POKT Network Unveils AI Litepaper on Large Language Models Deployment

BlockchainReporter · 2024-06-20T04:23:22.000Z

POKT Network has released its AI Litepaper, exploring the deployment of Large Language Models (LLMs) on its protocol to provide robust and scalable AI inference services. Since its Mainnet launch in 2020, POKT Network has served over 750 billion requests through a network of approximately 15,000 nodes in 22 countries. This extensive infrastructure positions POKT Network to enhance the accessibility and financialization of AI models within its ecosystem. The AI Litepaper highlights the alignment of incentives among model researchers (Sources), hardware operators (Suppliers), API providers (Gateways), and users (Applications) through the Relay Mining algorithm. This algorithm creates a transparent marketplace where costs and earnings are based on cryptographically verified usage. The protocol’s quality of service competes with centralized entities, making it a mature permissionless network for application-grade inference. Introducing: POKT Network’s AI LitepaperThe paper explores the potential to deploy Large Language Models on the netwok in order to provide a robust and scalable AI inference. Read it here 👇https://t.co/HCLuII1ZHE — POKT Network (@POKTnetwork) June 19, 2024 The integration of LLMs on POKT Network allows for scalable AI inference services without downtime, leveraging the existing decentralized framework. AI researchers and academics can monetize their models by deploying them on the network, earning revenue based on usage without managing access infrastructure or generating demand. The Relay Mining algorithm ensures a transparent marketplace, incentivizing Suppliers to maintain high Quality of Service. Permissionless LLM Inference The AI Litepaper, titled “Decentralized AI: Permissionless LLM Inference on POKT Network,” was authored by Daniel Olshansky, Ramiro Rodríguez Colmeiro, and Bowen Li. Their expertise spans augmented reality, autonomous vehicle interaction analysis, medical image analysis, and AI/ML infrastructure development, contributing to the paper’s comprehensive insights. Daniel Olshansky brings experience from Magic Leap’s Augmented Reality cloud and Waymo’s autonomous vehicle planning. Ramiro Rodríguez Colmeiro, a PhD in signal analysis and system optimization, focuses on machine learning and medical image analysis. Bowen Li, formerly an engineering manager at Apple AI/ML, led the development of Apple’s first LLM inferencing platform. POKT Network’s AI Litepaper underscores its potential to drive innovation, adoption, and financialization of open-source models, positioning the network as a key player in permissionless LLM inference. For more detailed insights, the full AI Litepaper is available online.

POKT tīkls ir izlaidis savu AI Litepaper, pētot lielo valodu modeļu (LLM) izvietošanu savā protokolā, lai nodrošinātu stabilus un mērogojamus AI secinājumus. Kopš Mainnet palaišanas 2020. gadā, POKT tīkls ir apkalpojis vairāk nekā 750 miljardus pieprasījumu, izmantojot tīklu, kurā ir aptuveni 15 000 mezglu 22 valstīs. Šī plašā infrastruktūra pozicionē POKT tīklu, lai uzlabotu AI modeļu pieejamību un finansiālismu savā ekosistēmā.
AI Litepaper izceļ stimulu saskaņošanu starp modeļu pētniekiem (avoti), aparatūras operatoriem (piegādātājiem), API nodrošinātājiem (vārtejas) un lietotājiem (lietojumprogrammām), izmantojot Relay Mining algoritmu. Šis algoritms rada pārredzamu tirgu, kurā izmaksas un ieņēmumi ir balstīti uz kriptogrāfiski pārbaudītu lietojumu. Protokola pakalpojumu kvalitāte konkurē ar centralizētām entītijām, padarot to par nobriedušu bezatļauju tīklu lietojumprogrammas līmeņa secinājumiem.
Iepazīstinām: POKT Network's AI Litepaper Šajā rakstā ir pētītas iespējas tīklā izvietot lielos valodu modeļus, lai nodrošinātu stabilu un mērogojamu AI secinājumu. Lasiet to šeit 👇https://t.co/HCLuII1ZHE
— POKT tīkls (@POKTnetwork) 2024. gada 19. jūnijs
LLM integrācija POKT tīklā ļauj nodrošināt mērogojamus AI secinājumus bez dīkstāves, izmantojot esošo decentralizēto sistēmu. AI pētnieki un akadēmiķi var gūt peļņu no saviem modeļiem, izvietojot tos tīklā, gūstot ieņēmumus, pamatojoties uz lietojumu, nepārvaldot piekļuves infrastruktūru vai neradot pieprasījumu. Relay Mining algoritms nodrošina pārredzamu tirgu, motivējot piegādātājus uzturēt augstu pakalpojumu kvalitāti.
Neatļauts LLM secinājums
AI Litepaper ar nosaukumu “Decentralizēts AI: bezatļauts LLM secinājums POKT tīklā” ir autori Daniels Olšanskis, Ramiro Rodrigess Kolmeiro un Bovens Li. Viņu zināšanas aptver paplašināto realitāti, autonomo transportlīdzekļu mijiedarbības analīzi, medicīnisko attēlu analīzi un AI/ML infrastruktūras attīstību, sniedzot ieguldījumu dokumenta visaptverošajā ieskatā.
Daniels Olšanskis sniedz pieredzi no Magic Leap paplašinātās realitātes mākoņa un Waymo autonomās transportlīdzekļu plānošanas. Ramiro Rodrigess Kolmeiro, doktora grāds signālu analīzē un sistēmu optimizācijā, koncentrējas uz mašīnmācīšanos un medicīnisko attēlu analīzi. Bovens Li, agrāk Apple AI/ML inženierzinātņu vadītājs, vadīja Apple pirmās LLM secinājumu platformas izstrādi.
POKT tīkla AI Litepaper uzsver tā potenciālu veicināt inovācijas, atvērtā koda modeļu ieviešanu un finansiālo nodrošināšanu, pozicionējot tīklu kā galveno spēlētāju neatļautu LLM secinājumu veikšanā. Lai iegūtu sīkāku ieskatu, pilns AI Litepaper ir pieejams tiešsaistē.

POKT tīkls iepazīstina ar mākslīgā intelekta vienkāršo dokumentu par lielu valodu modeļu izvietošanu

Apskati vairāk satura no autora

Jaunākās ziņas