Organizace Little Octopus @OpenledgerHQ aktualizovala důležité vysvětlení mechanismu proof-of-attribution, které jako vždy pokrývá některé technické aspekty Nevím nic o technologii, takže se mohu jen pokusit sepsat své porozumění a praktický význam tohoto mechanismu důkazu přisuzování snadno srozumitelným způsobem Učitelé, kteří rozumí technologiím, jsou vítáni 🙋 Problém s tradicí: Tradiční jazykové modely používají n-gram (sekvence slov s pevnou délkou) k předpovědi dalšího slova, což je rychlé, ale postrádá kontext pro sledování zdroje předpovědi nebo přispěvatele k datům 📖Vysvětlení mechanismu Infini-gram: Mechanismus OpenLedger's Proof of Attribution (PoA) používá Infini-gram místo tradičního n-gramu, takže Infini-gram prolamuje omezení n-gramu Jedná se o symbolický modul pro porovnávání rozpětí založený na atribučním rámci o hmotnosti ∞ gramů (nekonečná délka) založeném na polích přípon, který je schopen indexovat sekvence všech délek v trénovacích datech a podporovat sledovatelnost každého tokenu ve výstupu modelu v reálném čase, aby bylo možné určit jeho zdroj. Infini-gram podporuje systém proof-of-attribution společnosti OpenLedger, který umožňuje přesné sledování od odezvy modelu až po trénovací data bez nutnosti přístupu k interním informacím modelu, takže je rychlý, transparentní a reprodukovatelný 👍 Praktický význam tohoto mechanismu: (osobní interpretace, pokud se vyskytne problém, vítám jej opravit) 1. Přesná sledovatelnost, transparentní a spolehlivá: Infini-gram podporuje sledování výstupu modelu AI slovo po slově a řekne vám, ze kterých tréninkových dat odpověď pochází Je to jako dát na umělou inteligenci "značku source", aby byl celý proces jasný. Uživatelé mohou na první pohled vědět, co umělá inteligence řekla a proč to řekla, s plnou transparentností a kompletním systémem sledovatelnosti 2. Spravedlivé uznání přispěvatelů dat: Pro přispěvatele, kteří poskytují data, může Infini-gram objasnit, která data pomáhají umělé inteligenci generovat odpověď, a přispěvatelé dat mohou být konečně viděni a rozpoznáni Díky tomuto přístupu je ekosystém umělé inteligence spravedlivější a motivuje více lidí ke sdílení vysoce kvalitních dat 3. Rozšiřitelné + efektivní: Rámec Infini-gram založený na příponových polích může sledovat zdroj v reálném čase bez ohledu na to, jak velké je množství dat, a efektivita je plná Navíc nevyžaduje složité výpočty gradientů a lze jej jednoduše a efektivně škálovat na scénáře s masivními datovými sadami 4. Zajistěte, aby byla umělá inteligence spolehlivější a vyhovující: Infini-gram může poskytnout "ověřitelnou identifikační kartu" s modelem AI, což umožňuje výstupnímu obsahu přesně určit zdroj Nejenže to uživatelům dává větší důvěru v umělou inteligenci, ale také to splňuje regulační požadavky a činí umělou inteligenci více vyhovující a etickou 🤔 Výše uvedené je mé osobní myšlení a interpretace: v současné době mají někteří lidé v úmyslu vést umělou inteligenci k tomu, aby dělala chyby a vštěpovala do ní nesprávné informace a data, a tato funkce Little Octopus má skvělý praktický scénář použití, který vám pomůže vysledovat původ chybových dat a opravit chyby AI Těšíme se na to, jak tato funkce bude fungovat v budoucnu