Geçen Ağustos ayında, Phoenix topluluğu tarafından teknoloji ve ekosistemle ilgili soruları sunması istendi. İşte ilgili Phoenix Geliştirme ekipleri tarafından sunulan cevaplar.
Ağustos 2023 Ekosistem ve Teknoloji AMA’sının çevirisini siz değerli okurlarımız için yaptık.
Keyifli okumalar.
S1. Hesaplama katmanı kullanımı harika metrikler gösteriyor. Takım, kimin kullandığını (bireyler, şirketler, vb.), Ne için kullandığını (hangi özel hesaplama türleri – bir örnek alabilir miyiz?) ve sonuçlarını nasıl kullandığını (sonuçları ne için kullandılar?) görebiliyor mu?
Kontrol panelinde gösterilen CCD için kullanılan miktarın karşılığı olan PHB miktarı yakıldı mı?
Jet Liu (Ürün Direktörü)
Evet, kesinlikle hesaplama katmanının kullanımı ve benimsenmesi sadece kullanıcılar ve AI görevlerinin çalıştırılması açısından değil, aynı zamanda kullanım derinliği açısından da sürekli olarak büyüyor gibi görünüyor. Şu anki rakamlar, platformda 700’den fazla kullanıcı ve 1300’den fazla sürekli görevin (job) çalıştığını gösteriyor, ki bu yaklaşık olarak 3 ay öncesine göre 2.5 katıdır. Analizlerimize göre kullanıcılar, genellikle WEB3, e-ticaret, finansal hizmetler ve oyunlardan (çoğunlukla veri bilimi ve analitik ekipleri) gelmektedir.
Şu anki en büyük segment aslında bireysel yatırımcılar ve al-satçılar gibi görünmektedir, bu beklenen bir durumdur ve AI erişilebilirliğini artırmayı hedeflediğimiz için bu segmenti perakende kullanıcılar olarak değerlendiriyoruz. SkyNet’in başlatılmasıyla büyümenin daha da hızlanmasını bekliyoruz.
Şu anda kullanıcıların %90’ından fazlası, derin öğrenme veya denetimsiz öğrenme gibi AI ile ilgili görevler için Hesaplama Katmanımızı kullanıyor gibi görünüyor. Her kullanıcının Hesaplama Katmanını çözmek için kullandığı kullanım durumu veya sorun farklı bir şekildedir, ancak genellikle veri bilimi modelleri, AI destekli tahmin, öngörüsel analiz ve kod olmadan AI dağıtımı gibi şeyler için kullanıldığını görüyoruz, bu da platformumuzun temel özelliklerinden biri.
Platformdaki kullanıcıların yaklaşık %60’ı, AI modellerini basit kod kullanarak dağıtmalarına izin veren Hesaplama Katmanı’nın API/SDK’sını kullanırken, kullanıcıların %40’ı kod kullanmadan dağıtım yapıyor, yani işleri Kontrol Paneli’nin kullanıcı arayüzünü kullanarak oluşturuyor.
Hesaplama Katmanı panosundaki CCD kullanımı, çeşitli görevlerin gerçekleştirilmesi için halihazırda kullanılmış olan CCD’yi gösterir. PHB’den CCD’ye olan mevcut takas oranı 1:5’tir ve CCD’nin kendi likiditesine sahip olana kadar bu oranda kalmaya devam edecek.
Hesaplama Katmanı, Hibrid Staking girişimimizin önemli bir parçasıdır ve SkyNet’in başlatılmasından sonra bunu daha net göreceğiz.
S2. AlphaNet’in tam olarak ne olmayı ve sunmayı amaçladığını açıklayabilir misiniz? Tam ürün ne zaman tam olarak piyasaya sürülecek?
Tiger Li, Tensor Investment Corporation Baş Araştırmacısı
Bu harika bir soru, çoğu insanın henüz bu önemi kavramadığını düşünüyorum. AlphaNet, aslında kripto ticareti için yüksek derecede farklılaşmış bir AI platformu olan Phoenix’in doğal bir dApp’ıdır ve profesyonel yatırımcılar ve al-satçılara yalnızca makine öğrenimi ve veri bilimi ekipleri ile erişilebilen ticaret firmalarına özgü avantajlar sunar. AlphaNet’in AI yetenekleri ve modelleri, Phoenix’in Hesaplama Katmanı’nı kullanarak oluşturulur ve AI Node Ağı aracılığıyla hesaplama kaynaklarını kullanır. Kontrol Paneli üzerinden Hesaplama Katmanı’ndaki AlphaNet’in AI işlemlerini ve kullandığı kaynakları görebilirsiniz.
