$TIG و $TAO - أوجه التآزر التي تجعلها اقترانا مثاليا TL. DR: ستشهد نماذج TAO مكاسب هائلة في الأداء والتطور والكفاءة إذا استخدمت خوارزميات أفضل لتدريبها ووظيفتها. أفضل طريقة لإنتاج هذه الخوارزميات هي @tigfoundation. وبالتالي، ستستفيد كلا الطائفتين بشكل كبير من التعاون. سوف ينجزون معا أكثر مما يمكن لأي منهما أن ينجزوا بشكل فردي. مقدمه لقد رأيت عددا من الأشخاص الذين اكتشفوا مؤخرا @tigfoundation يؤكدون أنه مشابه أو منافس ل Bittensor. أردت أن أشير بسرعة إلى الاختلافات الرئيسية بين الاثنين + تسليط الضوء على سبب منطقية العمل معا. اوجه التشابه $TAO هو إطار عمل لامركزي وغير مصرح به لتدريب LLM يسمح لعمال المناجم بالمساهمة في الحوسبة في "شبكاته الفرعية" مقابل رموز TAO. كل شبكة فرعية هي مكون مقسم لشبكة TAO التي تلبي احتياجات الذكاء الاصطناعي التي يتم تدريبها وتوجيهها في حالات استخدام محددة. يسمح هذا النهج للباحثين بتجميع الحوسبة بتكلفة أرخص بكثير من الأساليب المركزية. $TIG هو إطار عمل لامركزي بدون إذن لتطوير الخوارزمية يسمح لأي شخص في أي مكان بالمساهمة في تطوير أحدث الخوارزميات مع تحسين الحوسبة أو التعليمات البرمجية. يتم الدفع لهم مقابل مساهماتهم في $TIG الرموز المميزة. يسمح $TIG للعلماء باقتراح "تحديات" لحالات استخدام الخوارزمية المميزة. إنها تعمل بنفس طريقة الشبكات الفرعية TAO. يسمح ذلك $TIG بتحسين الخوارزميات لأي حالة استخدام والقيام بذلك بسرعات غير متوقعة من قبل. كلاهما غير مصرح به ويمكن الوصول إليه عالميا مما يعني أن كلا من تدريب LLM وتحسين الأساليب الخوارزمية التي تدعمه مفتوحان الآن لجميع الذين يمكنهم المساهمة بشكل هادف. التازر تستخدم LLMs في $TAO العديد من الخوارزميات الأساسية (غالبا ما تكون متاحة على نطاق واسع) لتدريبها وتحسينها. يحدد تطور هذه الأساليب (جنبا إلى جنب مع مقدار الحوسبة المفوضة لها) مقدار الطاقة والوقت الذي تستغرقه $TAO LLMs للتحسين. ويترتب على ذلك أنه إذا أرادت نماذج TAO التنافس مع أحدث المعادلات التي تنتجها شركات الذكاء الاصطناعي المركزية ، فمن مصلحة TAO إشراك نفسها في البحث الأساسي الذي يحسن الأساليب الحالية وربما حتى تمويله. أثبت $TIG الأسبوع الماضي أنه أسرع وسيلة متاحة لتحسين الخوارزميات. ضع في اعتبارك أن تحسينات الأداء التي تمنحها الخوارزميات الأفضل أكثر أهمية بشكل كبير من تلك الناتجة عن زيادة الحوسبة. إذا كنت تستثمر في $TAO تتفوق على المنافسين المركزيين في أي شكل من الأشكال ، فيجب أن تكون هذه لحظة مضيئة. أرخص الوسائل وأكثرها فاعلية لتحقيق ميزة مشتقة خوارزميا والحفاظ عليها لماجستير القانون الخاصة بك متاحة لك مجانا وأثبتت فعاليتها بالفعل. يتم الآن تقديم تحديات لعمليات الذكاء الاصطناعي الأساسية مثل تقسيم Hypergraph والتحسين غير المحدب وهي مسألة وقت فقط قبل أن تصبح على أحدث طراز. مع وضع ذلك في الاعتبار ، أود أن أزعم أنه من المنطقي أكثر من أولئك الذين يعملون على النظام البيئي $TAO ويستثمرون فيه أن يبدأوا في توجيه بعض مواردهم في نشر تحديات $TIG والمشاركة فيها. من المؤكد أن الفوائد النهائية لمؤسسات القانون $TAO ستطغى على العمالة والموارد المطلوبة.