Web3-AI ٹریک پینورامک رپورٹ: تکنیکی منطق، منظر نامے کی ایپلی کیشنز اور ٹاپ پروجیکٹس کا گہرائی سے تجزیہ

Geekcartel کے ذریعہ تحریر کردہ

جیسا کہ AI بیانیہ گرم ہوتا جا رہا ہے، زیادہ سے زیادہ توجہ اس ٹریک پر مرکوز ہو رہی ہے۔ Geekcartel نے تکنیکی منطق، درخواست کے منظرناموں اور Web3-AI ٹریک کے نمائندہ منصوبوں کا گہرائی سے تجزیہ کیا ہے تاکہ آپ کو اس شعبے کا ایک جامع جائزہ اور ترقی کے رجحانات سے آگاہ کیا جا سکے۔

1. Web3-AI: تکنیکی منطق اور ابھرتی ہوئی مارکیٹ کے مواقع کا تجزیہ

1.1 Web3 اور AI کے انضمام کی منطق: کیسے define the Web-AI ٹریک

پچھلے سال میں، AI بیانیے Web3 انڈسٹری میں بہت مقبول رہے ہیں، اور AI پروجیکٹس بارش کے بعد کھمبیوں کی طرح پھوٹ پڑے ہیں۔ اگرچہ AI ٹیکنالوجی پر مشتمل بہت سے پروجیکٹس ہیں، کچھ پروجیکٹس صرف اپنی مصنوعات کے کچھ حصوں میں AI کا استعمال کرتے ہیں، اور بنیادی ٹوکن اکنامکس کا AI پروڈکٹس کے ساتھ کوئی خاص تعلق نہیں ہے۔ لہذا، اس مضمون میں Web3-AI پروجیکٹس کی بحث میں ایسے پروجیکٹس شامل نہیں ہیں۔

یہ مضمون ان منصوبوں پر توجہ مرکوز کرتا ہے جو پیداواری تعلقات کے مسائل کو حل کرنے کے لیے بلاکچین اور پیداواری مسائل کو حل کرنے کے لیے AI کا استعمال کرتے ہیں۔ یہ پروجیکٹ خود AI پروڈکٹس فراہم کرتے ہیں اور Web3 اقتصادی ماڈل کو پروڈکشن ریلیشن ٹول کے طور پر استعمال کرتے ہیں۔ دونوں ایک دوسرے کی تکمیل کرتے ہیں۔ ہم ایسے پروجیکٹس کو Web3-AI ٹریک کے طور پر درجہ بندی کرتے ہیں۔ Web3-AI ٹریک کو بہتر طور پر سمجھنے میں قارئین کی مدد کرنے کے لیے، Geekcartel AI کے ترقیاتی عمل اور چیلنجز کو متعارف کرائے گا، ساتھ ہی ساتھ Web3 اور AI کا امتزاج کس طرح مسائل کو مکمل طور پر حل کر سکتا ہے اور ایپلیکیشن کے نئے منظرنامے تشکیل دے سکتا ہے۔

1.2 AI کی ترقی کا عمل اور چیلنجز: ڈیٹا اکٹھا کرنے سے لے کر ماڈل استدلال تک

AI ٹیکنالوجی ایک ایسی ٹیکنالوجی ہے جو کمپیوٹرز کو انسانی ذہانت کی نقل، وسعت اور اضافہ کرنے کی اجازت دیتی ہے۔ یہ کمپیوٹرز کو زبان کے ترجمہ، تصویر کی درجہ بندی سے لے کر چہرے کی شناخت، خود مختار ڈرائیونگ اور ایپلیکیشن کے دیگر منظرناموں سے لے کر متعدد پیچیدہ کام انجام دینے کے قابل بناتا ہے۔ AI ہمارے رہنے اور کام کرنے کے طریقے کو بدل رہا ہے۔

AI ماڈل تیار کرنے کے عمل میں عام طور پر درج ذیل کلیدی مراحل شامل ہوتے ہیں: ڈیٹا اکٹھا کرنا اور ڈیٹا پری پروسیسنگ، ماڈل کا انتخاب اور ٹیوننگ، ماڈل کی تربیت اور اندازہ۔ مثال کے طور پر، بلی اور کتے کی تصاویر کی درجہ بندی کرنے کے لیے ایک ماڈل تیار کرنے کے لیے، آپ کو ضرورت ہے:

• ڈیٹا اکٹھا کرنا اور ڈیٹا پری پروسیسنگ: بلیوں اور کتوں کی تصاویر پر مشتمل ڈیٹاسیٹ جمع کریں۔ آپ عوامی ڈیٹاسیٹ استعمال کر سکتے ہیں یا خود حقیقی ڈیٹا اکٹھا کر سکتے ہیں۔ پھر ہر تصویر کو زمرہ (بلی یا کتے) کے ساتھ لیبل لگائیں تاکہ یہ یقینی بنایا جا سکے کہ لیبل درست ہے۔ تصاویر کو ایک ایسے فارمیٹ میں تبدیل کریں جسے ماڈل پہچان سکے اور ڈیٹاسیٹ کو تربیت، توثیق اور ٹیسٹ سیٹس میں تقسیم کر سکے۔

• ماڈل کا انتخاب اور ٹیوننگ: ایک موزوں ماڈل کا انتخاب کریں، جیسا کہ ایک کنولوشنل نیورل نیٹ ورک (CNN)، جو تصویر کی درجہ بندی کے کاموں کے لیے زیادہ موزوں ہو۔ مختلف ضروریات کے مطابق ماڈل کے پیرامیٹرز یا فن تعمیر کو ٹیون کریں۔ عام طور پر، ماڈل کی نیٹ ورک پرت کو AI کام کی پیچیدگی کے مطابق ایڈجسٹ کیا جا سکتا ہے۔ اس سادہ درجہ بندی کی مثال میں، ایک ہلکی نیٹ ورک پرت کافی ہو سکتی ہے۔

• ماڈل ٹریننگ: آپ ماڈل کو تربیت دینے کے لیے GPU، TPU یا اعلیٰ کارکردگی والے کمپیوٹنگ کلسٹر کا استعمال کر سکتے ہیں۔ تربیت کا وقت ماڈل کی پیچیدگی اور کمپیوٹنگ کی طاقت سے متاثر ہوتا ہے۔

• ماڈل کا اندازہ: ماڈل ٹریننگ فائل کو عام طور پر ماڈل وزن کہا جاتا ہے۔ تخمینہ کے عمل سے مراد نئے ڈیٹا کی پیشن گوئی یا درجہ بندی کرنے کے لیے تربیت یافتہ ماڈل کو استعمال کرنے کا عمل ہے۔ اس عمل میں، ماڈل کے درجہ بندی کے اثر کو جانچنے کے لیے ٹیسٹ سیٹ یا نئے ڈیٹا کا استعمال کیا جا سکتا ہے۔ عام طور پر، درستگی، یاد کرنے کی شرح، اور F1 سکور جیسے اشارے ماڈل کی تاثیر کو جانچنے کے لیے استعمال کیے جاتے ہیں۔

جیسا کہ اعداد و شمار میں دکھایا گیا ہے، ڈیٹا اکٹھا کرنے اور ڈیٹا کی پری پروسیسنگ، ماڈل کے انتخاب اور ٹیوننگ، اور تربیت کے بعد، تربیت یافتہ ماڈل کو بلیوں اور کتوں کی پیشن گوئی کی قیمت P (امکان) حاصل کرنے کے لیے ٹیسٹ سیٹ پر لگایا جاتا ہے، یعنی یہ امکان کہ ماڈل سے پتہ چلتا ہے کہ یہ بلی ہے یا کتا۔

تربیت یافتہ AI ماڈل کو مختلف کاموں کو انجام دینے کے لیے مختلف ایپلی کیشنز میں مزید مربوط کیا جا سکتا ہے۔ اس مثال میں، بلی اور کتے کی درجہ بندی کے لیے AI ماڈل کو ایک موبائل ایپ میں ضم کیا جا سکتا ہے، اور صارفین درجہ بندی کے نتائج حاصل کرنے کے لیے بلیوں یا کتوں کی تصاویر اپ لوڈ کر سکتے ہیں۔

تاہم، مرکزی AI کی ترقی کے عمل میں درج ذیل منظرناموں میں کچھ مسائل ہیں:

• صارف کی رازداری: مرکزی منظرناموں میں، AI کی ترقی کا عمل عام طور پر مبہم ہوتا ہے۔ صارف کا ڈیٹا چوری کیا جا سکتا ہے اور اسے جانے بغیر AI ٹریننگ کے لیے استعمال کیا جا سکتا ہے۔

• ڈیٹا سورس کا حصول: جب چھوٹی ٹیمیں یا افراد مخصوص شعبوں میں ڈیٹا حاصل کرتے ہیں (جیسے طبی ڈیٹا)، تو انہیں اس حد کا سامنا کرنا پڑ سکتا ہے کہ ڈیٹا اوپن سورس نہیں ہے۔

• ماڈل کا انتخاب اور ٹیوننگ: چھوٹی ٹیموں کے لیے، ڈومین کے لیے مخصوص ماڈل کے وسائل حاصل کرنا مشکل ہے یا ماڈلز کو ٹیون کرنے میں بہت زیادہ لاگت آتی ہے۔

• کمپیوٹنگ پاور حاصل کرنا: انفرادی ڈویلپرز اور چھوٹی ٹیموں کے لیے، GPUs خریدنے اور کلاؤڈ کمپیوٹنگ پاور کرائے پر لینے کی زیادہ قیمت ایک اہم مالی بوجھ ہو سکتی ہے۔

• AI اثاثہ آمدنی: ڈیٹا لیبلرز اکثر آمدنی حاصل نہیں کر سکتے جو ان کی کوششوں سے مماثل ہو، اور AI ڈویلپرز کے تحقیقی نتائج کو ضرورت مند خریداروں کے ساتھ ملنا مشکل ہوتا ہے۔

سنٹرلائزڈ AI منظرناموں میں موجود چیلنجوں کو Web3 کے ساتھ ملا کر حل کیا جا سکتا ہے۔ ایک نئی قسم کے پیداواری تعلقات کے طور پر، Web3 قدرتی طور پر AI کے ساتھ مطابقت رکھتا ہے، جو کہ ایک نئی قسم کی پیداواری صلاحیت کو ظاہر کرتا ہے، اس طرح ٹیکنالوجی اور پیداواری صلاحیتوں کی بیک وقت ترقی کو فروغ دیتا ہے۔

1.3 Web3 اور AI کے درمیان ہم آہنگی: کردار کی تبدیلی اور اختراعی ایپلی کیشنز

Web3 اور AI کا امتزاج صارف کی خودمختاری کو بڑھا سکتا ہے، صارفین کو ایک کھلا AI تعاون کا پلیٹ فارم مہیا کر سکتا ہے، اور Web2 دور میں AI صارفین سے شرکاء میں تبدیل کر سکتا ہے، AI بنا سکتا ہے جس کا ہر کوئی مالک ہو سکتا ہے۔ ایک ہی وقت میں، Web3 دنیا اور AI ٹیکنالوجی کا انضمام بھی زیادہ جدید ایپلی کیشن کے منظرناموں اور گیم پلے سے ٹکر سکتا ہے۔

Web3 ٹیکنالوجی کی بنیاد پر، AI کی ترقی اور اطلاق ایک بالکل نئے باہمی تعاون پر مبنی اقتصادی نظام کا آغاز کرے گا۔ لوگوں کے ڈیٹا کی رازداری کی ضمانت دی جا سکتی ہے، ڈیٹا کراؤڈ سورسنگ ماڈل AI ماڈلز کی ترقی کو فروغ دیتا ہے، بہت سے اوپن سورس AI وسائل صارفین کے لیے دستیاب ہیں، اور مشترکہ کمپیوٹنگ پاور کم قیمت پر حاصل کی جا سکتی ہے۔ وکندریقرت تعاونی کراؤڈ سورسنگ میکانزم اور اوپن اے آئی مارکیٹس کی مدد سے، ایک منصفانہ آمدنی کی تقسیم کا نظام حاصل کیا جا سکتا ہے، اس طرح زیادہ سے زیادہ لوگوں کو اے آئی ٹیکنالوجی کی ترقی کو فروغ دینے کی ترغیب ملتی ہے۔

Web3 منظرناموں میں، AI متعدد ٹریکس پر مثبت اثر ڈال سکتا ہے۔ مثال کے طور پر، AI ماڈلز کو سمارٹ کنٹریکٹس میں ضم کیا جا سکتا ہے تاکہ مختلف ایپلیکیشن کے منظرناموں میں کام کی کارکردگی کو بہتر بنایا جا سکے، جیسے کہ مارکیٹ کا تجزیہ، سیکیورٹی کا پتہ لگانے، سوشل کلسٹرنگ اور دیگر افعال۔ جنریٹو AI نہ صرف صارفین کو فنکار کے کردار کا تجربہ کرنے کی اجازت دیتا ہے، جیسے کہ AI ٹیکنالوجی کا استعمال ان کے اپنے NFTs بنانے کے لیے، بلکہ گیم فائی میں بھرپور اور متنوع گیم کے منظرنامے اور دلچسپ انٹرایکٹو تجربات تخلیق کرنے کے لیے بھی۔ بھرپور انفراسٹرکچر ایک ہموار ترقی کا تجربہ فراہم کرتا ہے، اور AI ماہرین اور نوآموز دونوں جو AI کے میدان میں داخل ہونا چاہتے ہیں اس دنیا میں ایک مناسب داخلہ حاصل کر سکتے ہیں۔

2. Web3-AI ایکو سسٹم پروجیکٹ کا نقشہ اور فن تعمیر کی تشریح

ہم نے بنیادی طور پر Web3-AI ٹریک میں 41 پروجیکٹس کا مطالعہ کیا اور ان پروجیکٹس کو مختلف سطحوں میں تقسیم کیا۔ ہر پرت کی تقسیم منطق نیچے دی گئی تصویر میں دکھائی گئی ہے، بشمول انفراسٹرکچر پرت، درمیانی پرت اور ایپلیکیشن لیئر، اور ہر پرت کو مختلف حصوں میں تقسیم کیا گیا ہے۔ اگلے باب میں، ہم کچھ نمائندہ منصوبوں کا گہرائی سے تجزیہ کریں گے۔

بنیادی ڈھانچے کی تہہ کمپیوٹنگ کے وسائل اور تکنیکی فن تعمیر کا احاطہ کرتی ہے جو پورے AI لائف سائیکل کو سپورٹ کرتی ہے۔ درمیانی پرت میں ڈیٹا مینجمنٹ، ماڈل ڈیولپمنٹ، اور تصدیقی استدلال کی خدمات شامل ہیں جو انفراسٹرکچر اور ایپلیکیشنز کو جوڑتی ہیں۔ ایپلیکیشن کی پرت مختلف ایپلی کیشنز اور حل پر توجہ مرکوز کرتی ہے جو صارفین کو براہ راست سامنا کرتے ہیں۔

بنیادی ڈھانچے کی تہہ:

بنیادی ڈھانچے کی تہہ AI لائف سائیکل کی بنیاد ہے۔ یہ مضمون کمپیوٹنگ پاور، AI چین، اور ترقیاتی پلیٹ فارم کو بنیادی ڈھانچے کی تہہ کے طور پر درجہ بندی کرتا ہے۔ یہ ان بنیادی ڈھانچے کا تعاون ہے جو AI ماڈلز کی تربیت اور استدلال کو قابل بناتا ہے، اور صارفین کو طاقتور اور عملی AI ایپلی کیشنز پیش کرتا ہے۔

