Together AI और Pearl Research Labs ने अनुमान लागत कम करने के लिए उपयोगी कार्य के प्रमाण पर साझेदारी की

Together AI ने AI अनुमान की बढ़ती लागत से निपटने के लिए Pearl Research Labs के साथ साझेदारी की है, जिसमें GPU कार्यभार को क्रिप्टो पुरस्कारों से जोड़ा गया है। दोनों कंपनियां 'उपयोगी कार्य का प्रमाण' (Proof of Useful Work) नामक प्रणाली का उपयोग करने की योजना बना रही हैं - जो पारंपरिक खनन का एक रूपांतर है, जो वास्तव में मॉडलों को प्रशिक्षित या संचालित करने वाली गणनाओं के लिए टोकन देता है। इसका विचार GPU प्रदाताओं को अनुमान कार्य करते हुए क्रिप्टो कमाने देना है, जो सामान्यतः एक शुद्ध व्यय होता है।

उपयोगी कार्य का प्रमाण कैसे काम करता है

उपयोगी कार्य का प्रमाण बिल्कुल वैसा ही है जैसा सुनाई देता है: ब्लॉक पुरस्कार के लिए यादृच्छिक संख्याओं का हैश करने के बजाय, खनिक उपयोगी गणनाएँ प्रस्तुत करते हैं - इस मामले में AI अनुमान कार्य - जिन्हें सत्यापित और पुरस्कृत किया जाता है। Pearl Research Labs अंतर्निहित प्रोटोकॉल लाता है, जबकि Together AI अपना अनुमान बुनियादी ढाँचा प्रदान करता है। साझेदारी का कथित लक्ष्य AI अनुमान लागत को कम करना है, जिससे प्रदाता टोकन पुरस्कारों के माध्यम से अपने हार्डवेयर ओवरहेड का कुछ हिस्सा वसूल कर सकें।

अनुमान लागत क्यों लक्षित है

बड़े भाषा मॉडल और जनरेटिव AI चलाना महंगा है, विशेषकर बड़े पैमाने पर। अधिकांश GPU समय का भुगतान अग्रिम रूप से किया जाता है, जिसमें कंप्यूट लागत वापस कमाने का कोई तरीका नहीं है। ऊपर से क्रिप्टो पुरस्कार जोड़कर, Together AI और Pearl Research Labs यह दाँव लगा रहे हैं कि टोकन प्रोत्साहन मशीनें चलाने वालों के लिए अनुमान को सस्ता - या कम से कम अधिक टिकाऊ - बना सकता है। यह मॉडल प्रभावी रूप से एक लागत केंद्र को संभावित राजस्व स्रोत में बदल देता है।

आगे क्या होगा

किसी भी कंपनी ने यह नहीं बताया है कि उपयोगी कार्य के प्रमाण का एकीकरण कब लाइव होगा। साझेदारी की घोषणा इस सप्ताह की गई थी, और दोनों पक्ष तकनीकी सहयोग के शुरुआती चरणों में हैं। पुरस्कार दर कैसे निर्धारित की जाएगी - और यह अंतर्निहित टोकन के मूल्य के साथ कैसे संतुलित होगी - अभी सार्वजनिक नहीं है। यह गणित यह निर्धारित करेगा कि सिस्टम वास्तव में लागत कम करता है या केवल जटिलता बढ़ाता है।