我要评论hyperbolic是什么？一文读懂crypto x ai新星hyperbolic！本文，我们将深入研究hyperbolic，一款当前大热的开放获取ai云服务。hyperbolic的宏大使命是通过提供负担得起的推理计算能力，让ai变得更加普及。但在此之前，让我们先来看看我们所认为的关于hyperbolic最有趣的一些事……
1、hyperbolic的秘笈——抽样证明（proof of sampling）
hyperbolic正在通过解决人工智能领域最棘手的挑战之一来开疆扩土：验证一个输出是否真正来自特定的ai模型。
这个问题对于像openai这样的集中式闭源提供商来说尤其棘手。在你请求gpt-4提供输出的时候，你怎么能确定你没有被欺骗——比如，openai运行更便宜的gpt-3.5模型（每代币价格的1/20）？
目前，这样的保证还依赖于声誉，但hyperbolic认为应该以一种无需信任的去中心化方式来处理这个问题。
目前有几种方法可以做到这一点：
- optimistic机器学习（opml）：假设所有事务都是有效的，除非有验证者（validator）提出质疑。
- 零知识机器学习(zkml)：使用zk电路来验证计算是否被正确执行。
然而，两者都具有局限性：
- opml依赖于validators来查验结果，这就会因争议期而延迟最终确定性。另外，缺少内在激励来确保validators的诚信行为。
- zkml的计算量非常大，有时甚至需要几天的时间才能生成具有70b+参数的大模型证明。
hyperbolic的目标是通过其抽样证明（posp）协议和抽样机器学习（spml）来克服这些缺点。spml利用抽样和博弈论来鼓励诚信行为，而不需要进行持续不断的监督。
它基于一种被称为nash equilibrium（纳什均衡）的纯策略型博弈论概念，即所有参与者都有明确的动机诚信行事，因为作弊的成本超过了潜在的收益。
最简单的思维模式是把它想象成一个公共汽车售票系统。
检票员只进行随机检查，所以你可能会认为乘客经常会冒险逃票。但令人惊讶的是，他们并没有这样做，因为逃票的惩罚力度足以阻止乘客作弊。只要罚款远远超过购票成本，诚信就会占上风。
hyperbolic的spml使用经济激励来解决当前的验证机制（如opml和zkml）的局限性。它既提供了速度又提供了安全性，在二者之间达到了很好的平衡，并且没有沉重的计算负担。
需要注意的是什么？那就是它假设每个人的行为都是理性的，但事实并非总是如此。
如果spml在实践中运行良好，它将改变去中心化ai应用的游戏规则，使无需信任的验证推理成为现实。
2、可扩展的低成本计算
训练ai是很昂贵的。电力和计算接入是企业和初创公司面临的最大成本。训练模型所需的算力成本几乎每9个月翻一番。
2020年gpt-3的成本约为400万美元，而2023年gpt-4的计算训练成本高达1.9亿美元，让人惊掉下巴。
只有资源充足的机构组织才能活下去。规模较小的参与者和爱好者被过高的成本挤出市场。斯坦福大学的一名博士后不得不停止他的研究，原因是他负担不起所需的数千个gpu。
去中心化计算网络的一个主要挑战是管理异构硬件——不仅仅是顶级的英伟达芯片，还有各种各样的gpu。
hyperbolic的去中心化操作系统是其计算网络的核心。它将通过内置的自动扩展和容错性无缝地汇集资源。
hyperbolic的突破在于它对这种复杂性的处理方式。
- 它通过优化不同硬件（从nvidia到amd gpu）的张量运算提供灵活性。
- hyperbolic的编译栈抽象了复杂性，使开发人员能够在不同的gpu设置中实现高性能，而不会陷入部署和配置方面的困境。
其他市场可能会提供去中心化gpu，但它们通常缺乏hyperbolic所能提供的精密优化，从而将性能调优的负担放在用户身上。
hyperbolic通过一个api简化了这一点，该api提供了对针对各种硬件优化的ai模型的访问权，使全球计算资源更加易于访问。
8月15日，hyperbolic发布了其gpu市场的alpha受限版本，允许100名等候成员试用gpu租赁功能。
3、ai服务层
hyperbolic人工智能生态系统的下一个组件就是ai服务层，它提供推理、模型训练、模型评估和检索增强生成（rag）等功能。
在hyperbolic app中，你可以轻松运行顶级开源模型，如llama 3.1 405b和hermes 370b。要想微调输出，你可以调整超参数，如max tokens、temperature和top p。
hyperbolic平台为创新的人工智能应用打开了大门，包括：
- ai智能体收入共享：代币化ai智能体的所有权以重新分配收入。
- 人工智能dao：利用人工智能进行治理决策。
- 分割gpu所有权：允许用户拥有和交易部分gpu。
4、crypto扮演什么角色？
hyperbolic基础设施的核心是其区块链，它支撑着编排、服务和验证层。区块链为hyperbolic的开源ai云处理结算和治理。它还支持posp技术的仲裁和验证机制。
虽然关于该区块链的具体内容还很少，但你大可期待hyperbolic很快就会透露更多关于这方面的信息。
5、研究级alpha
hyperbolic仍处于测试网阶段。他们在由polychain capital和lightspeed faction领投的种子轮融资中筹集了700万美元资金。
有意思的是，hyperbolic是llama 3.1 405b base模型的独家提供商。
base模型是llm的初始预训练版本，没有经过微调或通过人类反馈(rlhf)进行强化学习。它具有如下优势：
- 全方位支持对特定任务的微调
- 是高级人工智能技术的起点，例如合成数据生成或模型蒸馏（model distillation）。
6、关于团队
jasper (yue) zhang博士是hyperbolic labs的联合创始人兼首席执行官。他曾是ava labs的高级区块链研究员和citadel securities的量化研究员。他在两年内读取了加州大学伯克利分校的数学博士学位，并在阿里巴巴全球数学竞赛和中国数学奥林匹克竞赛中均获金牌。
yuchen jin博士是hyperbolic labs的联合创始人兼首席技术官。他拥有华 盛顿大学计算机系统和网络博士学位。他之前曾在octoml工作，这是一家为运行、调整和扩展生成式ai应用程序提供基础设施的公司。
7、我们的几点想法
总的来说，hyperbolic让我们非常兴奋。他们绝对是crypto ai领域里最值得关注的团队之一。
hyperbolic不仅仅是一个算力提供商，像posp和spml这样的创新也为去中心化ai增加了新的信任和验证层。
在hyperbolic上试验base模型是非常有趣的，特别是因为他们是目前为数不多的能够实现这一功能的提供商之一。我们绝对可以相信支持他们的开源ai承诺。
几周前，我们写过关于prime intellect的文章。hyperbolic是否会像prime intellect那样专注于分布式ai训练，这一点还有待观察。
虽然我们注意到对算力的需求通常是稀疏的，但对于hyperbolic来说似乎并非如此。他们已经在研究市场上显示出了早期吸引力，吸引了研究人员和开发人员的极大兴趣。
以上就是代码网小编给大家分享的是hyperbolic是什么？一文读懂crypto x ai新星hyperbolic的详细介绍了，希望大家喜欢！
发表评论