• وکندریقرت کمپیوٹنگ نیٹ ورک: یہ AI ماڈل کی تربیت کے لیے تقسیم شدہ کمپیوٹنگ پاور فراہم کر سکتا ہے، کمپیوٹنگ وسائل کے موثر اور اقتصادی استعمال کو یقینی بناتا ہے۔ کچھ پروجیکٹس ایک وکندریقرت کمپیوٹنگ پاور مارکیٹ فراہم کرتے ہیں، جہاں صارف کمپیوٹنگ پاور کرایہ پر لے سکتے ہیں یا فوائد حاصل کرنے کے لیے کم قیمت پر کمپیوٹنگ پاور شیئر کرسکتے ہیں۔ نمائندہ منصوبوں میں IO.NET اور Hyperbolic شامل ہیں۔ اس کے علاوہ، کچھ پروجیکٹس نے کھیلنے کے نئے طریقے اخذ کیے ہیں، جیسے کمپیوٹ لیبز، جس نے ٹوکنائزیشن پروٹوکول تجویز کیا۔ صارفین GPU اداروں کی نمائندگی کرنے والے NFTs خرید کر فوائد حاصل کرنے کے لیے مختلف طریقوں سے کمپیوٹنگ پاور لیزنگ میں حصہ لے سکتے ہیں۔

• AI سلسلہ: بلاک چین کو AI لائف سائیکل کی بنیاد کے طور پر استعمال کرتے ہوئے، یہ آن چین اور آف چین AI وسائل کے درمیان ہموار تعامل کو محسوس کرتا ہے اور صنعت کے ماحولیاتی نظام کی ترقی کو فروغ دیتا ہے۔ چین پر موجود وکندریقرت AI مارکیٹ AI اثاثوں جیسے ڈیٹا، ماڈلز، ایجنٹس وغیرہ کی تجارت کر سکتی ہے، اور سہارا AI جیسے نمائندہ منصوبوں کے ساتھ AI ترقیاتی فریم ورک اور معاون ترقیاتی ٹولز فراہم کر سکتی ہے۔ AI سلسلہ مختلف شعبوں میں AI ٹیکنالوجی کی ترقی کو بھی فروغ دے سکتا ہے، جیسا کہ Bittensor اختراعی سب نیٹ انسینٹیو میکانزم کے ذریعے مختلف AI اقسام کے سب نیٹ مقابلے کو فروغ دیتا ہے۔

• ترقیاتی پلیٹ فارم: کچھ منصوبے AI ایجنٹ کی ترقی کے پلیٹ فارم فراہم کرتے ہیں اور AI ایجنٹ کے لین دین کو بھی نافذ کر سکتے ہیں، جیسے Fetch.ai اور ChainML۔ ون اسٹاپ ٹولز ڈویلپرز کو AI ماڈلز کو زیادہ آسانی سے بنانے، تربیت دینے اور تعینات کرنے میں مدد کرتے ہیں، جیسے Nimble۔ یہ بنیادی ڈھانچے Web3 ماحولیاتی نظام میں AI ٹیکنالوجی کے وسیع پیمانے پر استعمال کو فروغ دیتے ہیں۔

درمیانی پرت:

اس پرت میں AI ڈیٹا، ماڈلز، استدلال اور تصدیق شامل ہے، اور Web3 ٹیکنالوجی کا استعمال اعلیٰ کام کی کارکردگی کو حاصل کر سکتا ہے۔

• ڈیٹا: ڈیٹا کا معیار اور مقدار ماڈل ٹریننگ کی تاثیر کو متاثر کرنے والے اہم عوامل ہیں۔ ویب 3 کی دنیا میں، کراؤڈ سورسنگ ڈیٹا اور تعاون پر مبنی ڈیٹا پروسیسنگ کے ذریعے، وسائل کے استعمال کو بہتر بنایا جا سکتا ہے اور ڈیٹا کے اخراجات کو کم کیا جا سکتا ہے۔ صارفین ڈیٹا کی خود مختاری حاصل کر سکتے ہیں اور پرائیویسی تحفظ کے تحت اپنا ڈیٹا بیچ سکتے ہیں تاکہ برے کاروباروں کے ذریعے ڈیٹا چوری ہونے اور زیادہ منافع کمانے سے بچا جا سکے۔ ڈیٹا مانگنے والوں کے لیے، یہ پلیٹ فارم وسیع انتخاب اور انتہائی کم لاگت فراہم کرتے ہیں۔ نمائندہ پروجیکٹس جیسے گراس ویب ڈیٹا کو کرال کرنے کے لیے صارف کی بینڈوتھ کا استعمال کرتے ہیں، اور xData صارف دوست پلگ ان کے ذریعے میڈیا کی معلومات اکٹھا کرتا ہے اور صارفین کو ٹویٹ کی معلومات اپ لوڈ کرنے میں معاونت کرتا ہے۔

اس کے علاوہ، کچھ پلیٹ فارم ڈومین کے ماہرین یا عام صارفین کو ڈیٹا پری پروسیسنگ کے کام کرنے کی اجازت دیتے ہیں، جیسے کہ تصویر کی تشریح اور ڈیٹا کی درجہ بندی۔ ان کاموں کے لیے مالی اور قانونی کاموں کے پیشہ ورانہ علم کی ضرورت ہو سکتی ہے۔ صارفین ڈیٹا پری پروسیسنگ کے باہمی تعاون کے ساتھ کراؤڈ سورسنگ حاصل کرنے کے لیے اپنی صلاحیتوں کو نشان زد کر سکتے ہیں۔ نمائندہ AI مارکیٹس جیسے کہ سہارا AI کے پاس مختلف شعبوں میں ڈیٹا ٹاسک ہوتے ہیں اور متعدد شعبوں میں ڈیٹا کے منظرناموں کا احاطہ کر سکتے ہیں۔ اور AIT پروٹوکولٹ انسانی مشین کے تعاون کے ذریعے ڈیٹا کی تشریح کرتا ہے۔

• ماڈل: اوپر بیان کردہ AI ترقی کے عمل میں، مختلف قسم کے تقاضوں کو مناسب ماڈل سے ملنے کی ضرورت ہے۔ تصویری کاموں کے لیے عام ماڈلز میں CNN اور GAN شامل ہیں۔ یولو سیریز کو آبجیکٹ کا پتہ لگانے کے کاموں کے لیے منتخب کیا جا سکتا ہے۔ آر این این، ٹرانسفارمر اور دیگر ماڈل ٹیکسٹ کاموں کے لیے عام ہیں۔ یقینا، کچھ مخصوص یا عام بڑے ماڈل بھی ہیں۔ مختلف پیچیدگیوں کے کاموں کے لیے مختلف ماڈل کی گہرائیوں کی ضرورت ہوتی ہے، اور بعض اوقات ماڈل کو ٹیون کرنے کی ضرورت ہوتی ہے۔

کچھ پروجیکٹ صارفین کو مختلف قسم کے ماڈل فراہم کرنے میں مدد کرتے ہیں یا کراؤڈ سورسنگ کے ذریعے ماڈلز کو باہمی تعاون سے تربیت دیتے ہیں۔ مثال کے طور پر، Sentient صارفین کو ماڈیولر ڈیزائن کے ذریعے ماڈل کی اصلاح کے لیے سٹوریج لیئر اور ڈسٹری بیوشن لیئر میں قابل اعتماد ماڈل ڈیٹا رکھنے کی اجازت دیتا ہے۔ سہارا AI کے فراہم کردہ ترقیاتی ٹولز میں بلٹ ان ایڈوانسڈ AI الگورتھم اور کمپیوٹنگ فریم ورک ہیں، اور ان میں باہمی تعاون کی تربیت کی صلاحیت ہے۔

• استدلال اور تصدیق: ماڈل کی تربیت کے بعد، ایک ماڈل ویٹ فائل تیار کی جائے گی، جسے براہ راست درجہ بندی، پیشین گوئی یا دیگر مخصوص کاموں کے لیے استعمال کیا جا سکتا ہے۔ اس عمل کو استدلال کہتے ہیں۔ استدلال کا عمل عام طور پر اس بات کی تصدیق کے لیے ایک تصدیقی طریقہ کار کے ساتھ ہوتا ہے کہ آیا استدلال کے ماڈل کا ماخذ درست ہے یا نہیں، آیا وہاں بدنیتی پر مبنی رویہ ہے، وغیرہ۔ Web3 استدلال کو عام طور پر سمارٹ معاہدوں میں ضم کیا جا سکتا ہے، اور ماڈل کو کال کر کے استدلال کیا جاتا ہے۔ تصدیق کے عام طریقوں میں ZKML، OPML اور TEE ٹیکنالوجیز شامل ہیں۔ نمائندہ پروجیکٹس جیسے ORA آن چین AI اوریکل (OAO) نے OPML کو AI اوریکل کی قابل تصدیق پرت کے طور پر متعارف کرایا۔ ORAs کی آفیشل ویب سائٹ نے ZKML اور opp/ai (OPML کے ساتھ ZKML مل کر) پر اپنی تحقیق کا بھی ذکر کیا۔

درخواست کی پرت:

یہ پرت بنیادی طور پر صارف پر مبنی ایپلی کیشنز پر مشتمل ہے جو AI کو Web3 کے ساتھ جوڑ کر کھیلنے کے مزید دلچسپ اور جدید طریقے تخلیق کرتی ہے۔ یہ مضمون بنیادی طور پر AIGC (AI پیدا کردہ مواد)، AI ایجنٹس، اور ڈیٹا کے تجزیہ کے شعبوں میں پراجیکٹس کو ترتیب دیتا ہے۔

• AIGC: AIGC کو Web3 میں NFT، گیمز اور دیگر ٹریکس تک بڑھایا جا سکتا ہے۔ صارفین براہ راست متن، تصاویر اور آڈیو پرامپٹس (صارفین کی طرف سے دیے گئے اشارے) کے ذریعے تخلیق کر سکتے ہیں، اور یہاں تک کہ گیمز میں اپنی ترجیحات کے مطابق حسب ضرورت گیم پلے بھی تیار کر سکتے ہیں۔ NFT پروجیکٹس جیسے NFPrompt صارفین کو AI کے ذریعے NFTs بنانے اور مارکیٹ میں تجارت کرنے کی اجازت دیتے ہیں۔ Sleepless جیسی گیمز صارفین کو ان کی ترجیحات کے مطابق مکالمے کے ذریعے اپنے ورچوئل پارٹنرز کی شخصیت بنانے کی اجازت دیتی ہیں۔

• AI ایجنٹ: ایک مصنوعی ذہانت کے نظام سے مراد ہے جو کام انجام دے سکتا ہے اور خود مختاری سے فیصلے کر سکتا ہے۔ AI ایجنٹوں میں عام طور پر سمجھنے، استدلال کرنے، سیکھنے اور عمل کرنے کی صلاحیت ہوتی ہے اور وہ مختلف ماحول میں پیچیدہ کام انجام دے سکتے ہیں۔ عام AI ایجنٹوں میں زبان کا ترجمہ، زبان سیکھنا، تصویر سے متن وغیرہ شامل ہیں۔ Web3 منظرناموں میں، وہ ٹریڈنگ روبوٹ بنا سکتے ہیں، میم تصویریں بنا سکتے ہیں، اور آن چین سیکیورٹی کا پتہ لگا سکتے ہیں۔ مثال کے طور پر، MyShell، ایک AI ایجنٹ پلیٹ فارم کے طور پر، مختلف قسم کے ایجنٹ فراہم کرتا ہے، بشمول تعلیمی سیکھنے، ورچوئل ساتھی، ٹریڈنگ ایجنٹس، وغیرہ، اور صارف کے لیے دوستانہ ایجنٹ کی ترقی کے اوزار فراہم کرتا ہے، تاکہ آپ بغیر کوڈ کے اپنے ایجنٹ بنا سکیں۔

• ڈیٹا تجزیہ: متعلقہ شعبوں میں AI ٹیکنالوجی اور ڈیٹا بیس کو مربوط کرکے، ڈیٹا کا تجزیہ، فیصلہ اور پیشن گوئی حاصل کی جاسکتی ہے۔ Web3 میں، صارفین کو مارکیٹ ڈیٹا اور سمارٹ منی کے رجحانات کا تجزیہ کرکے سرمایہ کاری کے فیصلوں میں مدد کی جا سکتی ہے۔ ٹوکن پیشن گوئی بھی Web3 میں ایک منفرد ایپلیکیشن کا منظرنامہ ہے۔ Ocean جیسے نمائندہ پروجیکٹس نے ٹوکن پیشین گوئی کے لیے باضابطہ طور پر طویل مدتی چیلنجز مرتب کیے ہیں، اور صارف کی شرکت کی حوصلہ افزائی کے لیے مختلف موضوعات پر ڈیٹا کے تجزیہ کے کام بھی جاری کریں گے۔

3. Web3-AI ٹریک میں جدید منصوبوں کا پینورامک تجزیہ

کچھ پروجیکٹس ویب تھری کو اے آئی کے ساتھ جوڑنے کے امکان کو تلاش کر رہے ہیں۔ GeekCartel اس ٹریک میں نمائندہ پراجیکٹس کو ترتیب دے گا تاکہ ہر کسی کو WEB3-AI کی توجہ کا تجربہ کر سکے اور یہ سمجھے کہ پروجیکٹس Web3 اور AI کے انضمام کو کیسے حاصل کر سکتے ہیں اور نئے کاروباری ماڈلز اور اقتصادی قدر پیدا کر سکتے ہیں۔

سہارا AI: ایک AI بلاکچین پلیٹ فارم جو باہمی تعاون پر مبنی معیشت کے لیے وقف ہے۔

Sahara AI پورے ٹریک میں بہت مسابقتی ہے۔ یہ ایک جامع AI بلاکچین پلیٹ فارم بنانے کے لیے پرعزم ہے جس میں AI وسائل جیسے کہ AI ڈیٹا، ماڈلز، ایجنٹس، اور کمپیوٹنگ پاور کا احاطہ کیا گیا ہے۔ بنیادی فن تعمیر پلیٹ فارم کی باہمی تعاون کی معیشت کی حفاظت کرتا ہے۔ بلاک چین ٹیکنالوجی اور پرائیویسی کی منفرد ٹیکنالوجی کے ذریعے، منصفانہ ترغیباتی تقسیم کے حصول کے لیے AI اثاثوں کی وکندریقرت ملکیت اور گورننس کو پورے AI ترقیاتی دور میں یقینی بنایا جاتا ہے۔ ٹیم کا AI اور Web3 میں ایک گہرا پس منظر ہے، جو اسے ان دو بڑے شعبوں کو مکمل طور پر مربوط کرنے کے قابل بناتا ہے۔ اسے اعلی سرمایہ کاروں کی طرف سے بھی پسند کیا گیا ہے اور اس نے ٹریک میں بڑی صلاحیت ظاہر کی ہے۔

سہارا AI صرف Web3 تک محدود نہیں ہے، کیونکہ یہ روایتی AI فیلڈ میں وسائل اور مواقع کی غیر مساوی تقسیم کو توڑتا ہے۔ وکندریقرت کے ذریعے، کلیدی AI عناصر بشمول کمپیوٹنگ پاور، ماڈلز اور ڈیٹا پر اب مرکزی جنات کی اجارہ داری نہیں ہے۔ ہر ایک کے پاس ایک ایسی پوزیشن تلاش کرنے کا موقع ہے جو اس ماحولیاتی نظام میں ان کے لیے فائدہ مند ہو، اور تخلیقی ہونے اور مل کر کام کرنے کے لیے حوصلہ افزائی کرے۔

