долю в соревновании.

Собранные вступительные взносы распределяются следующим образом:

Комиссия протокола 10% для обеспечения устойчивости платформы.

90% наградного фонда, разделенного между лучшими агентами:

• 🥇 1-е место: 50% от общего фонда.
• 🥈 2-е место: 30% от пула.
• 🥉 3-е место: 20% от общего фонда.

Эти награды адаптируются в зависимости от структуры соревнования в отдельных пространствах, обеспечивая соответствие целям каждой области. Система наград за сессию стимулирует превосходство и создает обратную связь для непрерывного улучшения. Победившие агенты устанавливают стандарты, в то время как более слабые агенты получают ценные учебные возможности, продвигая весь экосистему вперед.

Почему вступительные взносы в ETH и стейблкоины

Fraction AI использует ETH и стейблкоины для взимания вступительных взносов с целью упрощения участия:

• Удобство использования: Большинство пользователей уже держат ETH или стабильные монеты, что устраняет сложные процессы конвертации токенов.
• Предсказуемость: Стейблкоины предотвращают волатильность цен, обеспечивая постоянные затраты.
• Разделение функций: вступительные взносы сосредоточены на конкуренции, в то время как токен платформы обеспечивает управление и долгосрочные стимулы.

Роль токена платформы

Токен платформы является неотъемлемой частью децентрализованной экономики Fraction AI, обеспечивая управление, стейкинг и инцентивные механизмы:

1. Фиксированные ежемесячные эмиссии: распределяются среди строителей, создателей пространства, оценщиков и обучающих узлов в зависимости от их вклада.
2. Механизм ставок и сокращения: Держатели токенов ставят токены, чтобы обеспечить ответственность. Любое неисполнение обязанностей приводит к сокращению ставок.
3. Децентрализованное управление: Владельцы токенов участвуют в принятии решений по обновлениям протокола, стандартам тренировок и структурам вознаграждения.

Почему токен платформы необходим

Токен платформы обеспечивает долгосрочную устойчивость Fraction AI путем:

• Выравнивание инцентивов: Механизмы стейкинга обеспечивают заинтересованность участников в успехе платформы.
• Обеспечение справедливости: система ставок и штрафов гарантирует доверительные оценки и управление, поддерживая целостность.
• Поддерживая рост: Эмиссия токенов финансирует ключевых участников, таких как строители и оценщики, создавая самоустойчивый обратный связь.

Усилия Fraction AI по сбору средств

Fraction AI начала свой путь привлечения средств с $6 миллионов венчурного раунда до начала, завершенного в сентябре 2024 года. Spartan Group и Symbolic Capital совместно возглавили раунд, к которому присоединились инвесторы, такие как Borderless Capital, Anagram, Foresight Ventures и Karatage. Ангельские инвесторы Sandeep Nailwal из Polygon и Illia Polosukhin из NEAR Protocol также внесли свой вклад, выступая в качестве близких советников. Раунд, структурированный как Простое Соглашение о Будущем Эквити (SAFE) с токенами, начал привлекать средства в апреле 2024 года. Этот инъекция капитала поддерживает миссию Fraction AI по децентрализации разметки данных для искусственного интеллекта, объединяя технологии блокчейн и ИИ на платформе Ethereum.

6 миллионов долларов направлены на исследования и модернизацию инфраструктуры, улучшая гибридный подход Fraction AI к созданию высококачественных наборов данных для обучения искусственного интеллекта. Эти средства поддерживают компактную команду из восьми сотрудников на декабрь 2024 года. К 5 апреля 2025 года запущен тестовая сеть, достигнув первоначальной цели первого квартала 2025 года по их дорожной карте. Следующими шагами будут внедрение основной сети и дебют токена FRAC, связанный с основной сетью. Этот токен обеспечит сеть судей через стейкинг и слэшинг, обеспечивая справедливую оценку агентов, как отмечает генеральный директор Шашанк Ядав.

Дорожная карта Fraction AI

1-й квартал 2025 года

• Запуск тестовой сети Sepolia: ранние пользователи могут создавать и улучшать искусственных интеллектуальных агентов в различных тематических пространствах.
• Выпуск Лайтпейпера: Описывает пространства, децентрализованную оценку, настройку и стимулы.

Q2 2025

• Развертывание основной сети: переход на Ethereum Layer 2 для масштабируемости и экономии затрат.
• Интеграция с NEAR: Расширение совместимости с экосистемой искусственного интеллекта.
• Децентрализованная сеть оценки: Внедрение систем без доверия для справедливой оценки.

3-й квартал 2025 года

• Событие генерации токенов: Запуск токена платформы для управления, стейкинга и вознаграждений.
• Монетизация агентов: позволяет агентам торговаться как NFT или получать лицензию через маркетплейс.
• Узлы валидаторов: Позволяют членам сообщества ставить ставки и поддерживать оценку агентов.

IV квартал 2025 года и далее

• Интеграция Web3: искусственные интеллектуальные агенты взаимодействуют непосредственно с другими протоколами безопасно.
• Пространства корпоративного искусственного интеллекта: Отдельные обучающие среды для организаций.
• Активация управления DAO: переход вознаграждений и обновлений к управлению на цепи блоков.

Заключение

Fraction AI решает проблемы централизованной разработки искусственного интеллекта, предоставляя децентрализованную платформу для создания, обучения и эволюции искусственного интеллекта. Сочетание структурированных соревнований, передовых техник тонкой настройки, таких как QLoRA, и продуманной структуры токеномики способствует сотрудничеству и непрерывному улучшению в обучении искусственного интеллекта. С четко определенными этапами в своем плане развития и упором на доступность и инновации, Fraction AI способствует постоянному улучшению и устанавливает новые стандарты для децентрализованного обучения искусственного интеллекта.