شرکت تتر Tether، صادرکننده بزرگ‌ترین استیبل‌کوین جهان یعنی USDT، یک فریم‌ورک جدید برای آموزش مدل‌های هوش مصنوعی معرفی کرده است. این سیستم به کاربران اجازه می‌دهد مدل‌های زبانی بزرگ (LLM) را حتی روی سخت‌افزارهای مصرفی مانند گوشی‌های هوشمند و GPUهای غیر از انویدیا آموزش دهند.

فریم‌ورک AI تتر؛ بخشی از پلتفرم QVAC

طبق اعلام رسمی روز سه‌شنبه، این فریم‌ورک بخشی از پلتفرم QVAC است و از معماری BitNet مایکروسافت به همراه تکنیک LoRA استفاده می‌کند.

هدف این فناوری:

در این رابطه بخوانید‌ : توکن سوزی در صنعت کریپتو به چه معناست؟

• کاهش نیاز به حافظه و قدرت پردازشی
• پایین آوردن هزینه آموزش مدل‌های هوش مصنوعی
• کاهش وابستگی به سخت‌افزارهای گران‌قیمت

به گفته تتر، این فناوری می‌تواند موانع سخت‌افزاری توسعه مدل‌های AI را به شکل قابل‌توجهی کاهش دهد.

پشتیبانی از انواع تراشه‌ها و پردازنده‌ها

این فریم‌ورک امکان آموزش و اجرای مدل‌ها در چند پلتفرم مختلف را فراهم می‌کند.

سخت‌افزارهای پشتیبانی‌شده شامل:

• AMD
• Intel
• Apple Silicon
• GPUهای موبایل Qualcomm
• پردازنده‌های گرافیکی Apple

به این ترتیب، این سیستم دیگر وابسته به GPUهای قدرتمند انویدیا که معمولاً برای آموزش مدل‌های هوش مصنوعی استفاده می‌شوند، نیست.

آموزش مدل‌های هوش مصنوعی روی گوشی‌های هوشمند

مهندسان تتر اعلام کرده‌اند که توانسته‌اند مدل‌های تا ۱ میلیارد پارامتر را روی گوشی‌های هوشمند در کمتر از دو ساعت فاین‌تیون کنند.

برخی از قابلیت‌ها:

• تنظیم دقیق مدل‌های کوچک در چند دقیقه
• پشتیبانی از مدل‌هایی تا ۱۳ میلیارد پارامتر روی دستگاه‌های موبایل

این موضوع می‌تواند تحول بزرگی در آموزش AI روی دستگاه‌های شخصی ایجاد کند.

کاهش مصرف حافظه با معماری BitNet

فریم‌ورک تتر بر پایه BitNet ساخته شده است؛ معماری‌ای که از مدل‌های ۱ بیتی استفاده می‌کند.طبق اعلام شرکت مصرف VRAM تا ۷۷.۸٪ کمتر از مدل‌های ۱۶ بیتی مشابه است.

این ویژگی باعث می‌شود:

• مدل‌های بزرگ‌تر روی سخت‌افزارهای ضعیف‌تر اجرا شوند
• امکان فاین‌تیون با LoRA روی GPUهای غیران‌ویدیا فراهم شود

در نتیجه توسعه‌دهندگان دیگر مجبور نیستند برای آموزش AI حتماً از GPUهای خاص و گران‌قیمت استفاده کنند.

سرعت بالاتر اجرای مدل‌ها روی GPU موبایل

تتر اعلام کرده است که این پیشرفت فقط محدود به آموزش مدل‌ها نیست و در مرحله اجرای مدل (Inference) نیز عملکرد بهتری ارائه می‌دهد.

همچنین بخوانید : جریان ورودی (inflow) و خروجی (outflow) در صرافی های کریپتو چیست؟

به گفته شرکت GPUهای موبایل می‌توانند مدل‌های BitNet را چند برابر سریع‌تر از CPUها اجرا کنند.

کاربردهای جدید: آموزش روی دستگاه و یادگیری فدرال

این فناوری می‌تواند کاربردهای جدیدی ایجاد کند، از جمله:

آموزش مستقیم روی دستگاه (On-device training)

مدل‌ها می‌توانند مستقیماً روی دستگاه کاربر آموزش داده شوند بدون نیاز به سرورهای قدرتمند.