جیسا کہ اعداد و شمار میں دکھایا گیا ہے، صارفین سہارا AI کی طرف سے فراہم کردہ ٹول کٹ کا استعمال کرتے ہوئے اپنے ڈیٹا سیٹس، ماڈلز، AI ایجنٹس اور دیگر اثاثوں میں حصہ ڈال سکتے ہیں اور ان اثاثوں کو منافع کمانے کے لیے AI مارکیٹ میں رکھ سکتے ہیں جبکہ پلیٹ فارم کی ترغیبات بھی حاصل کر سکتے ہیں۔ صارفین مانگ کے مطابق AI اثاثوں کی تجارت کر سکتے ہیں۔ ساتھ ہی، یہ تمام لین دین کی معلومات سہارا چین پر ریکارڈ کی جائیں گی۔ بلاک چین ٹیکنالوجی اور رازداری کے تحفظ کے اقدامات شراکتوں کی ٹریکنگ، ڈیٹا کی حفاظت اور انعامات کی منصفانہ پن کو یقینی بناتے ہیں۔

سہارا AI کے اقتصادی نظام میں، اوپر ذکر کردہ ڈویلپرز، علم فراہم کرنے والوں، اور صارفین کے کردار کے علاوہ، صارف سرمایہ کار کے طور پر بھی کام کر سکتے ہیں، فنڈز اور وسائل (GPU، کلاؤڈ سرورز، RPC نوڈس وغیرہ) فراہم کر سکتے ہیں۔ AI اثاثوں کی ترقی اور تعیناتی، نیٹ ورک کے استحکام کو برقرار رکھنے کے لیے آپریٹرز کے طور پر، اور بلاک چین کی سلامتی اور سالمیت کو برقرار رکھنے کے لیے توثیق کار کے طور پر۔ اس سے قطع نظر کہ صارفین سہارا AI پلیٹ فارم میں کس طرح حصہ لیتے ہیں، وہ اپنے تعاون کی بنیاد پر انعامات اور آمدنی حاصل کریں گے۔

سہارا AI بلاکچین پلیٹ فارم ایک تہہ دار فن تعمیر پر بنایا گیا ہے، جس میں آن چین اور آف چین انفراسٹرکچر صارفین اور ڈیولپرز کو اس قابل بناتا ہے کہ وہ پورے AI ڈیولپمنٹ سائیکل میں مؤثر طریقے سے حصہ ڈال سکیں اور اس سے فائدہ اٹھا سکیں۔ سہارا اے آئی پلیٹ فارم کے فن تعمیر کو چار تہوں میں تقسیم کیا گیا ہے:

درخواست کی تہہ

ایپلیکیشن لیئر صارف کے انٹرفیس اور بنیادی بات چیت کے نقطہ کے طور پر کام کرتی ہے، جو صارف کے تجربے کو بڑھانے کے لیے مقامی طور پر بلٹ ان ٹول کٹس اور ایپلیکیشنز فراہم کرتی ہے۔

فنکشنل اجزاء:

• سہارا آئی ڈی - AI اثاثوں تک محفوظ رسائی کو یقینی بناتا ہے اور صارف کے تعاون کو ٹریک کرتا ہے۔

• سہارا والٹ - AI اثاثوں کی رازداری اور حفاظت کو غیر مجاز رسائی اور ممکنہ خطرات سے بچاتا ہے۔

• سہارا ایجنٹ - اس میں رول الائنمنٹ (انٹریکشن جو صارف کے رویے سے میل کھاتا ہے)، تاحیات سیکھنے، ملٹی موڈل پرسیپشن (متعدد قسم کے ڈیٹا پر کارروائی کر سکتا ہے)، اور ملٹی ٹول پر عمل درآمد کی صلاحیتیں ہیں۔

انٹرایکٹو اجزاء:

• سہارا ٹولکٹ - تکنیکی اور غیر تکنیکی صارفین کو AI اثاثے بنانے اور تعینات کرنے کے قابل بناتا ہے۔

• سہارا اے آئی بازارجگہ — لچکدار لائسنسنگ اور منیٹائزیشن کے متعدد اختیارات کے ساتھ AI اثاثوں کی اشاعت، رقم کمانے اور تجارت کرنے کے لیے۔

لین دین کی تہہ

Sahara AIs ٹرانزیکشن لیئر Sahara blockchain کا استعمال کرتی ہے، جو پلیٹ فارم پر ملکیت، انتساب، اور AI سے متعلقہ لین دین کے انتظام کے لیے پروٹوکول سے لیس ہے، اور AI اثاثوں کی خودمختاری اور اصل کو برقرار رکھنے میں کلیدی کردار ادا کرتی ہے۔ سہارا بلاکچین جدید سہارا AI مقامی پری کمپائلیشن (SAP) اور سہارا بلاکچین پروٹوکول (SBP) کو ضم کرتا ہے تاکہ AI لائف سائیکل کے دوران بنیادی کاموں میں تعاون کیا جا سکے۔

• SAP بلاکچین کے مقامی آپریشن کی سطح پر ایک بلٹ ان فنکشن ہے، جو بالترتیب AI تربیت/استدلال کے عمل پر توجہ مرکوز کرتا ہے۔ SAP آف چین AI ٹریننگ/استدلال کے عمل کو کال کرنے، ریکارڈ کرنے اور تصدیق کرنے میں مدد کرتا ہے، سہارا AI پلیٹ فارم کے اندر تیار کردہ AI ماڈلز کی ساکھ اور وشوسنییتا کو یقینی بناتا ہے، اور ایک ہی وقت میں تمام AI استدلال کی شفافیت، تصدیق اور ٹریس ایبلٹی کی ضمانت دیتا ہے۔ . ایک ہی وقت میں، تیز رفتار عملدرآمد کی رفتار، کم کمپیوٹنگ اوور ہیڈ اور گیس کی قیمت SAP کے ذریعے حاصل کی جا سکتی ہے۔

• SBP سمارٹ کنٹریکٹس کے ذریعے AI سے متعلق مخصوص پروٹوکول کو لاگو کرتا ہے تاکہ یہ یقینی بنایا جا سکے کہ AI اثاثوں اور کمپیوٹیشنل نتائج کو شفاف اور قابل اعتماد طریقے سے ہینڈل کیا جائے، بشمول AI اثاثہ کی رجسٹریشن، لائسنسنگ (رسائی کنٹرول)، ملکیت، اور انتساب (شراکت سے باخبر رہنا)۔

ڈیٹا لیئر

سہارا AIs ڈیٹا لیئر کو پورے AI لائف سائیکل میں ڈیٹا مینجمنٹ کو بہتر بنانے کے لیے ڈیزائن کیا گیا ہے۔ یہ ایک اہم انٹرفیس کے طور پر کام کرتا ہے، عملدرآمد کی تہہ کو ڈیٹا مینجمنٹ کے مختلف میکانزم سے جوڑتا ہے اور بغیر کسی رکاوٹ کے آن چین اور آف چین ڈیٹا ذرائع کو مربوط کرتا ہے۔

• ڈیٹا جزو: آن چین اور آف چین ڈیٹا شامل ہے۔ آن چین ڈیٹا میں AI اثاثوں کے میٹا ڈیٹا، ملکیت، وعدے اور سرٹیفیکیشن شامل ہیں، جبکہ ڈیٹا سیٹ، AI ماڈلز اور اضافی معلومات کو آف چین اسٹور کیا جاتا ہے۔

• ڈیٹا مینجمنٹ: سہارا AI کا ڈیٹا مینجمنٹ سلوشن حفاظتی اقدامات کا ایک سیٹ فراہم کرتا ہے تاکہ یہ یقینی بنایا جا سکے کہ ڈیٹا ٹرانزٹ اور آرام دونوں جگہوں پر ایک منفرد انکرپشن سلوشن کے ذریعے محفوظ ہے۔ AI لائسنس یافتہ SBPs کے ساتھ کام کرتے ہوئے سخت رسائی کنٹرول اور تصدیق کی اہلیت حاصل کرنے کے لیے، پرائیویٹ ڈومین اسٹوریج فراہم کرتے ہوئے، صارفین کا حساس ڈیٹا بہتر حفاظتی خصوصیات حاصل کر سکتا ہے۔

پھانسی کی تہہ

ایگزیکیوشن لیئر سہارا AI پلیٹ فارم کا آف چین AI انفراسٹرکچر ہے، جو AI کمپیوٹیشنز اور فنکشنز سے متعلق پروٹوکول کو انجام دینے اور ان کا انتظام کرنے کے لیے ٹرانزیکشن لیئر اور ڈیٹا لیئر کے ساتھ بغیر کسی رکاوٹ کے تعامل کرتا ہے۔ ایگزیکیوشن ٹاسک پر منحصر ہے، یہ ڈیٹا لیئر سے محفوظ طریقے سے ڈیٹا نکالتا ہے اور متحرک طور پر کمپیوٹنگ کے وسائل کو بہترین کارکردگی کے لیے مختص کرتا ہے۔ پیچیدہ AI آپریشنز کو خاص طور پر ڈیزائن کیے گئے پروٹوکولز کے ایک سیٹ کے ذریعے مربوط کیا جاتا ہے جو مختلف تجریدوں کے درمیان موثر تعامل کو آسان بنانے کے لیے ڈیزائن کیے گئے ہیں، اور بنیادی ڈھانچہ اعلیٰ کارکردگی والے AI کمپیوٹنگ کو سپورٹ کرنے کے لیے ڈیزائن کیا گیا ہے۔

• انفراسٹرکچر: سہارا AIs کے ایگزیکیوشن لیئر انفراسٹرکچر کو تیز رفتار اور موثر، لچکدار اور انتہائی دستیاب جیسی خصوصیات کے ساتھ اعلیٰ کارکردگی والے AI کمپیوٹنگ کو سپورٹ کرنے کے لیے ڈیزائن کیا گیا ہے۔ یہ یقینی بناتا ہے کہ نظام زیادہ ٹریفک اور ناکامی کے حالات میں AI کمپیوٹنگ، خودکار توسیعی میکانزم اور غلطی برداشت کرنے والے ڈیزائن کے موثر کوآرڈینیشن کے ذریعے مستحکم اور قابل اعتماد رہے۔

• خلاصہ: بنیادی تجریدات وہ بنیادی اجزاء ہیں جو سہارا AI پلیٹ فارم پر AI آپریشنز کی بنیاد بناتے ہیں، بشمول ڈیٹا سیٹس، ماڈلز، اور کمپیوٹنگ وسائل جیسے وسائل کے تجرید؛ اعلی سطحی تجرید بنیادی تجرید کے اوپر بنائے گئے ہیں، یعنی والٹس اور ایجنٹوں کے پیچھے عمل درآمد انٹرفیس، جو اعلی سطحی افعال کو محسوس کر سکتے ہیں۔

• پروٹوکول: خلاصہ ایگزیکیوشن پروٹوکول کا استعمال والٹس کے ساتھ تعاملات، ایجنٹوں کے تعاملات اور ہم آہنگی، اور باہمی تعاون کے ساتھ کمپیوٹنگ کے لیے کیا جاتا ہے۔ باہمی تعاون پر مبنی کمپیوٹنگ پروٹوکول ایک سے زیادہ شرکاء کے درمیان مشترکہ AI ماڈل کی ترقی اور تعیناتی، کمپیوٹنگ کے وسائل کی شراکت اور ماڈل کو جمع کرنے کی حمایت کر سکتا ہے۔ ایگزیکیوشن لیئر میں کم کمپیوٹنگ لاگت ٹیکنالوجی ماڈیول (PEFT)، پرائیویسی پروٹیکشن کمپیوٹنگ ماڈیول، اور کمپیوٹنگ اینٹی فراڈ ماڈیول بھی شامل ہے۔

AI بلاکچین پلیٹ فارم جسے سہارا AI بنا رہا ہے ایک جامع AI ماحولیاتی نظام کو محسوس کرنے کے لیے پرعزم ہے۔ تاہم، اس عظیم وژن کو لامحالہ حقیقت کے عمل میں بہت سے چیلنجوں کا سامنا کرنا پڑے گا، جس میں مضبوط تکنیکی اور وسائل کی مدد اور مسلسل اصلاح اور تکرار کی ضرورت ہوگی۔ اگر اسے کامیابی کے ساتھ حاصل کیا جا سکتا ہے، تو یہ Web3-AI فیلڈ کو سپورٹ کرنے کا سب سے بڑا ذریعہ بن جائے گا اور توقع ہے کہ Web2-AI پریکٹیشنرز کے دلوں میں ایک مثالی باغ بن جائے گا۔

ٹیم کی معلومات:

سہارا اے آئی ٹیم شاندار اور تخلیقی اراکین کے ایک گروپ پر مشتمل ہے۔ شریک بانی شان رین یونیورسٹی آف سدرن کیلیفورنیا میں پروفیسر ہیں اور انہوں نے سام سنگ کے سالانہ AI محقق، MIT TR 35 انڈر 35 انوویٹر، اور فوربز 30 انڈر 30 جیسے اعزازات حاصل کیے ہیں۔ شریک بانی ٹائلر زو نے یونیورسٹی آف کیلیفورنیا سے گریجویشن کیا، Berkeley، Web3 کی گہری سمجھ رکھتا ہے، اور AI اور Web3 میں تجربے کے ساتھ ہنرمندوں کی عالمی ٹیم کی قیادت کرتا ہے۔

سہارا اے آئی کی تخلیق کے بعد سے، ٹیم نے مائیکروسافٹ، ایمیزون، ایم آئی ٹی، اسنیپ چیٹ، اور کریکٹر AI سمیت اعلی کمپنیوں سے لاکھوں ڈالر کی آمدنی حاصل کی ہے۔ فی الحال، سہارا AI 30 سے زیادہ کارپوریٹ کلائنٹس کی خدمت کر رہا ہے اور دنیا بھر میں اس کے 200,000 سے زیادہ AI ٹرینرز ہیں۔ سہارا اے آئی کی تیز رفتار ترقی نے زیادہ سے زیادہ شرکاء کو شراکت دارانہ اقتصادی ماڈل سے فائدہ اٹھانے کے قابل بنایا ہے۔

فنانسنگ کی معلومات:

اس سال اگست تک، سہارا لیبز نے کامیابی سے $43 ملین اکٹھے کیے ہیں۔ فنانسنگ کا تازہ ترین دور Pantera Capital، Binance Labs اور Polychain Capital کی مشترکہ قیادت میں تھا۔ اس کے علاوہ، اسے AI کے شعبے میں علمبرداروں سے بھی تعاون حاصل ہوا ہے جیسے کہ Motherson Group، Anthropic، Nous Research، اور Mid Journey۔

