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.
Ben Fielding
Ben Fielding6 aug. 22:46
introducerar BlockAssist – den första demonstrationen av decentraliserad assistansinlärning i Minecraft Snart kommer varje app att passivt träna enskilda lokala modeller direkt efter användarnas preferenser och globalt förbättras mellan användare över en decentraliserad infrastruktur som ägs av alla
3,81K