İşte örnek bir ana konsept – AlphaNet’in kripto ticaret topluluğunda büyümesi, aynı izleyici grubunda Phoenix kullanıcı tabanını, sahiplerini ve ekosistemini büyütme anlamına gelir. Ve tüm kripto ekosistemindeki en büyük kullanıcı grubu nedir? Evet, doğru tahmin ettiniz, yatırımcılar ve al-satçılar. Phoenix’in öncü dApp’ı olan AlphaNet’in amacı eşi benzeri olmayan bir kullanım ve büyük bir erişim kazanmak. Eğer en sofistike kripto yatırımcılarının ticaret yapma çeşitliliğini artırabilirsek, Phoenix de hızlı büyür ve büyük kazançlar elde eder.
AlphaNet, özenle geliştirilmiş ve test edilmiş AI ticaret araçlarına ve modellerine odaklanır, bu nedenle her zaman kaliteyi vurgularız. Bir süredir beta sürümünde çünkü platformda kullanılacak sonraki araç ve ticaret stratejileri setini titizlikle test ediyoruz. Her sürüm yükseltmesinin AlphaNet’i bir sonraki seviyeye taşıması bekleniyor – bir sonraki aşamada ticaret KOL’larını ve ticaret firmalarını platformu test etmeye davet etmeyi planlıyoruz.
Bir sonraki sürümde, risk-ağırlıklı getiri açısından çoğu kripto fonunu geride bırakan bir AI ticaret modeli piyasaya sürmeyi planlıyoruz – bu, platformun gücünü fark edecek bir dönüm noktası olacaktır. İlginç bir şekilde, AlphaNet’in ilk Halk Beta sürümünü zaten mevcut ticaret stratejilerini tamamlamak için kârlı bir şekilde kullanan birkaç kripto al-sat ekibi ve bazı bireysel yatırımcılar var.
Başlangıçta platform, çoğunlukla yatırımcılar ve al-satçılar gibi görünen takımlara, büyük oyunculara ve en sofistike bireysel yatırımcılara yöneliktir – ancak zaman geçtikçe ve iterasyonlar ve güncellemelerden sonra, herkes için bir şeyler olması tabii ki muhtemel. Ürün çeşitliliği ve seçimi arttıkça AlphaNet pazarlama ve yönlendirme programlarını geliştirmeyi hedefliyoruz.
S3. FetchAI, SingularityNET veya Bittensor gibi diğer oyunculara göre Phoenix’in teknolojik avantajları nelerdir?
Jimmy Hu, Teknoloji ve Ekosistem Başkanı
Mükemmel bir soru! Bunlar, benzerliklerine rağmen farklı odaklara sahip projelerdir ve bu farklara değineceğim.
Fetch.ai, alanın favori projelerinden biridir – otomasyonla ilgili görevleri yerine getirebilen zeki otonom çalışmalara odaklanırlar ve bunların bazıları makine öğrenmesine dayalıdır. Fetch, çeşitli süreçlerin otomasyonu ve verimliliğin artırılmasına odaklanan bir Web 3 tabanlı bir RPA (robotik süreç otomasyonu) platformuna benzer, Fetch, farklı görevleri tamamlamak için çeşitli otonom çalışmalar ile kullanıcısına yardımcı olduğu soyut bir “ajan – agent” konsepti etrafında döner.
Bittensor ise çok ilginç bir projedir – bazıları için anlamak zor olsa da oldukça iddialıdır. Proje, cihazlar arası ölçeklenebilen, hatta daha az hesaplama kapasitesine sahip cihazlar arasında ölçeklenebilen tamamen yeni bir merkezi olmayan makine öğrenme hesaplama yöntemi oluşturmayı hedeflemektedir ve dahası ve bence en önemli özelliklerinden birisi ise GPU’ları ihtiyaç duymamaktadır. Kendi LLM’si olduğu söylenen bir LLM’ye sahiptir ve HAL adında bir sohbet botu vardır. Bununla birlikte, Bittensor, yeni yaklaşımı nedeniyle muhtemelen TensorFlow ve Pytorch gibi ana akım AI çerçeveleriyle uyumlu olmayacaktır.
Öte yandan, SingularityNet hakkında pek bir şey söyleyemem, daha doğrusu hakkında pek bir şey bilmiyorum, AGI bir tema ve bir pazar yeri gibi görünüyor.