بٹنسر: سب نیٹ مقابلے کی ترغیب کے تحت نیا گیم پلے

بٹنسر بذات خود ایک AI کموڈٹی نہیں ہے، اور نہ ہی یہ کوئی AI مصنوعات یا خدمات فراہم کرتا ہے اور نہ ہی فراہم کرتا ہے۔ Bittensor ایک اقتصادی نظام ہے جو AI کموڈٹی پروڈیوسرز کے لیے ایک انتہائی مسابقتی ترغیبی ڈھانچہ فراہم کرتا ہے، تاکہ پروڈیوسر مسلسل AI کے معیار کو بہتر بنا سکیں۔ Web3-AI کے ابتدائی پروجیکٹ کے طور پر، Bittensor نے اپنے آغاز کے بعد سے ہی مارکیٹ سے بڑے پیمانے پر توجہ حاصل کی ہے۔ CoinMarketCap کے اعداد و شمار کے مطابق، 17 اکتوبر تک، اس کی مارکیٹ ویلیو US$4.26 بلین سے تجاوز کر گئی ہے اور اس کی FDV (مکمل طور پر کمزور ویلیویشن) US$12 بلین سے تجاوز کر گئی ہے۔

Bittensor نے بہت سے سب نیٹ نیٹ ورکس پر مشتمل ایک نیٹ ورک فن تعمیر بنایا ہے۔ AI کموڈٹی پروڈیوسرز حسب ضرورت مراعات اور استعمال کے مختلف کیسز کے ساتھ ذیلی نیٹ بنا سکتے ہیں۔ مختلف سب نیٹ مختلف کاموں کے لیے ذمہ دار ہیں، جیسے کہ مشین کا ترجمہ، تصویر کی شناخت اور جنریشن، زبان کے بڑے ماڈلز، وغیرہ۔ مثال کے طور پر، سب نیٹ 5 مڈجرنی جیسی AI تصاویر بنا سکتا ہے۔ بہترین کام مکمل ہونے پر، TAO (Bittensors token) کو انعام دیا جائے گا۔

ترغیبی میکانزم Bittensor کا بنیادی حصہ ہیں۔ وہ سب نیٹ کان کنوں کے رویے کو چلاتے ہیں اور سب نیٹ توثیق کرنے والوں کے درمیان اتفاق رائے کو کنٹرول کرتے ہیں۔ ہر سب نیٹ کا اپنا ایک ترغیبی طریقہ کار ہوتا ہے، جہاں کان کن کاموں کو انجام دینے کے لیے ذمہ دار ہوتے ہیں اور تصدیق کنندگان سب نیٹ کان کنوں کے نتائج اسکور کرتے ہیں۔

جیسا کہ اعداد و شمار میں دکھایا گیا ہے، سب نیٹ کان کنوں اور سب نیٹ ویلیڈیٹرز کے درمیان ورک فلو کو مثال کے ساتھ دکھایا گیا ہے:

اعداد و شمار میں تین سب نیٹ مائنر بالترتیب UID 37، 42 اور 27 سے مساوی ہیں۔ چار سب نیٹ ویلیڈیٹرز بالترتیب UID 10، 32، 93 اور 74 سے مطابقت رکھتے ہیں۔

• ہر ذیلی نیٹ کی توثیق کرنے والا وزن ویکٹر کو برقرار رکھتا ہے۔ ویکٹر کا ہر عنصر سب نیٹ مائنر کو تفویض کردہ وزن کی نمائندگی کرتا ہے، جس کا تعین کان کنوں کے کام کی تکمیل کے سب نیٹ ویڈیٹرز کی تشخیص کی بنیاد پر کیا جاتا ہے۔ ہر ذیلی نیٹ کی توثیق کرنے والا تمام سب نیٹ کان کنوں کو ویٹ ویکٹر کے ذریعہ درجہ بندی کرتا ہے اور آزادانہ طور پر کام کرتا ہے، اپنے مائنر کی درجہ بندی کے وزن کے ویکٹر کو بلاکچین میں منتقل کرتا ہے۔ عام طور پر، ہر سب نیٹ ویلیڈیٹر ہر 100-200 بلاکس پر ایک اپڈیٹ شدہ رینکنگ ویٹ ویکٹر کو بلاکچین میں منتقل کرتا ہے۔

• بلاکچین (سب ٹینسر) بلاکچین پر آنے کے لیے دیے گئے سب نیٹ کے تمام سب نیٹ ویلیڈیٹرز سے تازہ ترین رینکنگ ویٹ ویکٹر کا انتظار کرتا ہے۔ رینکنگ ویٹ میٹرکس جو ان رینکنگ ویٹ ویکٹرز کے ذریعہ تشکیل دیا گیا ہے اس کے بعد آن چین یوما اتفاق رائے ماڈیول کو ان پٹ کے طور پر فراہم کیا جاتا ہے۔

• آن چین یوما اتفاق رائے انعامات کا حساب لگانے کے لیے اس سب نیٹ پر UID کے ساتھ وابستہ حصص کی رقم کے ساتھ اس ویٹ میٹرکس کا استعمال کرتا ہے۔

• یوما اتفاق رائے TAO کی متفقہ تقسیم کا حساب لگاتا ہے اور نئے minted انعام TAO کو UID سے وابستہ اکاؤنٹ میں تقسیم کرتا ہے۔

سب نیٹ ویڈیٹرز کسی بھی وقت اپنے رینکنگ ویٹ ویکٹر کو بلاک چین میں منتقل کر سکتے ہیں۔ تاہم، سب نیٹس یوما متفقہ سائیکل ہر 360 بلاکس کے آغاز میں تازہ ترین وزن میٹرکس کا استعمال کرتا ہے (یعنی 4320 سیکنڈ یا 72 منٹ، 12 سیکنڈ فی بلاک)۔ اگر سب نیٹ ویلیڈیٹر کا رینکنگ ویٹ ویکٹر 360-بلاک سائیکل کے بعد آتا ہے، تو وہ ویٹ ویکٹر اگلے یوما کنسنسس سائیکل کے آغاز میں استعمال کیا جائے گا۔ TAO انعامات ہر سائیکل کے اختتام پر جاری کیے جاتے ہیں۔

یوما اتفاق رائے منصفانہ نوڈ ایلوکیشن کے حصول کے لیے بٹنسر کور الگورتھم ہے۔ یہ ایک ہائبرڈ اتفاق رائے کا طریقہ کار ہے جو PoW اور PoS کے عناصر کو یکجا کرتا ہے۔ بازنطینی فالٹ ٹولرنٹ اتفاق رائے کے طریقہ کار کی طرح، اگر نیٹ ورک میں ایماندار تصدیق کنندگان کی اکثریت ہے، تو وہ بالآخر صحیح فیصلے پر اتفاق رائے پر پہنچ جائیں گے۔

روٹ نیٹ ورک ایک خاص سب نیٹ ہے، جو سب نیٹ 0 ہے۔ پہلے سے طے شدہ طور پر، تمام سب نیٹ میں سب سے زیادہ اسٹیک والے 64 سب نیٹ ویڈیٹرز روٹ نیٹ ورک میں تصدیق کرنے والے ہیں۔ روٹ نیٹ ورک کی تصدیق کرنے والے ہر سب نیٹ آؤٹ پٹ کے معیار کے مطابق جائزہ لیں گے اور درجہ بندی کریں گے۔ 64 تصدیق کنندگان کے تشخیصی نتائج کو جمع کیا جائے گا، اور اخراج کا حتمی نتیجہ یوما اتفاق رائے الگورتھم کے ذریعے حاصل کیا جائے گا۔ حتمی نتیجہ ہر سب نیٹ کو نئے جاری کردہ TAO کو مختص کرنے کے لیے استعمال کیا جائے گا۔

اگرچہ Bittensors سب نیٹ مقابلہ ماڈل AI مصنوعات کے معیار کو بہتر بناتا ہے، لیکن اسے کچھ چیلنجز کا بھی سامنا ہے۔ سب سے پہلے، سب نیٹ کے مالک کی طرف سے قائم کردہ ترغیبی طریقہ کار کان کنوں کی آمدنی کا تعین کرتا ہے اور کان کنوں کے کام کے جوش کو براہ راست متاثر کر سکتا ہے۔ ایک اور مسئلہ یہ ہے کہ تصدیق کنندہ ہر سب نیٹ کے ٹوکن مختص رقم کا تعین کرتا ہے، لیکن ایسے ذیلی نیٹ کو منتخب کرنے کے لیے واضح ترغیبات کا فقدان ہے جو Bittensors کی طویل مدتی پیداواری صلاحیت کے لیے فائدہ مند ہوں۔ اس ڈیزائن کی وجہ سے توثیق کنندگان کو ان ذیلی نیٹ کو ترجیح دینے کا سبب بن سکتا ہے جن کے ساتھ ان کا تعلق ہے یا جو اضافی فوائد فراہم کرتے ہیں۔ اس مسئلے کو حل کرنے کے لیے، Opentensor Foundation کے شراکت داروں نے BIT 001: Dynamic TAO حل تجویز کیا، جس میں یہ تجویز کیا گیا ہے کہ مقابلہ کرنے کے لیے تمام TAO اسٹیکرز کے لیے سب نیٹ ٹوکن مختص رقم کا تعین مارکیٹ میکانزم کے ذریعے کیا جانا چاہیے۔

ٹیم کی معلومات:

شریک بانی الا شبانہ کمپیوٹر سائنس میں تعلیمی پس منظر کے ساتھ واٹر لو یونیورسٹی میں پوسٹ ڈاکٹریٹ فیلو ہیں۔ ایک اور شریک بانی جیکب رابرٹ سٹیوز نے کینیڈا کی سائمن فریزر یونیورسٹی سے گریجویشن کیا، ان کے پاس مشین لرننگ ریسرچ میں تقریباً 10 سال کا تجربہ ہے، اور وہ گوگل میں بطور سافٹ ویئر انجینئر کام کرتے ہیں۔

فنانسنگ کی معلومات:

Bittensor کی حمایت کرنے والی ایک غیر منافع بخش تنظیم OpenTensor Foundation سے فنڈنگ حاصل کرنے کے علاوہ، Bittensor نے اپنے کمیونٹی اعلان میں اعلان کیا ہے کہ معروف کرپٹو VCs Pantera اور Collab کرنسی TAO ٹوکنز کے حامل بن گئے ہیں اور ماحولیاتی ترقی کے منصوبوں کے لیے مزید مدد فراہم کریں گے۔ دیگر بڑے سرمایہ کاروں میں معروف سرمایہ کاری کے ادارے اور مارکیٹ بنانے والے شامل ہیں جن میں ڈیجیٹل کرنسی گروپ، پولی چین کیپٹل، فرسٹ مارک کیپٹل، جی ایس آر وغیرہ شامل ہیں۔

Talus: آن چین AI ایجنٹ ایکو سسٹم موو پر مبنی ہے۔

Talus Network ایک L1 بلاکچین ہے جو MoveVM پر بنایا گیا ہے، جو AI ایجنٹوں کے لیے ڈیزائن کیا گیا ہے۔ یہ AI ایجنٹ پہلے سے طے شدہ اہداف کی بنیاد پر فیصلے کر سکتے ہیں اور اقدامات کر سکتے ہیں، ہموار انٹر چین تعاملات حاصل کر سکتے ہیں، اور قابل تصدیق ہو سکتے ہیں۔ صارفین Talus کے فراہم کردہ ڈویلپمنٹ ٹولز کو تیزی سے AI ایجنٹس بنانے اور انہیں سمارٹ کنٹریکٹس میں ضم کرنے کے لیے استعمال کر سکتے ہیں۔ Talus AI ماڈلز، ڈیٹا، اور کمپیوٹنگ پاور جیسے وسائل کے لیے ایک کھلی AI مارکیٹ بھی فراہم کرتا ہے، جہاں صارفین مختلف شکلوں میں حصہ لے سکتے ہیں اور اپنی شراکتوں اور اثاثوں کو ٹوکنائز کر سکتے ہیں۔

Talus کی اہم خصوصیات میں سے ایک اس کی متوازی عملدرآمد اور محفوظ طریقے سے عملدرآمد کی صلاحیتیں ہیں۔ موو ایکو سسٹم میں سرمائے کے داخلے اور اعلیٰ معیار کے منصوبوں کی توسیع کے ساتھ، Move اور AI ایجنٹ کے مربوط سمارٹ معاہدوں پر مبنی محفوظ عملدرآمد کی Taluss کی دوہری جھلکیاں مارکیٹ میں بڑے پیمانے پر توجہ مبذول کرنے کی توقع کی جاتی ہیں۔ ایک ہی وقت میں، Talus کے ذریعے تعاون یافتہ ملٹی چین تعامل بھی AI ایجنٹوں کی کارکردگی کو بہتر بنا سکتا ہے اور دیگر زنجیروں پر AI کی خوشحالی کو فروغ دے سکتا ہے۔

ٹویٹر کی آفیشل معلومات کے مطابق، Talus نے حال ہی میں Nexus کو لانچ کیا، جو پہلا مکمل طور پر آن چین خود مختار AI ایجنٹ فریم ورک ہے، جو Talus کو وکندریقرت AI ٹیکنالوجی کے میدان میں پہلا فائدہ دیتا ہے اور اسے تیزی سے ترقی پذیر بلاکچین AI میں اہم مسابقت فراہم کرتا ہے۔ مارکیٹ Nexus ڈویلپرز کو Talus نیٹ ورک پر AI سے چلنے والے ڈیجیٹل اسسٹنٹ بنانے کے قابل بناتا ہے، اینٹی سنسرشپ، شفافیت، اور کمپوز ایبلٹی کو یقینی بناتا ہے۔ سنٹرلائزڈ AI سلوشنز کے برعکس، Nexus کے ذریعے، صارفین ذاتی نوعیت کی ذہین خدمات سے لطف اندوز ہو سکتے ہیں، محفوظ طریقے سے ڈیجیٹل اثاثوں کا نظم کر سکتے ہیں، تعاملات کو خودکار کر سکتے ہیں، اور روزانہ ڈیجیٹل تجربات کو بڑھا سکتے ہیں۔

آن چین ایجنٹس کے لیے پہلی ڈویلپر ٹول کٹ کے طور پر، Nexus صارفین کے کرپٹو AI ایپلی کیشنز کی اگلی نسل کی تعمیر کے لیے بنیاد فراہم کرتا ہے۔ گٹھ جوڑ ڈویلپرز کو ایسے ایجنٹ بنانے میں مدد کرنے کے لیے ٹولز، وسائل اور معیارات کی ایک رینج فراہم کرتا ہے جو صارف کے ارادے کو پورا کر سکیں اور Talus چین پر ایک دوسرے کے ساتھ بات چیت کر سکیں۔ ان میں سے، Nexus Python SDK AI اور blockchain ڈیولپمنٹ کے درمیان فرق کو پر کرتا ہے، جس سے AI ڈویلپرز کے لیے سمارٹ کنٹریکٹ پروگرامنگ سیکھے بغیر شروع کرنا آسان ہو جاتا ہے۔ Talus صارف دوست ترقیاتی ٹولز اور انفراسٹرکچر کی ایک رینج فراہم کرتا ہے، اور توقع کی جاتی ہے کہ وہ ڈویلپر کی اختراع کے لیے ایک مثالی پلیٹ فارم بن جائے گا۔

جیسا کہ شکل 5 میں دکھایا گیا ہے، Talus کا بنیادی فن تعمیر ایک ماڈیولر ڈیزائن پر مبنی ہے، جس میں آف چین وسائل اور ملٹی چین تعاملات کی لچک ہے۔ Talus کے منفرد ڈیزائن کی بنیاد پر، ایک خوشحال آن چین سمارٹ ایجنٹ ماحولیاتی نظام تشکیل دیا گیا ہے۔