یادگیری فدرال (Federated Learning)

در این روش:

• مدل‌ها روی چندین دستگاه مختلف به‌روزرسانی می‌شوند
• داده‌ها به سرور مرکزی ارسال نمی‌شوند

این موضوع می‌تواند وابستگی به زیرساخت‌های ابری را کاهش دهد.

گسترش حضور شرکت‌های کریپتویی در حوزه هوش مصنوعی

ورود تتر به حوزه زیرساخت هوش مصنوعی در شرایطی رخ می‌دهد که بسیاری از شرکت‌های کریپتو در حال سرمایه‌گذاری در محاسبات و یادگیری ماشین هستند.

این روند به‌ویژه در بخش‌های زیر رشد زیادی داشته است:

• ماینینگ بیت کوین
• زیرساخت‌های محاسباتی AI
• ایجنت‌های هوش مصنوعی (AI Agents)

همکاری‌های بزرگ در زیرساخت AI

چند نمونه از این روند:

• سپتامبر: گوگل ۵.۴٪ از شرکت Cipher Mining را در یک قرارداد ۳ میلیارد دلاری ۱۰ ساله برای ظرفیت دیتاسنترهای AI خریداری کرد.
• دسامبر: شرکت استخراج بیت کوین IREN اعلام کرد قصد دارد حدود ۳.۶ میلیارد دلار برای زیرساخت‌های AI جذب سرمایه کند.

این روند در سال ۲۰۲۶ نیز ادامه یافته است.

برای مثال:

• HIVE Digital Technologies در فوریه درآمد رکوردی ۹۳.۱ میلیون دلار را گزارش کرد که ناشی از رشد عملیات AI و محاسبات با عملکرد بالا (HPC) بود.
• در ماه مارس، شرکت Core Scientific یک خط اعتباری ۵۰۰ میلیون دلاری از Morgan Stanley دریافت کرد که امکان افزایش آن تا ۱ میلیارد دلار نیز وجود دارد.

رشد ایجنت‌های هوش مصنوعی در صنعت کریپتو

همزمان با این تحولات، AI Agentها نیز در صنعت کریپتو در حال گسترش هستند.

AI Agentها برنامه‌های خودکاری هستند که می‌توانند:

• تراکنش انجام دهند
• با سرویس‌ها تعامل داشته باشند
• وظایف مختلف را اجرا کنند

چند نمونه از این توسعه‌ها:

• کوین بیس در اکتبر زیرساخت کیف پولی معرفی کرد که به ایجنت‌های AI اجازه انجام تراکنش‌های آنچین را می‌دهد.
• ماه گذشته Alchemy سیستمی معرفی کرد که به AI Agentها اجازه می‌دهد با استفاده از USDC در شبکه Base به داده‌های بلاکچین دسترسی پیدا کنند.
• در فوریه، شرکت‌های Pantera و Franklin Templeton به پلتفرم Arena از شرکت Sentient پیوستند که برای آزمایش AI Agentهای سازمانی طراحی شده است.

معرفی AgentKit توسط پروژه World

در همین راستا، روز سه‌شنبه پروژه World که توسط سم آلتمن (Sam Altman) از بنیان‌گذاران OpenAI ایجاد شده، ابزار جدیدی به نام AgentKit معرفی کرد.

این ابزار به AI Agentها اجازه می‌دهد:

• با استفاده از World ID ثابت کنند به یک انسان واقعی و منحصربه‌فرد متصل هستند
• از طریق پروتکل x402 پرداخت‌های خرد انجام دهند

جمع‌بندی

معرفی فریم‌ورک جدید تتر نشان می‌دهد که مرز بین کریپتو و هوش مصنوعی روزبه‌روز در حال کمرنگ‌تر شدن است. با امکان آموزش مدل‌های AI روی گوشی‌های هوشمند و سخت‌افزارهای معمولی، توسعه هوش مصنوعی می‌تواند در آینده بسیار در دسترس‌تر و غیرمتمرکزتر شود.

ترجمه شده توسط مجله خبری نیپوتو