İşte Phoenix’in bu projelerden farklılaştığı yer:
1) Phoenix Hesaplama Katmanı, ana akım AI çerçeveleri, modelleri ve yöntemleri ile uyumlu kapsamlı merkezi olmayan bir AI hesaplama ağıdır. Bu, derin öğrenme, denetimsiz öğrenme, güçlendirilmiş öğrenme (örneğin AlphaGo) dahil her şeyi içerir. Kullanım durumu, tahminsel analiz, veri bilimi, kurumsal makine öğrenimi ve ticaret için dikey kullanım durumlarına kadar çeşitlilik gösteriyor (örneğin AlphaNet ve NYBL için görsel işleme).
2) Phoenix’in AI hesaplama altyapısı üç ana hat üzerine odaklanır –
- ölçekleme
- erişilebilirlik
- merkezsizleşme
Ölçekleme, çeşitli AI modellerini ve büyük veri miktarlarını AI Node Ağı’nda ölçeklendirme yeteneğini ifade eder. Erişilebilirlik, AI’nin daha erişilebilir hale getirilmesini ifade eder, bu da Kontrol Paneli aracılığıyla kod olmadan dağıtım veya API aracılığıyla basitleştirilmiş işlem anlamına gelir. Merkezsizleşme, merkezi olmayan hesaplama kaynakların kullanımı anlamına geliyor, bu da daha yüksek maliyet-etkinliği ve uzun vadeli ağ ölçeğini sağlar.
Phoenix, ağda çalıştırılması gereken AI modeline bağlı olarak hem CPU hem de GPU kaynaklarını kullanabilir – bu, herhangi bir verilen görev için en verimli ve maliyet-etkin hesaplama kaynaklarını sağlar. (Hibrit bir yapı ile maksimum verim minimum maliyet hesaplaması gibi düşünülebilir.)
Phoenix ekosistemi iki paralel yapı taşı üzerinde çalışır:
- Phoenix Hesaplama Katmanı ve SkyNet’i bir altyapı platformu olarak kullanan kullanıcılar, kendi AI görevleri (jobları) için Kontrol Paneli veya API kullanırlar
- AlphaNet gibi yerel dApp’leri kullanan kullanıcılar, Phoenix Hesaplama Katmanı kullanımını ve PHB kullanımından dolaylı olarak büyütürler.
Phoenix teknoloji geliştirme ekibi, 3 organizasyonu (APEX Technologies, FLC, Tensor Investment) kapsar ve AI, veri bilimi ve veri altyapısı uzmanlarının çeşitli bir dizisini içerir. Bunun yanı sıra, Tensor’dan gelen ticaret dahil AI’nin sektör ve dikey uygulamalarında uzmanlara da sahibiz (APEX’ten), perakende, e-ticaret ve otomotiv (APEX’ten), finansal hizmetler ve sağlık hizmetleri (FLC’ten).
S4. Takım, hala blockchain üzerinde AI’in geleceğine inanıyor mu?
Phoenix Çekirdek Geliştirme Ekibi
AI, gelecekteki en büyük teknoloji devrimidir ve daha bu durumun etkilerini henüz görmedik bile – merkezi olmayan AI teknolojisi ise geleceğin tam ortasındaki parçalardan birisidir. AI’nin karşılaştığı çeşitli sorunlar da tabii ki vardır. Bunlardan bazıları ölçeklenebilirlik, kaynak sınırlamaları, veri gizliliği, erişilebilirlik/demokratikleşme ve etik endişeler dahil olmak üzere merkezi olmayan teknolojiler ve protokoller olarak sıralanabilir. Ekip olarak biz, tüm bu sorunları tam kalbinden hedef alarak çözmeyi amaçlıyoruz.
Phoenix Çekirdek Geliştirme ekibi olarak, bir takım deneysel testler yoluyla WEB3 ekosisteminde yapay zeka için çok belirgin bir yol olduğuna inanıyor ve bu işi başarabilecek en iyi ekiplerden birisi olduğumuza inanıyoruz.
S5. Büyük bir dil modeli olan chat-GPT’yi oluşturmayı ne zaman kararlaştırdınız? Eğer öyleyse, bunu nasıl mümkün kıldınız? Kim tarafından geliştirildi ve kimler kullanacak?
Phoenix Çekirdek Geliştirme Ekibi
Hesaplama Katmanı’nın bir parçası olarak bir Büyük Dil Modelini (LLM) içermeye karar vermek son zamanlarda alınan bir karar değildi. Phoenix, kapsamlı bir merkezi olmayan AI hesaplama altyapısı olarak konumlandırılmıştır, bu nedenle platform üzerinden ana akım ve açık kaynak AI teknolojilerinin tam yelpazesi kullanılabilir olacaktır.
