Kaufen Sie Dojo (SN52) in Malaysia

Dojo, identifiziert als Subnet 52 oder SN52, ist ein dezentrales Projekt, das innerhalb des Bittensor-Netzwerks operiert. Entwickelt von Tensorplex Labs, dient das Projekt als offene Plattform, die darauf ausgelegt ist, qualitativ hochwertige, von Menschen generierte Datensätze per Crowdsourcing zu gewinnen, um das Training und die Feinabstimmung von Modellen der künstlichen Intelligenz zu verbessern. Die primäre Mission von Dojo besteht darin, die Lücke zwischen menschlicher Intelligenz und AI zu schließen, indem eine dezentrale Pipeline für multi-modale Daten geschaffen wird. Es adressiert eine bedeutende Herausforderung in der AI-Branche: den Bedarf an vielfältigen, hochwertigen Daten, die menschliche Präferenzen und Urteilsvermögen widerspiegeln – ein Prozess, der oft als Reinforcement Learning from Human Feedback (RLHF) bezeichnet wird. Durch die Dezentralisierung dieses Prozesses zielt Dojo darauf ab, die Erstellung von AI-Datensätzen zu demokratisieren und sicherzustellen, dass diese inklusiver und weniger abhängig von zentralisierten Einheiten sind. Das Ökosystem funktioniert über ein gemeinschaftsgetriebenes Modell, bei dem die Teilnehmer beitragen, indem sie Aufgaben wie das Labeling von Daten oder das Geben von Feedback zu AI-generierten Ergebnissen übernehmen. Dieser Human-in-the-Loop-Ansatz hilft dabei, Modelle zu verfeinern, damit sie präziser sind und mit menschlichen Werten in Einklang stehen. Die Plattform nutzt fortschrittliche Techniken wie die synthetische Generierung von Aufgaben, bei der Large Language Models einzigartige Herausforderungen erstellen, die von menschlichen Teilnehmern gelöst werden müssen, wodurch der Datenerfassungsprozess effizient skaliert wird. Ein Hauptmerkmal des Dojo-Subnets ist seine Cross-Subnet-Validierungsfähigkeit. Es kann verwendet werden, um die Qualität der von anderen Subnets innerhalb des Bittensor-Ökosystems erzeugten Ergebnisse zu bewerten und einzustufen, was Miner im gesamten Netzwerk dazu anreizt, ihre Leistung zu verbessern. Um die Integrität seiner Daten zu wahren, setzt Dojo Obfuskationstechniken und Validierungsprotokolle ein, um sich gegen Sybil-Angriffe zu schützen und sicherzustellen, dass die Beiträge echt sind. Das Projekt hat seinen Nutzen durch die Einführung spezialisierter Modelle erweitert, wie etwa solcher, die auf die Generierung von Frontend-Schnittstellen fokussiert sind und mit den einzigartigen, über die Dojo-Plattform gesammelten Datensätzen feinabgestimmt werden. Insgesamt fungiert Dojo als kritische Infrastrukturschicht für die dezentrale AI-Bewegung und konzentriert sich auf die wesentliche Rolle menschlicher Daten und Rückmeldungen beim Aufbau fortschrittlicher Systeme für maschinelles Lernen. Mehr erfahren