پروٹوکول Talus کا بنیادی حصہ ہے اور اتفاق رائے، عمل درآمد، اور انٹرآپریبلٹی کی بنیاد فراہم کرتا ہے، جس میں سب سے اوپر چین کے سمارٹ ایجنٹس کو آف چین وسائل اور کراس چین فنکشنز کو استعمال کرنے کے لیے بنایا جا سکتا ہے۔

• پروٹوچین نوڈ: Cosmos SDK اور CometBFT پر مبنی ایک PoS بلاکچین نوڈ۔ Cosmos SDK میں ماڈیولر ڈیزائن اور اعلی اسکیل ایبلٹی ہے۔ CometBFT اعلی کارکردگی اور کم تاخیر کے ساتھ، بازنطینی فالٹ ٹولرنٹ متفقہ الگورتھم پر مبنی ہے۔ یہ مضبوط سیکورٹی اور غلطی کو برداشت کرتا ہے، اور کچھ نوڈ کی ناکامی یا بدنیتی پر مبنی رویے کی صورت میں عام طور پر کام کرنا جاری رکھ سکتا ہے۔

• سوئی موو اور موو وی ایم: سوئی موو کو سمارٹ کنٹریکٹ لینگویج کے طور پر استعمال کرتے ہوئے، موو لینگویج کا ڈیزائن فطری طور پر اہم کمزوریوں کو ختم کر کے سیکورٹی کو بڑھاتا ہے جیسے کہ ری اینٹرینسی اٹیک، آبجیکٹ کی ملکیت کے لیے رسائی کنٹرول کی گمشدگی، اور غیر متوقع ریاضی کے اوور فلو/انڈر فلو۔ Move VM کا فن تعمیر موثر متوازی پروسیسنگ کو سپورٹ کرتا ہے، جس سے Talus کو سیکیورٹی یا سالمیت کو کھونے کے بغیر بیک وقت متعدد لین دین پر کارروائی کرکے اسکیل کرنے کے قابل بنایا جاتا ہے۔

IBC (انٹر بلاکچین کمیونیکیشن پروٹوکول):

• انٹرآپریبلٹی: IBC مختلف بلاک چینز کے درمیان ہموار انٹرآپریبلٹی کی سہولت فراہم کرتا ہے، جس سے اسمارٹ ایجنٹس کو ایک سے زیادہ زنجیروں پر ڈیٹا یا اثاثوں کو آپس میں تعامل اور استعمال کرنے کے قابل بناتا ہے۔

• کراس چین ایٹمیسیٹی: IBC کراس چین ایٹم لین دین کی حمایت کرتا ہے، جو سمارٹ ایجنٹس کے ذریعے انجام پانے والے آپریشنز کی مستقل مزاجی اور وشوسنییتا کو برقرار رکھنے کے لیے اہم ہے، خاص طور پر مالیاتی ایپلی کیشنز یا پیچیدہ ورک فلو میں۔

• شارڈنگ کے ذریعے توسیع پذیری: IBC سمارٹ ایجنٹوں کو متعدد بلاک چینز پر کام کرنے کے قابل بنا کر بالواسطہ طور پر شارڈنگ کے ذریعے اسکیل ایبلٹی کی حمایت کرتا ہے۔ ہر بلاکچین کو ایک شارڈ کے طور پر دیکھا جا سکتا ہے جو لین دین کے ایک حصے پر کارروائی کرتا ہے، اس طرح کسی ایک چین پر بوجھ کم ہوتا ہے۔ یہ سمارٹ ایجنٹوں کو زیادہ تقسیم شدہ اور توسیع پذیر طریقے سے کاموں کو منظم اور انجام دینے کے قابل بناتا ہے۔

• حسب ضرورت اور تخصص: IBC کے ساتھ، مختلف بلاک چینز مخصوص افعال یا اصلاح پر توجہ مرکوز کر سکتے ہیں۔ مثال کے طور پر، ایک سمارٹ ایجنٹ ایک سلسلہ استعمال کر سکتا ہے جو ادائیگی کی کارروائی کے لیے تیز لین دین کی اجازت دیتا ہے اور دوسری زنجیر جو ریکارڈ رکھنے کے لیے محفوظ ڈیٹا اسٹوریج کے لیے مخصوص ہے۔

• سلامتی اور تنہائی: IBC زنجیروں کے درمیان سیکیورٹی اور تنہائی کو برقرار رکھتا ہے، جو کہ حساس آپریشنز یا ڈیٹا کو سنبھالنے والے سمارٹ ایجنٹس کے لیے فائدہ مند ہے۔ چونکہ IBC انٹر چین کمیونیکیشنز اور لین دین کی محفوظ تصدیق کو یقینی بناتا ہے، اس لیے سمارٹ ایجنٹ سیکیورٹی پر سمجھوتہ کیے بغیر مختلف زنجیروں کے درمیان اعتماد کے ساتھ کام کر سکتے ہیں۔

آئینہ آبجیکٹ:

آن چین آرکیٹیکچر میں آف چین دنیا کی نمائندگی کرنے کے لیے، آئینے کی اشیاء کو بنیادی طور پر AI وسائل کی تصدیق اور لنک کرنے کے لیے استعمال کیا جاتا ہے، جیسے: وسائل کی انفرادیت کی نمائندگی اور ثبوت، آف چین وسائل کی تجارت، ملکیت کے ثبوت کی نمائندگی یا ملکیت کی تصدیق۔

تصویری اشیاء میں تین مختلف قسم کی تصویری اشیاء شامل ہیں: ماڈل آبجیکٹ، ڈیٹا آبجیکٹ، اور کیلکولیشن آبجیکٹ۔

• ماڈل آبجیکٹ: ماڈل کے مالکان اپنے AI ماڈلز کو ایک مخصوص ماڈل رجسٹری کے ذریعے ماحولیاتی نظام میں لا سکتے ہیں، جس سے آف چین ماڈلز کو سلسلہ میں لایا جا سکتا ہے۔ ماڈل آبجیکٹ ماڈل کے جوہر اور صلاحیتوں کو سمیٹتے ہیں اور ان کے اوپر براہ راست ملکیت، انتظام اور منیٹائزیشن فریم ورک بناتے ہیں۔ ماڈل آبجیکٹ لچکدار اثاثے ہیں جنہیں اضافی فائن ٹیوننگ کے عمل کے ذریعے بڑھایا جا سکتا ہے یا ضرورت پڑنے پر مخصوص ضروریات کو پورا کرنے کے لیے وسیع تربیت کے ذریعے مکمل طور پر نئی شکل دی جا سکتی ہے۔

• ڈیٹا آبجیکٹ: ڈیٹا (یا ڈیٹاسیٹ) آبجیکٹ کسی کی ملکیت والے منفرد ڈیٹاسیٹ کی ڈیجیٹل نمائندگی کے طور پر موجود ہے۔ اس آبجیکٹ کو اوپن ڈیٹا سورس میں تخلیق، منتقل، لائسنس یا تبدیل کیا جا سکتا ہے۔

• کمپیوٹیشنل آبجیکٹ: خریدار آبجیکٹ کے مالک کو ایک کمپیوٹیشنل ٹاسک تجویز کرتا ہے، جو پھر کمپیوٹیشنل نتیجہ اور متعلقہ ثبوت فراہم کرتا ہے۔ خریدار کے پاس وہ کلید ہوتی ہے جو عزم کو ڈکرپٹ کرنے اور نتیجہ کی تصدیق کے لیے استعمال کی جا سکتی ہے۔

AI اسٹیک:

Talus ایک SDK اور انضمام کے اجزاء فراہم کرتا ہے جو ذہین ایجنٹوں کی ترقی اور آف چین وسائل کے ساتھ ان کے تعامل کی حمایت کرتا ہے۔ AI اسٹیک میں اوریکلز کے ساتھ انضمام بھی شامل ہے، اس بات کو یقینی بنانا کہ ذہین ایجنٹس آف چین ڈیٹا کا استعمال کرتے ہوئے فیصلے کر سکتے ہیں اور ردعمل ظاہر کر سکتے ہیں۔

آن چین سمارٹ ایجنٹ:

• Talus سمارٹ ایجنٹوں کی معیشت فراہم کرتا ہے جو خود مختاری سے کام کر سکتا ہے، فیصلے کر سکتا ہے، لین دین کر سکتا ہے، اور آن چین اور آف چین وسائل کے ساتھ تعامل کر سکتا ہے۔

• ذہین ایجنٹوں کے پاس خود مختاری، سماجی صلاحیتیں، ردعمل اور پہل ہوتی ہے۔ خود مختاری انہیں انسانی مداخلت کے بغیر کام کرنے کے قابل بناتی ہے، سماجی صلاحیتیں انہیں دوسرے ایجنٹوں اور انسانوں کے ساتھ بات چیت کرنے کے قابل بناتی ہیں، ردعمل انہیں ماحولیاتی تبدیلیوں کو محسوس کرنے اور بروقت جواب دینے کے قابل بناتا ہے سننے والے)، اور پہل انہیں اہداف، پیشین گوئیوں، یا مستقبل کی متوقع ریاستوں کی بنیاد پر اقدامات کرنے کے قابل بناتی ہے۔

Talus کی طرف سے فراہم کردہ ذہین ایجنٹوں کی ایک سیریز کے ترقیاتی فن تعمیر اور بنیادی ڈھانچے کے علاوہ، Talus پر بنائے گئے AI ایجنٹس AI استدلال کی شفافیت اور اعتبار کو یقینی بنانے کے لیے متعدد قسم کے قابل تصدیق AI استدلال (opML، zkML، وغیرہ) کی حمایت کرتے ہیں۔ Talus کی طرف سے خاص طور پر AI ایجنٹوں کے لیے ڈیزائن کردہ سہولیات کا ایک سیٹ آن چین اور آف چین وسائل کے درمیان ملٹی چین تعامل اور نقشہ سازی کے افعال کو محسوس کر سکتا ہے۔

Talus کی طرف سے شروع کیا گیا آن چین AI ایجنٹ ماحولیاتی نظام AI اور blockchain کے انٹیگریشن ٹیکنالوجی کی ترقی کے لیے بہت اہمیت کا حامل ہے، لیکن اسے نافذ کرنا ابھی بھی مشکل ہے۔ Talus کا بنیادی ڈھانچہ AI ایجنٹوں کو لچک اور انٹرآپریبلٹی کے ساتھ ترقی کے قابل بناتا ہے، لیکن چونکہ زیادہ سے زیادہ AI ایجنٹس Talus چین پر چلتے ہیں، آیا ان ایجنٹوں کے درمیان انٹرآپریبلٹی اور کارکردگی صارف کی ضروریات کو پورا کر سکتی ہے یا نہیں اس کی تصدیق کرنا باقی ہے۔ فی الحال، Talus اب بھی پرائیویٹ ٹیسٹ نیٹ کے مرحلے میں ہے اور اسے مسلسل تیار اور اپ ڈیٹ کیا جا رہا ہے۔ توقع ہے کہ Talus مستقبل میں آن چین AI ایجنٹ ماحولیاتی نظام کی مزید ترقی کو فروغ دے سکتا ہے۔

ٹیم کی معلومات:

مائیک ہنونو ٹلس نیٹ ورک کے بانی اور سی ای او ہیں۔ اس نے صنعتی اور سسٹمز انجینئرنگ میں بیچلرز کی ڈگری حاصل کی اور یونیورسٹی آف سدرن کیلیفورنیا سے اپلائیڈ ڈیٹا سائنس میں ماسٹرز کی ڈگری حاصل کی۔ اس نے یونیورسٹی آف پنسلوانیا کے وارٹن اسکول میں حصہ لیا ہے اور ڈیٹا کے تجزیہ، سافٹ ویئر ڈویلپمنٹ، اور پروجیکٹ مینجمنٹ کا وسیع تجربہ رکھتا ہے۔

فنانسنگ کی معلومات:

اس سال فروری میں، Talus نے Dao 5، Hash 3، TRGC، WAGMI Ventures، Inception Capital، وغیرہ کی شرکت کے ساتھ، Polychain Capital کی قیادت میں US$3 ملین کی فنانسنگ کا اپنا پہلا دور مکمل کیا۔ اینجل کے سرمایہ کار بنیادی طور پر Nvidia، IBM، بلیو سے آئے تھے۔ 7، سمبولک کیپٹل اور رینڈر نیٹ ورک۔

ORA: آن چین قابل تصدیق AI کا سنگ بنیاد

ORAs پروڈکٹ OAO (آن-چین AI اوریکل) دنیا کا پہلا AI اوریکل ہے جو opML استعمال کرتا ہے، جو چین پر آف چین AI استدلال کے نتائج لا سکتا ہے۔ اس کا مطلب یہ ہے کہ سمارٹ کنٹریکٹس چین پر AI افعال کو نافذ کرنے کے لیے OAO کے ساتھ بات چیت کر سکتے ہیں۔ اس کے علاوہ، ORAs AI اوریکل کو بغیر کسی رکاوٹ کے ابتدائی ماڈل ایشوانس (IMO) کے ساتھ جوڑا جا سکتا ہے تاکہ ایک مکمل پراسیس آن چین AI سروس فراہم کی جا سکے۔

ORA کو ٹیکنالوجی اور مارکیٹ دونوں میں پہلا فائدہ ہے۔ Ethereum پر ایک بے اعتماد AI اوریکل کے طور پر، یہ اس کے وسیع یوزر بیس پر گہرا اثر ڈالے گا، اور مستقبل میں مزید جدید AI ایپلیکیشن کے منظرنامے سامنے آنے کی امید ہے۔ ڈویلپرز اب سمارٹ کنٹریکٹس میں ORA کی طرف سے فراہم کردہ ماڈلز کو وکندریقرت استدلال حاصل کرنے کے لیے استعمال کر سکتے ہیں، اور Ethereum، Arbitrum، Optimism، Base، Polygon، Linea، اور Manta پر قابل تصدیق AI dApps بنا سکتے ہیں۔ AI استدلال کے لیے تصدیقی خدمات فراہم کرنے کے علاوہ، ORA اوپن سورس ماڈلز کے تعاون کو فروغ دینے کے لیے ماڈل جاری کرنے کی خدمات (IMO) بھی فراہم کرتا ہے۔

ORA کے دو اہم پروڈکٹس ہیں: ابتدائی ماڈل ایشوانس (IMO) اور آن-چین AI Oracle (OAO)، جو آن چین AI ماڈلز کے حصول اور AI استدلال کی تصدیق کو فعال کرنے کے لیے بالکل ساتھ کام کرتے ہیں۔

• IMO اوپن سورس AI ماڈلز کی ملکیت کو ٹوکنائز کرکے طویل مدتی اوپن سورس شراکت کی ترغیب دیتا ہے، اور ٹوکن ہولڈرز کو چین پر ماڈل کے استعمال سے حاصل ہونے والی آمدنی کا ایک حصہ ملے گا۔ ORA کمیونٹی اور اوپن سورس شراکت کاروں کو ترغیب دینے کے لیے AI ڈویلپرز کے لیے فنڈنگ بھی فراہم کرتا ہے۔

• OAO سلسلہ پر قابل تصدیق AI استدلال لاتا ہے۔ ORA نے opML کو AI اوریکل کی تصدیقی تہہ کے طور پر متعارف کرایا ہے۔ OP رول اپ کے ورک فلو کی طرح، تصدیق کنندہ یا کوئی بھی نیٹ ورک شریک چیلنج کی مدت کے دوران نتائج کی جانچ کر سکتا ہے۔ اگر چیلنج کامیاب ہو جاتا ہے، تو غلط نتیجہ چین پر اپ ڈیٹ ہو جاتا ہے۔ چیلنج کی مدت کے بعد، نتیجہ حتمی اور ناقابل تغیر ہے۔