PhoenixLLM, Tensor’daki ekipler tarafından ve FLC ile işbirliği içinde geliştirilmiştir. Her iki ekipte doğal dil işleme, derin öğrenme ve generatif AI uzmanlarına sahiptir ve yıllar boyunca süregelen araştırma ve geliştirme deneyimine sahiptir.
PhoenixLLM’nin özel modellemeleri, Web 3, teknoloji/yazılım ve ticaret/piyasa gibi dikey bilgi kullanım durumlarına odaklanacaktır.
S6. PHB için tam zamanlı çalışan mevcut ekip büyüklüğü nedir?
Phoenix Çekirdek Geliştirme Ekibi
Harika bir soru – Phoenix’in küçük bir proje olduğunu düşünenler olabilir, ancak bu doğru değil.
Phoenix’de 27 tam zamanlı ekip üyesi bulunmaktadır ve 3 Phoenix DAO’nun bir parçası olan organizasyondan gelen 60’tan fazla vekâleten çalışan (Dış Kaynak Çalışanlar) uzman ve geliştirici bulunmaktadır.
S7. Phoenix ve JD.com’un birlikte çalışacakları ortak çözümler hakkında daha fazla ayrıntı verebilir misiniz?
APEX Technologies aracılığıyla JD ile kapsamlı bir ekosistem ortaklığı kuruldu ve JD, bulut, AI ve yazılım ortaklığı çerçevesine sahip olan oldukça büyük bir şirket. Phoenix’in dahil olduğu ise iki ana alan var:
- JD Cloud ve JDC’nin SkyNet’e hesaplama kaynaklarının katkısı
- JD’nin kendi AI teknolojisini SkyNet platformunda geleneksel bulut bilişimine göre çok daha düşük maliyetle entegre etmek.
S8. Hibrit staking ne zaman hazır olacak?
AlphaNet, Hibrit Ödüller ve ardından Hesaplama Katmanı ile başlayarak Hibrid Staking modül modül açılacak. Hibrit Ödüller PHB tokeninin kullanımını ve değerini artırmak için, staking anlayışını içeren tam anlamıyla donanımlı bir ödül programıdır.
Hedef, Hibrit Staking’in toplam PHB arzının %40’ından fazlasına ulaşmasını sağlamaktır. Düzenli staking ile birleştirildiğinde, toplam arzın %2/3’ünden fazlasına tekamül ettiğini görüyoruz. Hibrit Staking’in PHB’nin dolaşımdaki miktarını azaltmanın en etkili yol olduğunu öngörüyoruz.
S9. AI için teknolojik altyapı olarak, insanların görsel ve işitsel içerikleri nasıl analiz edebileceğini ve sonuçlarını ticari veya diğer faydalı amaçlar için nasıl kullanabileceğini düşünüyor musunuz? Eğitim hizmetleri veya video içerikler üzerine odaklanmak gibi?
Phoenix Çekirdek Geliştirme Ekibi
Kesinlikle, görsel ve işitsel içeriğin analizi, AI ve makine öğrenme alanlarında büyük bir öneme sahiptir ve Phoenix platformu bu tür işlemleri desteklemek için tasarlanmıştır. Görsel işleme ve işitsel analiz gibi alanlarda, özellikle eğitim hizmetleri, video içerik analizi ve daha fazla kullanım durumlarında büyük potansiyel bulunmaktadır.
Örneğin, bir eğitim hizmeti, öğrenci ilerlemesini izlemek veya kişiselleştirilmiş öğrenme içeriği sunmak için öğrencilerin görsel ve işitsel verilerini analiz edebilir. Video içerik analizi, içerik oluşturuculara ve pazarlamacılara izleyici davranışını ve etkileşimleri anlama konusunda değerli bilgiler sunabilir.
Phoenix platformu, bu tür görsel ve işitsel analiz işlemlerini gerçekleştirmek için gerekli olan hesaplama kaynaklarını ve altyapıyı sunar. Ayrıca, platformun erişilebilirliği ve kullanım kolaylığı, bu tür analizleri gerçekleştirmek isteyen farklı sektörlerden kullanıcıların ihtiyaçlarını karşılamak için tasarlanmıştır. Bu nedenle, Phoenix platformu, görsel ve işitsel içerik analizi için geniş bir uygulama yelpazesi sunabilir.
S10. Yeni teknik inceleme ne zaman yayınlanacak?
Yakında!
