Wow - över 100 AI-assistenter har redan utbildats i BlockAssist på @gensynai. Helt baserat på användarens spelande.

De flesta RL-pipelines tränar en helt ny agent för varje uppgift, spenderar enorma mängder data och beräkning och kastar sedan bort de inlärda vikterna när du byter miljö. Varför träna AI en gång när den kan lära sig för alltid? Gensyns BlockAssist bevisar decentraliserad kontinuerlig RL i en live-app, en AI-följeslagare i Minecraft, som lär sig av ditt spelande på din enhet och sedan förbättras kollektivt via en tillståndslös beräkningssvärm. Däremot är de flesta stora modeller finjusterade med mänsklig feedback eller massiva märkta datauppsättningar i en centraliserad pipeline. BlockAssist vänder däremot på skriptet. Inlärning sker från varje användares spelström, kontinuerligt och privat. - För det första tar det bort beroendet av massiva offline-träningskörningar för varje ny kapacitet. Modellen förfinar sig själv i farten. - Den är också i sig personlig: min BlockAssist kan utveckla andra färdigheter än din eftersom vi alla tränar den på vårt eget spelande. Vi crowdsourcar i huvudsak AI-förbättringar på ett sätt som skalas med användarna, vilket är ett helt annat paradigm än centraliserad AI-finjustering. Vi är också ökända (särskilt inom krypto) och pratar om infrastruktur och dess potential, men Gensyn bevisar det med en riktig app. BlockAssist är en viktig milstolpe som visar vad som är möjligt när RL, kontinuerligt lärande och decentraliserad infrastruktur möts.

Så många SBC-sidoevenemang och inte en enda av dem är på @ViksChaat...

Våra portcos kickar igång AI-dagen på SBC 💪🏾

AI är det mest kraftfulla plattformsskiftet i vår tid, men det formas av en liten grupp företag som tävlar om att kontrollera varje lager i stacken: beräkning, data, modeller och distribution. Jag tror att framtiden för AI inte bör monopoliseras och att de mest transformativa systemen kommer att byggas på en öppen, decentraliserad infrastruktur. AI-agenter blir aktiva deltagare i programvara, och de behöver miljöer där de kan inneha tillgångar, följa regler och handla. Blockkedjor, som nu är tillräckligt snabba, billiga och uttrycksfulla för att stödja verklig AI-infrastruktur, ger den grunden. De är decentraliserade, trovärdigt neutrala och användarägda och erbjuder precis vad dagens AI-system saknar. Och för första gången är de redo. För bara ett år sedan avfärdades decentraliserad utbildning som tekniskt ogenomförbar, även av ledande AI-forskare. Men banbrytande forskning som OpenDiLoCo @PrimeIntellect, DeMo @NousResearch och Protocol Models @PluralisHQ vänder på det antagandet. För första gången är högpresterande AI-träning inte bara möjlig på decentraliserade nätverk – den fungerar. Exceptionella team fokuserar på decentraliserad AI-infrastruktur. Även om jag tror att det alltid kommer att finnas möjligheter att förbättra beräknings-, tränings- och datalagren, ser jag den mest praktiska kilen i agentinfrastrukturen: ramverken, plånböckerna och samordnings- och rykteslagren som gör det möjligt för autonoma system att interagera, handla och utvecklas. Det är här Crypto x AI-stacken börjar bli verklig. I takt med att primitiver för identitet, betalningar, minne och koordination mognar kommer vi att gå från isolerade agenter till beständiga, sammankopplade nätverk av agenter som samarbetar, konkurrerar och utvecklas i kedjan. Dessa agentnätverk kommer att bli grunden för nya typer av produkter, upplevelser och organisationer. Med tiden förväntar jag mig att detta kommer att låsa upp helt autonoma agentsvärmar, som styrs av kryptografiska regler, inte företags-API:er. Jag vill stödja ambitiösa grundare av förprodukter som bygger flera år före marknaden, med början från dag noll. DM öppna.

Jag älskar den här appen

Decentraliserad AI är idag där DeFi och stablecoins befann sig runt 2020. De flesta tekniska verkligt transformativa AI kommer inte att leva i slutna stackar. Den byggs på öppna, transparenta, decentraliserade skenor. En banbrytande händelse kommer att inleda en allmän adoption. Som Stripe som förvärvar Bridge. Och då kommer decentraliserad AI bara att kallas AI.

Livet måste bli ihågkommet baklänges, men levas framåt. -Kierkegaard

Kinas kultur med öppen källkod och öppna vikter kring AI skapar en stor hävstångseffekt för ekosystemet med öppen källkod. Företag kan öppet destillera, generera syntetisk data och bygga vidare på varandras arbete. Det i första hand slutna tillvägagångssättet i USA drivs av "vallgravskulturen". Tyvärr leder detta till liten hävstångseffekt. Det kommer inte att sluta bra...

LLM:er kan inte lösa tidsserier. Här är varför: LLM:er är kraftfulla, allmänna verktyg. Men någonstans på vägen började vi behandla dem som svaret på alla problem. Det är de inte. Och för tidsseriemodellering är de helt fel verktyg. Låt oss gräva i 👇