ایک قابل تصدیق اور وکندریقرت اوریکل نیٹ ورک بنانے کے لیے، بلاکچین پر نتائج کی کمپیوٹیشنل درستگی کو یقینی بنانا بہت ضروری ہے۔ اس عمل میں ثبوتوں کا ایک ایسا نظام شامل ہوتا ہے جو اس بات کو یقینی بناتا ہے کہ گنتی قابل اعتماد اور مستند ہے۔

اس مقصد کے لیے، ORA تین پروف سسٹم فریم ورک فراہم کرتا ہے:

• AI اوریکلز opML (فی الحال ORAs AI اوریکل پہلے ہی opML کو سپورٹ کرتا ہے)

• keras 2c ircoms zkML (بالغ اور اعلی کارکردگی والے zkML فریم ورک)

• zk+opML zkML کی رازداری اور opML کی اسکیل ایبلٹی کو یکجا کرتا ہے تاکہ opp/ai کے ذریعے مستقبل کے آن چین AI حل کا ادراک کیا جا سکے۔

opML:

opML (Optimistic Machine Learning) کو بلاک چین ٹیکنالوجی کے ساتھ مشین لرننگ کا امتزاج کرتے ہوئے ORA نے ایجاد کیا اور تیار کیا۔ Optimistic Rollups سے ملتے جلتے اصولوں کا فائدہ اٹھاتے ہوئے، opML ایک وکندریقرت طریقے سے کمپیوٹیشن کی درستگی کو یقینی بناتا ہے۔ فریم ورک AI کمپیوٹیشنز کی آن چین تصدیق، شفافیت میں اضافہ اور مشین لرننگ استدلال پر اعتماد کو فروغ دینے کی اجازت دیتا ہے۔

حفاظت اور درستگی کو یقینی بنانے کے لیے، opML مندرجہ ذیل فراڈ سے بچاؤ کے طریقہ کار کو استعمال کرتا ہے:

• نتیجہ جمع کرانا: سروس فراہم کنندہ (سبمیٹر) مشین لرننگ کیلکولیشنز آف چین انجام دیتا ہے اور نتائج کو بلاک چین میں جمع کراتا ہے۔

• تصدیق کی مدت: تصدیق کنندہ (یا چیلنجر) کے پاس پیش کردہ نتائج کی درستگی کی تصدیق کے لیے پہلے سے طے شدہ مدت (چیلنج کی مدت) ہوتی ہے۔

• تنازعات کا حل: اگر ایک توثیق کار کو پتہ چلتا ہے کہ نتیجہ غلط ہے، تو وہ ایک متعامل تنازعہ کا کھیل شروع کرتے ہیں۔ یہ تنازعہ گیم مؤثر طریقے سے درست کمپیوٹیشنل مرحلہ کا تعین کرتا ہے جہاں غلطی ہوئی ہے۔

• آن چین تصدیق: وسائل کے استعمال کو کم سے کم کرتے ہوئے، فراڈ پروف ورچوئل مشین (FPVM) کے ذریعے صرف متنازعہ حسابی مراحل کی تصدیق آن چین کی جاتی ہے۔

• حتمی شکل: اگر چیلنج کی مدت کے دوران کوئی تنازعہ نہیں اٹھایا جاتا ہے، یا ایک بار تنازعہ حل ہو جاتا ہے، تو نتیجہ بلاک چین پر طے کیا جائے گا۔

ORAs opML ایک بہتر ماحول میں کمپیوٹیشن کو آف چین انجام دینے کے قابل بناتا ہے، تنازعہ کی صورت میں صرف کم سے کم ڈیٹا آن چین پر کارروائی کرتا ہے۔ یہ زیرو نالج مشین لرننگ (zkML) کے لیے درکار مہنگے پروف جنریشن سے بچتا ہے اور کمپیوٹیشنل اخراجات کو کم کرتا ہے۔ یہ نقطہ نظر بڑے پیمانے پر حسابات کو سنبھالنے کے قابل ہے جو روایتی آن چین طریقوں سے حاصل کرنا مشکل ہے۔

keras 2c ircom (zkML):

zkML ایک پروف فریم ورک ہے جو مشین لرننگ ریجننگ کے نتائج آن چین کی تصدیق کے لیے صفر علمی ثبوتوں کا استعمال کرتا ہے۔ اس کی رازداری کی وجہ سے، یہ تربیت اور استدلال کے دوران نجی ڈیٹا اور ماڈل پیرامیٹرز کی حفاظت کر سکتا ہے، اس طرح رازداری کے مسائل کو حل کیا جا سکتا ہے۔ چونکہ zkML کا اصل حساب کتاب آف چین سے مکمل ہوتا ہے، اس لیے چین کو صرف نتائج کی درستگی کی تصدیق کرنے کی ضرورت ہوتی ہے، اس طرح چین پر کمپیوٹیشنل بوجھ کم ہوتا ہے۔

Keras 2C ircom، جو ORA کے ذریعے بنایا گیا ہے، پہلا اعلیٰ سطحی، جنگ کا تجربہ شدہ zkML فریم ورک ہے۔ Ethereum Foundation ESP فنڈنگ پروپوزل [FY 23 – 1290] کے معروف zkML فریم ورک کے معیار کے مطابق، Keras 2C ircom اور اس کے بنیادی سرکوملیب-ml کو دوسرے فریم ورکس کے مقابلے زیادہ پرفارمنس دکھایا گیا ہے۔

opp/ai (opML + zkML):

ORA نے OPP/AI (Blockchain پر آپٹیمسٹک پرائیویسی-پریزرونگ AI) کی بھی تجویز پیش کی، جو پرائیویسی کے لیے صفر نالج مشین لرننگ (zkML) کو افادیت کے لیے آپٹیمسٹک مشین لرننگ (opML) کے ساتھ مربوط کرتا ہے، جو آن چین AI کے لیے تیار کردہ ایک ہائبرڈ ماڈل بناتا ہے۔ مشین لرننگ (ML) ماڈلز کو حکمت عملی سے تقسیم کرکے، opp/ai کمپیوٹیشنل کارکردگی اور ڈیٹا پرائیویسی کو متوازن کرتا ہے، اس طرح محفوظ اور موثر آن چین AI خدمات حاصل کرتا ہے۔

opp/ai رازداری کے تقاضوں کی بنیاد پر ML ماڈلز کو متعدد ذیلی ماڈلز میں تقسیم کرتا ہے: zkML ذیلی ماڈل کو حساس ڈیٹا یا ملکیتی الگورتھم کے ساتھ اجزاء پر کارروائی کرنے کے لیے استعمال کیا جاتا ہے، اور ڈیٹا اور ماڈلز کی رازداری کو یقینی بنانے کے لیے صفر علمی ثبوتوں کا استعمال کرتے ہوئے عمل میں لایا جاتا ہے۔ opML ذیلی ماڈل کا استعمال ایسے اجزا پر کارروائی کرنے کے لیے کیا جاتا ہے جو پرائیویسی پر کارکردگی کو ترجیح دیتے ہیں، اور زیادہ سے زیادہ کارکردگی کو حاصل کرنے کے لیے opMLs کے پر امید نقطہ نظر کو استعمال کرتے ہوئے عمل میں لایا جاتا ہے۔

خلاصہ طور پر، ORA نے اختراعی طور پر تین پروف فریم ورک تجویز کیے: opML، zkML، اور opp/ai (opML اور zkML کا مجموعہ)۔ متنوع پروف فریم ورک ڈیٹا کی رازداری اور کمپیوٹنگ کی کارکردگی کو بڑھاتے ہیں، جس سے بلاکچین ایپلی کیشنز میں اعلیٰ لچک اور سیکورٹی آتی ہے۔

پہلے AI اوریکل کے طور پر، ORA میں بڑی صلاحیت اور وسیع تخیل کی جگہ ہے۔ ORA نے اپنے تکنیکی فوائد کو ظاہر کرتے ہوئے بڑی تعداد میں تحقیق اور نتائج شائع کیے ہیں۔ تاہم، AI ماڈلز کے استدلال کے عمل میں کچھ پیچیدگی اور تصدیق کے اخراجات ہوتے ہیں۔ آیا آن چین AI کی استدلال کی رفتار صارف کی ضروریات کو پورا کر سکتی ہے ایک سوال بن گیا ہے جس کی تصدیق کی ضرورت ہے۔ وقت کی تصدیق اور صارف کے تجربے کی مسلسل اصلاح کے بعد، اس طرح کے AI پروڈکٹس آن چین Dapps کی کارکردگی کو بہتر بنانے کے لیے ایک بہترین ٹول ثابت ہو سکتے ہیں۔

ٹیم کی معلومات:

شریک بانی کارٹن نے ایریزونا یونیورسٹی سے کمپیوٹر سائنس کی ڈگری کے ساتھ گریجویشن کیا اور Tiktok میں تکنیکی رہنما اور گوگل میں سافٹ ویئر انجینئر کے طور پر خدمات انجام دیں۔

چیف سائنٹسٹ کیتھی نے یونیورسٹی آف سدرن کیلیفورنیا سے کمپیوٹر سائنس میں ماسٹرز کی ڈگری اور ہانگ کانگ یونیورسٹی سے سائیکالوجی اور نیورو سائنس میں ڈاکٹریٹ کی ہے۔ وہ Ethereum فاؤنڈیشن میں zkML محقق تھیں۔

فنانسنگ کی معلومات:

اس سال 26 جون کو، ORA نے Polychain Capital، HF 0، Hashkey Capital، SevenX Ventures اور Geekcartel سمیت سرمایہ کاروں کے ساتھ، 20 ملین فنانسنگ راؤنڈ کی تکمیل کا اعلان کیا۔

گراس: AI ماڈلز کے لیے ڈیٹا لیئر

گراس عوامی نیٹ ورک ڈیٹا کو AI ڈیٹاسیٹس میں تبدیل کرنے پر مرکوز ہے۔ گراس نیٹ ورک صارفین کی ذاتی رازداری کی معلومات حاصل کیے بغیر انٹرنیٹ سے ڈیٹا کو کھرچنے کے لیے صارفین کی اضافی بینڈوتھ کا استعمال کرتا ہے۔ اس قسم کا نیٹ ورک ڈیٹا مصنوعی ذہانت کے ماڈلز کی ترقی اور بہت سی دوسری صنعتوں کے آپریشن کے لیے ناگزیر ہے۔ صارفین نوڈس چلا سکتے ہیں اور گراس پوائنٹس حاصل کر سکتے ہیں۔ گراس پر نوڈ چلانا اتنا ہی آسان ہے جتنا کروم ایکسٹینشن کو رجسٹر کرنا اور انسٹال کرنا۔

گراس اے آئی ڈیمانڈرز اور ڈیٹا فراہم کرنے والوں کو جوڑتا ہے، جیت کی صورتحال پیدا کرتا ہے۔ اس کے فوائد یہ ہیں: تنصیب کے آسان آپریشنز اور مستقبل میں ایئر ڈراپ کی توقعات صارف کی شرکت کو بہت زیادہ فروغ دیتی ہیں، جو ڈیمانڈ کرنے والوں کے لیے مزید ڈیٹا ذرائع بھی فراہم کرتی ہے۔ ڈیٹا فراہم کرنے والے کے طور پر، صارفین کو پیچیدہ ترتیبات اور اعمال انجام دینے کی ضرورت نہیں ہے، اور ڈیٹا کیپچر، صفائی اور دیگر آپریشنز صارف کے خیال کے بغیر کیے جا سکتے ہیں۔ اس کے علاوہ، آلات کے لیے کوئی خاص تقاضے نہیں ہیں، جو صارف کی شرکت کی حد کو کم کرتا ہے، اور اس کا دعوتی طریقہ کار بھی مؤثر طریقے سے زیادہ صارفین کو تیزی سے شامل ہونے کی ترغیب دیتا ہے۔

چونکہ گراس کو فی منٹ لاکھوں ویب درخواستوں تک پہنچنے کے لیے ڈیٹا کرالنگ آپریشنز کرنے کی ضرورت ہے۔ ان سب کی تصدیق کرنے کی ضرورت ہے، جس کے لیے کسی بھی L1 سے زیادہ تھرو پٹ کی ضرورت ہوگی۔ گراس ٹیم نے مارچ میں اعلان کیا تھا کہ وہ ڈیٹا کے ماخذ کی تصدیق کے لیے صارفین اور بلڈرز کی مدد کے لیے ایک رول اپ پلان بنائے گی۔ یہ منصوبہ تصدیق کے لیے ZK پروسیسر کے ذریعے میٹا ڈیٹا کو بیچتا ہے، اور ہر ڈیٹاسیٹ میٹا ڈیٹا کا ثبوت سولاناس سیٹلمنٹ لیئر پر محفوظ کیا جائے گا اور ڈیٹا لیجر تیار کیا جائے گا۔

جیسا کہ اعداد و شمار میں دکھایا گیا ہے، کلائنٹس ویب درخواستیں کرتے ہیں، جو کہ تصدیق کنندگان سے گزرتی ہیں اور بالآخر گراس نوڈس کی طرف جاتی ہیں، اور ویب سائٹس کا سرور ویب صفحہ کی درخواستوں کا جواب دیتا ہے، جس سے اس کا ڈیٹا حاصل کیا جا سکتا ہے اور واپس کیا جا سکتا ہے۔ ZK پروسیسر کا مقصد گراس نیٹ ورک پر حاصل کردہ ڈیٹاسیٹس کے ماخذ کو ریکارڈ کرنے میں مدد کرنا ہے۔ اس کا مطلب ہے کہ جب بھی کوئی نوڈ نیٹ ورک کو لاتا ہے، وہ اپنی شناخت کے بارے میں کوئی معلومات ظاہر کیے بغیر اپنے انعامات حاصل کر سکتے ہیں۔ ڈیٹا لیجر میں ریکارڈ کیے جانے کے بعد، جمع کیے گئے ڈیٹا کو AI ٹریننگ کے لیے گراف ایمبیڈنگ ماڈل (Edge Embedding) کے ذریعے صاف اور سٹرکچر کیا جاتا ہے۔

خلاصہ یہ کہ گراس صارفین کو ذاتی رازداری کی حفاظت کرتے ہوئے غیر فعال آمدنی حاصل کرنے کے لیے نیٹ ورک ڈیٹا حاصل کرنے کے لیے اضافی بینڈوتھ کا حصہ ڈالنے کی اجازت دیتا ہے۔ یہ ڈیزائن نہ صرف صارفین کو معاشی فوائد پہنچاتا ہے، بلکہ AI کمپنیوں کو بڑی مقدار میں حقیقی ڈیٹا حاصل کرنے کا ایک غیر مرکزی طریقہ بھی فراہم کرتا ہے۔

اگرچہ گراس نے صارف کی شرکت کی حد کو کافی حد تک کم کر دیا ہے اور صارف کی شرکت میں اضافہ کرنے کے لیے موزوں ہے، لیکن پروجیکٹ کی جانب سے اس بات پر غور کرنے کی ضرورت ہے کہ حقیقی صارفین کی شرکت اور اون پارٹیوں کی آمد بڑی مقدار میں سپیم لے سکتی ہے، جس سے صارفین پر بوجھ بڑھے گا۔ ڈیٹا پروسیسنگ. اس لیے، پراجیکٹ کی جانب سے ایک معقول ترغیبی طریقہ کار ترتیب دینے اور ڈیٹا کی قیمت مقرر کرنے کی ضرورت ہے تاکہ واقعی قیمتی ڈیٹا حاصل کیا جا سکے۔ یہ پروجیکٹ کی طرف اور صارفین دونوں کے لیے ایک اہم اثر انگیز عنصر ہے۔ اگر صارفین ایئر ڈراپ مختص کرنے کے بارے میں الجھن یا غیر منصفانہ محسوس کرتے ہیں، تو وہ پروجیکٹ کی طرف سے عدم اعتماد کر سکتے ہیں، جو منصوبے کے اتفاق رائے اور ترقی کو متاثر کرے گا۔

ٹیم کی معلومات:

بانی ڈاکٹر اینڈریج نے کینیڈا کی یارک یونیورسٹی سے کمپیوٹیشنل اور اپلائیڈ میتھمیٹکس میں ڈگری کے ساتھ گریجویشن کیا۔ چیف ٹیکنالوجی آفیسر Chris Nguyen کے پاس ڈیٹا پروسیسنگ میں کئی سال کا تجربہ ہے، اور اس نے جس ڈیٹا کمپنی کی بنیاد رکھی اس نے بہت سے اعزازات جیتے ہیں، جن میں IBM Cloud Embedded Excellence Award، Enterprise Technology Top 30، اور Forbes Cloud 100 Rising Stars شامل ہیں۔

فنانسنگ کی معلومات:

گراس وائنڈ نیٹ ورک ٹیم کی طرف سے شروع کی گئی پہلی پروڈکٹ ہے، جس نے دسمبر 2023 میں پولی چین کیپٹل اور ٹرائب کیپٹل کی قیادت میں $3.5 ملین سیڈ راؤنڈ فنانسنگ مکمل کی، جس میں Bitscale، Big Brain، Advisors Anonymous، Typhon V، Mozaik، کی شرکت کے ساتھ۔ وغیرہ۔ اس سے پہلے، No Limit Holdings نے $4.5 ملین کی کل فنانسنگ رقم کے ساتھ پری سی فنانسنگ کے دور کی قیادت کی۔

اس سال ستمبر میں، گراس نے اپنی سیریز A فنانسنگ مکمل کی، جس کی قیادت Hack VC نے کی اور پولی چین، ڈیلفی ڈیجیٹل، بریون ہاورڈ ڈیجیٹل، لیٹیس فنڈ اور دیگر نے حصہ لیا۔ فنانسنگ کی رقم ظاہر نہیں کی گئی۔

IO.NET: ڈی سینٹرلائزڈ کمپیوٹنگ ریسورس پلیٹ فارم

IO.NET سولانا پر ایک وکندریقرت GPU نیٹ ورک بنا کر دنیا بھر میں ناکارہ نیٹ ورک کمپیوٹنگ وسائل کو جمع کرتا ہے۔ یہ AI انجینئرز کو کم قیمت پر مطلوبہ GPU کمپیوٹنگ وسائل حاصل کرنے کے قابل بناتا ہے، حاصل کرنے میں آسان اور زیادہ لچکدار۔ ایم ایل ٹیمیں تقسیم شدہ GPU نیٹ ورک پر ماڈل ٹریننگ اور استدلال سروس ورک فلو بنا سکتی ہیں۔

IO.NET نہ صرف غیر فعال کمپیوٹنگ پاور والے صارفین کے لیے آمدنی فراہم کرتا ہے بلکہ چھوٹی ٹیموں یا افراد کے کمپیوٹنگ پاور بوجھ کو بھی بہت کم کرتا ہے۔ سولاناس ہائی تھرو پٹ اور موثر عملدرآمد کی کارکردگی کے ساتھ، اس کا GPU نیٹ ورک شیڈولنگ میں ایک فطری فائدہ ہے۔

IO.NET کو اپنے آغاز کے بعد سے اعلیٰ اداروں کی طرف سے بہت زیادہ توجہ اور پذیرائی ملی ہے۔ CoinMarketCap کے مطابق، 17 اکتوبر تک، اس کے ٹوکنز کی مارکیٹ ویلیو US$220 ملین سے تجاوز کر چکی ہے، اور FDV US$1.47 بلین سے تجاوز کر چکی ہے۔

IO.NET کی بنیادی ٹیکنالوجیز میں سے ایک IO-SDK ہے، جو کہ رے کے ایک وقف شدہ فورک پر مبنی ہے۔ (Ray ایک اوپن سورس فریم ورک ہے جو OpenAI کے ذریعے استعمال کیا جاتا ہے جو کہ AI اور Python ایپلی کیشنز جیسے کہ مشین لرننگ کو کلسٹرز میں بڑے پیمانے پر کمپیوٹیشن کو سنبھال سکتا ہے)۔ شعاعوں کے مقامی ہم آہنگی کا استعمال کرتے ہوئے، IO-SDK Python کے افعال کو متوازی بنا سکتا ہے اور PyTorch اور TensorFlow جیسے مرکزی دھارے کے ML فریم ورک کے ساتھ انضمام کی بھی حمایت کرتا ہے۔ اس کا میموری اسٹوریج کاموں کے درمیان تیز ڈیٹا شیئرنگ کو قابل بناتا ہے، سیریلائزیشن میں تاخیر کو ختم کرتا ہے۔

مصنوعات کے اجزاء:

• IO کلاؤڈ: ڈیمانڈ ڈیمانڈ کی تعیناتی اور ڈی سینٹرلائزڈ GPU کلسٹرز کے انتظام کے لیے ڈیزائن کیا گیا ہے، یہ IO-SDK کے ساتھ بغیر کسی رکاوٹ کے ضم ہوتا ہے تاکہ AI اور Python ایپلی کیشنز کو اسکیلنگ کرنے کے لیے ایک جامع حل فراہم کیا جا سکے۔ یہ GPU/CPU وسائل کی تعیناتی اور انتظام کو آسان بناتے ہوئے کمپیوٹنگ کی طاقت فراہم کرتا ہے۔ یہ فائر والز، رسائی کنٹرول، اور ماڈیولر ڈیزائن کے ذریعے ممکنہ خطرات کو کم کرتا ہے، اور سیکورٹی کو بڑھانے کے لیے مختلف افعال کو الگ کرتا ہے۔

• IO ورکر: صارف اس ویب ایپلیکیشن انٹرفیس کے ذریعے اپنے GPU نوڈ آپریشنز کا نظم کر سکتے ہیں، بشمول کمپیوٹنگ سرگرمی کی نگرانی، درجہ حرارت اور بجلی کی کھپت سے باخبر رہنے، تنصیب میں مدد، حفاظتی اقدامات اور محصول کی حیثیت۔

• IO ایکسپلورر: بنیادی طور پر صارفین کو جامع اعدادوشمار اور GPU کلاؤڈ کے مختلف پہلوؤں کا تصور فراہم کرتا ہے، جس سے صارفین نیٹ ورک کی سرگرمی، اہم اعدادوشمار، ڈیٹا پوائنٹس اور ریوارڈ ٹرانزیکشنز کو حقیقی وقت میں دیکھ سکتے ہیں۔

• IO ID: صارفین اپنے ذاتی اکاؤنٹ کی حیثیت دیکھ سکتے ہیں، بشمول والیٹ ایڈریس کی سرگرمی، والیٹ بیلنس، اور دعوی آمدنی۔

• IO Coin: IO.NET کے ٹوکن اسٹیٹس کو دیکھنے میں صارفین کی مدد کرتا ہے۔

• BC 8.AI: یہ IO.NET کے ذریعے چلنے والی ایک AI امیج جنریشن ویب سائٹ ہے، جہاں صارف ٹیکسٹ ٹو امیج کے AI جنریشن کے عمل کو نافذ کر سکتے ہیں۔

IO.NET cryptocurrency miners، Filecoin اور Render جیسے پروجیکٹس، اور دیگر پروجیکٹس سے 10 لاکھ سے زیادہ GPU وسائل کو جمع کرنے کے لیے غیر فعال کمپیوٹنگ پاور کا استعمال کرتا ہے، جس سے AI انجینئرز یا ٹیموں کو اپنی ضروریات کے مطابق GPU کمپیوٹنگ سروسز کو اپنی مرضی کے مطابق بنانے اور خریدنے کی اجازت ملتی ہے۔ دنیا بھر میں کمپیوٹنگ کے بے کار وسائل کو بروئے کار لا کر، وہ صارفین جو کمپیوٹنگ کی طاقت فراہم کرتے ہیں وہ اپنی کمائی کو ٹوکنائز کر سکتے ہیں۔ IO.NET نہ صرف وسائل کے استعمال کو بہتر بناتا ہے، بلکہ AI اور کمپیوٹنگ ایپلی کیشنز کی وسیع رینج کو فروغ دیتے ہوئے، زیادہ کمپیوٹنگ لاگت کو بھی کم کرتا ہے۔

ایک وکندریقرت کمپیوٹنگ پاور پلیٹ فارم کے طور پر، IO.NET کو صارف کے تجربے، کمپیوٹنگ پاور ریسورس کی فراوانی اور وسائل کی شیڈولنگ اور نگرانی پر توجہ دینی چاہیے، جو کہ وکندریقرت کمپیوٹنگ پاور ٹریک میں جیتنے کے لیے اہم چپس ہیں۔ تاہم، وسائل کے شیڈولنگ کے بارے میں پہلے بھی تنازعات ہوتے رہے ہیں، اور کچھ لوگوں نے وسائل کے نظام الاوقات اور صارف کے آرڈرز کے درمیان مماثلت پر سوال اٹھایا۔ اگرچہ ہم اس معاملے کی صداقت کی تصدیق نہیں کر سکتے، لیکن یہ متعلقہ منصوبوں کو بھی یاد دلاتا ہے کہ انہیں ان پہلوؤں کی اصلاح اور صارف کے تجربے کی بہتری پر توجہ دینی چاہیے۔ صارفین کی حمایت کے بغیر، شاندار مصنوعات صرف گلدان ہیں.

ٹیم کی معلومات:

بانی احمد شاہد پہلے وہیل ٹریڈر میں مقداری نظام کے انجینئر تھے اور ایتھریم فاؤنڈیشن کے معاون اور سرپرست تھے۔ سی ٹی او گورو شرما اس سے پہلے ایمیزون میں ایک سینئر ڈویلپمنٹ انجینئر کے طور پر کام کرتے تھے، ای بے میں ایک آرکیٹیکٹ، اور بائننس میں انجینئرنگ ڈیپارٹمنٹ میں کام کرتے تھے۔

فنانسنگ کی معلومات:

1 مئی 2023 کو، کمپنی نے باضابطہ طور پر $10 ملین سیڈ راؤنڈ فنانسنگ کی تکمیل کا اعلان کیا۔

5 مارچ 2024 کو، اس نے ملٹی کوائن کیپیٹل، 6th مین وینچرز، M 13، Delphi Digital، Solana Labs، Aptos Labs، Foresight Ventures، Longhash کی شرکت کے ساتھ، ہیک VC کی قیادت میں US$30 ملین سیریز A فنانسنگ راؤنڈ کی تکمیل کا اعلان کیا۔ , SevenX, ArkStream, Animoca Brands, Continue Capital, MH Ventures, Sandbox Games, etc.

MyShell: ایک AI ایجنٹ پلیٹ فارم جو صارفین اور تخلیق کاروں کو جوڑتا ہے۔

MyShell ایک विकेंद्रीकृत AI صارفین کی پرت ہے جو صارفین، تخلیق کاروں، اور اوپن سورس محققین کو جوڑتی ہے۔ صارف پلیٹ فارم کی طرف سے فراہم کردہ AI ایجنٹس استعمال کر سکتے ہیں، یا MyShells ڈویلپمنٹ پلیٹ فارم پر اپنے AI ایجنٹس یا ایپلیکیشنز بنا سکتے ہیں۔ MyShell صارفین کو آزادانہ طور پر AI ایجنٹوں کی تجارت کرنے کے لیے ایک کھلا بازار فراہم کرتا ہے۔ MyShells AIpp اسٹور میں، آپ مختلف قسم کے AI ایجنٹس دیکھ سکتے ہیں، بشمول ورچوئل ساتھی، تجارتی معاون، اور AIGC قسم کے ایجنٹس۔

مختلف قسم کے AI چیٹ بوٹس جیسے ChatGPT کے کم حد کے متبادل کے طور پر، MyShell AI فنکشنل پلیٹ فارمز کی ایک وسیع رینج فراہم کرتا ہے، جو صارفین کے لیے AI ماڈلز اور ایجنٹس استعمال کرنے کی حد کو کم کرتا ہے، اور صارفین کو AI کا جامع تجربہ حاصل کرنے کے قابل بناتا ہے۔ مثال کے طور پر، صارفین کلاڈ کو دستاویز کی تنظیم اور تحریری اصلاح کے لیے استعمال کرنا چاہتے ہیں، جبکہ Midjourney کو اعلیٰ معیار کی تصاویر بنانے کے لیے استعمال کرنا چاہتے ہیں۔ عام طور پر، اس کے لیے صارفین کو مختلف پلیٹ فارمز پر متعدد اکاؤنٹس کو رجسٹر کرنے اور کچھ خدمات کے لیے ادائیگی کرنے کی ضرورت ہوتی ہے۔ MyShell ایک ون اسٹاپ سروس فراہم کرتا ہے، ہر روز مفت AI کوٹہ فراہم کرتا ہے، اور صارفین کو بار بار رجسٹر کرنے اور فیس ادا کرنے کی ضرورت نہیں ہے۔

اس کے علاوہ، کچھ AI مصنوعات پر بعض علاقوں میں پابندیاں ہیں، لیکن MyShell پلیٹ فارم پر، صارفین عام طور پر مختلف AI سروسز کو آسانی سے استعمال کر سکتے ہیں، جس سے صارف کے تجربے میں نمایاں بہتری آتی ہے۔ MyShell کے یہ فوائد اسے صارف کے تجربے کے لیے ایک مثالی انتخاب بناتے ہیں، جو صارفین کو ایک آسان، موثر اور ہموار AI سروس کا تجربہ فراہم کرتے ہیں۔

MyShell ماحولیاتی نظام تین بنیادی اجزاء پر بنایا گیا ہے:

خود تیار کردہ AI ماڈل: MyShell نے متعدد اوپن سورس AI ماڈلز تیار کیے ہیں، جن میں AIGC اور بڑے لینگویج ماڈلز شامل ہیں، جنہیں صارف براہ راست استعمال کر سکتے ہیں۔ آپ سرکاری گیتھب پر مزید اوپن سورس ماڈل بھی تلاش کر سکتے ہیں۔

اوپن اے آئی ڈویلپمنٹ پلیٹ فارم: صارفین آسانی سے AI ایپلی کیشنز بنا سکتے ہیں۔ MyShell پلیٹ فارم تخلیق کاروں کو مختلف ماڈلز کا فائدہ اٹھانے اور بیرونی APIs کو مربوط کرنے کی اجازت دیتا ہے۔ مقامی ترقیاتی ورک فلو اور ماڈیولر ٹول کٹس کے ساتھ، تخلیق کار اپنے خیالات کو تیزی سے فعال AI ایپلی کیشنز میں تبدیل کر سکتے ہیں، جدت کو تیز کر سکتے ہیں۔

منصفانہ ترغیباتی ماحولیاتی نظام: MyShells کا ترغیبی طریقہ صارفین کو ایسا مواد بنانے کی ترغیب دیتا ہے جو ان کی ذاتی ترجیحات پر پورا اترتا ہو۔ تخلیق کار خود ساختہ ایپلی کیشنز استعمال کرتے وقت مقامی پلیٹ فارم کے انعامات حاصل کر سکتے ہیں، اور صارفین سے فنڈز بھی وصول کر سکتے ہیں۔

MyShells ورکشاپ میں، آپ دیکھ سکتے ہیں کہ یہ صارفین کو تین طریقوں میں AI روبوٹس بنانے میں معاونت کرتا ہے۔ پیشہ ور ڈویلپرز اور عام صارفین دونوں مناسب موڈ سے مل سکتے ہیں۔ ماڈل پیرامیٹرز اور ہدایات سیٹ کرنے کے لیے کلاسک موڈ کا استعمال کریں، جنہیں سوشل میڈیا سافٹ ویئر میں ضم کیا جا سکتا ہے۔ ڈویلپمنٹ موڈ کے لیے صارفین کو اپنی ماڈل فائلیں اپ لوڈ کرنے کی ضرورت ہوتی ہے۔ ShellAgent موڈ کا استعمال کرتے ہوئے، آپ کوڈ فری فارم میں AI روبوٹ بنا سکتے ہیں۔

MyShell وکندریقرت کے تصور کو AI ٹیکنالوجی کے ساتھ جوڑتا ہے، اور صارفین، تخلیق کاروں اور محققین کے لیے ایک کھلا، لچکدار اور منصفانہ ترغیباتی ماحولیاتی نظام فراہم کرنے کے لیے پرعزم ہے۔ خود تیار کردہ AI ماڈلز، اوپن ڈویلپمنٹ پلیٹ فارمز اور متعدد ترغیباتی طریقوں کے ذریعے، یہ صارفین کو ان کی تخلیقی صلاحیتوں اور ضروریات کا ادراک کرنے کے لیے بہت سارے اوزار اور وسائل فراہم کرتا ہے۔

MyShell نے مختلف قسم کے اعلیٰ معیار کے ماڈلز کو مربوط کیا ہے، اور ٹیم صارف کے تجربے کو بہتر بنانے کے لیے مسلسل کئی AI ماڈلز تیار کر رہی ہے۔ تاہم، MyShell کو اب بھی استعمال میں کچھ چیلنجز کا سامنا ہے۔ مثال کے طور پر، کچھ صارفین نے رپورٹ کیا کہ چینی کے لیے کچھ ماڈلز کو بہتر بنانے کی ضرورت ہے۔ تاہم، MyShell کوڈ کے ذخیرے کو دیکھ کر، آپ دیکھ سکتے ہیں کہ ٹیم مسلسل اپ ڈیٹ اور اصلاح کر رہی ہے، اور کمیونٹی کی جانب سے فیڈ بیک کو فعال طور پر سن رہی ہے۔ مجھے یقین ہے کہ مسلسل بہتری کے ساتھ، صارف کا تجربہ مستقبل میں بہتر ہوگا۔

ٹیم کی معلومات:

شریک بانی Zengyi Qin آواز کے الگورتھم کی تحقیق پر توجہ مرکوز کرتے ہیں اور پی ایچ ڈی کی ڈگری رکھتے ہیں۔ MIT سے سنگھوا یونیورسٹی میں بیچلرز کی ڈگری حاصل کرتے ہوئے، اس نے کئی اعلیٰ کانفرنس کے مقالے شائع کیے ہیں۔ اس کے پاس روبوٹکس، کمپیوٹر ویژن، اور کمک سیکھنے کا پیشہ ورانہ تجربہ بھی ہے۔ ایک اور شریک بانی، ایتھن سن، نے آکسفورڈ یونیورسٹی سے کمپیوٹر سائنس میں ڈگری حاصل کی اور AR+AI فیلڈ میں کام کا کئی سال کا تجربہ ہے۔

فنانسنگ کی معلومات:

اکتوبر 2023 میں، اس نے سیڈ راؤنڈ فنانسنگ میں $5.6 ملین اکٹھا کیا۔ INCE Capital کی قیادت میں، Hashkey Capital، Folius Ventures، SevenX Ventures، OP Crypto اور دیگر نے سرمایہ کاری میں حصہ لیا۔

مارچ 2024 میں، اس نے فنانسنگ کے اپنے تازہ ترین پری-اے راؤنڈ میں $11 ملین فنانسنگ حاصل کی۔ فنانسنگ کی قیادت Dragonfly نے کی، اور سرمایہ کاری کے اداروں جیسے Delphi Digital، Bankless Ventures، Maven 11 Capital، Nascent، Nomad، Foresight Ventures، Animoca Ventures، OKX Ventures اور GSR نے حصہ لیا۔ اس کے علاوہ، فنانسنگ کے اس دور کو فرشتہ سرمایہ کاروں جیسے بالاجی سری نواسن، ایلیا پولوسوکھن، کیسی کے کاروسو، اور سانتیاگو سانتوس کی حمایت بھی حاصل ہوئی۔

اس سال اگست میں، Binance Labs نے اپنے چھٹے سیزن انکیوبیشن پروگرام کے ذریعے MyShell میں سرمایہ کاری کا اعلان کیا، جس میں مخصوص رقم ظاہر نہیں کی گئی۔

چہارم چیلنجز اور تحفظات جن کو حل کرنے کی ضرورت ہے۔

اگرچہ ٹریک ابھی ابتدائی حالت میں ہے، پریکٹیشنرز کو کچھ اہم عوامل کے بارے میں سوچنا چاہیے جو منصوبے کی کامیابی کو متاثر کرتے ہیں۔ یہاں غور کرنے کے لئے کچھ پہلو ہیں:

AI وسائل کی طلب اور رسد کے درمیان توازن: Web3-AI ماحولیاتی پراجیکٹس کے لیے، AI وسائل کی طلب اور رسد کے درمیان توازن حاصل کرنا اور حقیقی ضروریات والے اور جو اپنا حصہ ڈالنے کے لیے تیار ہیں زیادہ سے زیادہ لوگوں کو راغب کرنا انتہائی اہم ہے۔ مثال کے طور پر، وہ صارفین جن کے پاس ماڈل، ڈیٹا اور کمپیوٹنگ پاور کی ضرورت ہے وہ Web2 پلیٹ فارم پر AI وسائل حاصل کرنے کے عادی ہو چکے ہیں۔ اسی وقت، AI وسائل فراہم کرنے والوں کو Web3-AI ایکو سسٹم میں حصہ ڈالنے کے لیے کس طرح راغب کیا جائے، اور وسائل کے حصول اور AI وسائل کی معقول مماثلت حاصل کرنے کے لیے مزید مطالبہ کرنے والوں کو کیسے راغب کیا جائے، یہ بھی صنعت کو درپیش چیلنجوں میں سے ایک ہے۔

ڈیٹا چیلنج: ڈیٹا کا معیار براہ راست ماڈل ٹریننگ کے اثر کو متاثر کرتا ہے۔ ڈیٹا اکٹھا کرنے اور ڈیٹا پری پروسیسنگ کے دوران ڈیٹا کے معیار کو یقینی بنانا، اور اون صارفین کی طرف سے لائے گئے جنک ڈیٹا کی بڑی مقدار کو فلٹر کرنا ڈیٹا پروجیکٹس کو درپیش اہم چیلنجز ہوں گے۔ پراجیکٹ کے مالکان سائنسی ڈیٹا کوالٹی کنٹرول کے طریقوں کے ذریعے ڈیٹا کی ساکھ کو بہتر بنا سکتے ہیں اور ڈیٹا پروسیسنگ کے اثر کو زیادہ شفاف طریقے سے ظاہر کر سکتے ہیں، جو ڈیٹا مانگنے والوں کے لیے بھی زیادہ پرکشش ہو گا۔

سیکورٹی کے مسائل: ویب 3 انڈسٹری میں، AI اثاثوں کے آن چین اور آف چین تعاملات کو حاصل کرنے کے لیے بلاک چین اور پرائیویسی ٹیکنالوجیز کا استعمال کرنا ضروری ہے تاکہ نقصان دہ عناصر کو AI اثاثوں کے معیار کو متاثر کرنے سے روکا جا سکے اور AI وسائل جیسے ڈیٹا کی حفاظت کو یقینی بنایا جا سکے۔ ماڈلز کچھ پروجیکٹ پارٹیوں نے حل تجویز کیے ہیں، لیکن میدان ابھی زیر تعمیر ہے۔ جیسا کہ ٹیکنالوجی میں بہتری آتی جارہی ہے، اعلیٰ اور ثابت شدہ حفاظتی معیارات حاصل کیے جانے کی توقع ہے۔

صارف کا تجربہ:

• Web2 کے صارفین عام طور پر روایتی آپریٹنگ تجربے کے عادی ہوتے ہیں، جبکہ Web3 پروجیکٹس عام طور پر پیچیدہ سمارٹ کنٹریکٹس، وکندریقرت والے بٹوے اور دیگر ٹیکنالوجیز کے ساتھ ہوتے ہیں، جن کی عام صارفین کے لیے اعلیٰ حد ہو سکتی ہے۔ صنعت کو اس بات پر غور کرنا چاہیے کہ کس طرح صارف کے تجربے اور تعلیمی سہولیات کو مزید بہتر بنایا جائے تاکہ Web2 کے مزید صارفین کو Web3-AI ماحولیاتی نظام میں داخل ہونے کی طرف راغب کیا جا سکے۔

• Web3 کے صارفین کے لیے، ایک موثر ترغیبی طریقہ کار اور ایک مسلسل کام کرنے والا معاشی نظام قائم کرنا صارف کو طویل مدتی برقرار رکھنے اور ماحولیاتی نظام کی صحت مند ترقی کو فروغ دینے کی کلید ہے۔ ساتھ ہی، ہمیں اس بارے میں سوچنا چاہیے کہ Web3 فیلڈ کی کارکردگی کو بہتر بنانے کے لیے AI ٹیکنالوجی کا زیادہ سے زیادہ استعمال کیسے کیا جائے اور AI کے ساتھ مل کر مزید ایپلیکیشن منظرنامے اور گیم پلے کو اختراع کیا جائے۔ یہ تمام اہم عوامل ہیں جو ماحولیاتی نظام کی صحت مند نشوونما کو متاثر کرتے ہیں۔

جیسا کہ انٹرنیٹ+ کی ترقی کا رجحان جاری ہے، ہم نے بے شمار اختراعات اور تبدیلیاں دیکھی ہیں۔ فی الحال، بہت سے شعبوں کو AI کے ساتھ جوڑ دیا گیا ہے۔ مستقبل کے منتظر، AI+ کا دور ہر جگہ کھل سکتا ہے اور ہمارے طرز زندگی کو مکمل طور پر بدل سکتا ہے۔ Web3 اور AI کے انضمام کا مطلب ہے کہ ڈیٹا کی ملکیت اور کنٹرول صارفین کو واپس آ جائے گا، جس سے AI زیادہ شفاف اور قابل اعتماد ہو جائے گا۔ انضمام کے اس رجحان سے توقع کی جاتی ہے کہ وہ زیادہ منصفانہ اور کھلے بازار کا ماحول بنائے گا اور زندگی کے تمام شعبوں میں کارکردگی میں بہتری اور اختراعی ترقی کو فروغ دے گا۔ ہم صنعت کے معماروں کے ساتھ مل کر بہتر AI حل تخلیق کرنے کے منتظر ہیں۔

حوالہ جات

https://ieeexplore.ieee.org/abstract/document/9451544

https://docs.ora.io/doc/oao-onchain-ai-oracle/introduction

https://saharalabs.ai/

https://saharalabs.ai/blog/sahara-ai-raise-43m

https://bittensor.com/

https://docs.bittensor.com/yuma-consensus

https://docs.bittensor.com/emissions#emission

https://twitter.com/myshell_ai

https://twitter.com/SubVortexTao

https://foresightnews.pro/article/detail/49752

https://www.ora.io/

https://docs.ora.io/doc/imo/introduction

https://github.com/ora-io/keras2c ircom

https://arxiv.org/abs/2401.17555

https://arxiv.org/abs/2402.15006

https://x.com/OraProtocol/status/1805981228329513260

https://x.com/getgrass_io

https://www.getgrass.io/blog/grass-the-first-ever-layer-2-data-rollup

https://wynd-network.gitbook.io/grass-docs/architecture/overview#edge-embedding-models

http://IO.NET

https://www.ray.io/

https://www.techflowpost.com/article/detail_17611.html

https://myshell.ai/

https://www.chaincatcher.com/article/2118663

اعترافات

اس ابھرتے ہوئے بنیادی ڈھانچے کے پیراڈائم میں ابھی بہت ساری تحقیق اور کام کرنا باقی ہے، اور بہت سے ایسے شعبے ہیں جن کا اس مضمون میں احاطہ نہیں کیا گیا ہے۔ اگر آپ متعلقہ تحقیقی موضوعات میں دلچسپی رکھتے ہیں، تو براہ کرم چلو سے رابطہ کریں۔

اس مضمون پر ان کے بصیرت انگیز تبصروں اور تاثرات کے لیے Severus اور JiaYi کا بہت شکریہ۔ آخر میں، JiaYi کا بلی سے پیار کرنے کے لیے شکریہ۔

یہ مضمون انٹرنیٹ سے لیا گیا ہے: Web3-AI ٹریک پینورامک رپورٹ: تکنیکی منطق، منظر نامے کی ایپلی کیشنز اور اعلیٰ پروجیکٹس کا گہرائی سے تجزیہ

متعلقہ: اگلے ہفتے ضرور دیکھیں｜دونوں جماعتوں کے نائب صدارتی امیدوار بحث کریں گے EIGEN منتقلی کی پابندیاں ہٹاتا ہے (9.30-1

اگلے ہفتوں کی جھلکیاں 30 ستمبر کو CME گروپ ایک نئی بٹ کوائن فیوچر پروڈکٹ، Bitcoin فرائیڈے فیوچر، 30 ستمبر کو لانچ کرنے کا ارادہ رکھتا ہے؛ ایتھینا: سیزن 2 کے ایئر ڈراپ کے دعوے 30 ستمبر کو کھلیں گے۔ 1 اکتوبر (1:00) پاول نیشنل ایسوسی ایشن فار بزنس اکنامکس میں خطاب کریں گے۔ (8:00) گراس فاؤنڈیشن: ایئر ڈراپ حاصل کرنے کے لیے صارفین کو 1 اکتوبر سے پہلے اپنے سولانا بٹوے کو جوڑنے کی ضرورت ہے۔ (13:00) EIGEN منتقلی کی پابندیاں 30 ستمبر کو ہٹا دی جائیں گی، اور وعدہ کیا ہوا صارفین کے پاس 7 دن کی واپسی کی مدت ہوگی۔ 2 اکتوبر (9:00) ڈیموکریٹک اور ریپبلکن نائب صدارتی امیدوار 2 اکتوبر کو نائب صدارتی مباحثے کا انعقاد کریں گے۔ اکتوبر 4 (20:30) امریکہ ستمبر کے لیے بے روزگاری کی شرح اور موسمی طور پر ایڈجسٹ شدہ نان فارم پے رولز کا ڈیٹا جاری کرے گا۔ 30 ستمبر سے 6 اکتوبر تک…