作者：0xJeff, 加密 KOL
編譯：Felix, PANews
競爭是 AI 發展的基礎。
參與者競爭的目標包括：
如果沒有競爭，創新就會按照自己的節奏發展——往往速度很慢。目前正在實時見證 Bittensor 競賽的展開，許多子網輸出的結果在各自的任務上都超過了行業基準。
子網所有者可以設計任何激勵機制，讓礦工參與競爭以獲得 $TAO 獎勵，讓驗證者驗證礦工的任務，並讓質押者將其 $TAO 委託給最擅長驗證的驗證者（以獲得最大激勵），這使得 Bittensor 成為一個不斷突破去中心化 AI 界限的良好生態係統。
Flock 在其生態中實施了與 Bittensor 類似的機制，以加速初始模型開發的進程，並利用聯邦學習（Federated Learning）進一步微調特定領域的模型以適應獨特的用例。
聯邦學習：即多個設備（人員）在不共享數據的情況下訓練單個模型的一種方式。這在隱私至上的環境中特別有用，例如醫療保健、政府、銀行、客戶數據等，這些環境中隱私/保密性至關重要。
與原始數據不同，聯邦學習會將「梯度（gradients）」共享到中央服務器。然後，服務器會匯總這些更新以改進模型，並將其發送回用於訓練模型的設備。此過程不斷重復。
聯邦學習通常使用邊緣設備（智能手機、計算機、物聯網），因為它們能夠：
而且由於只共享梯度（而非原始數據），使得 CPU 和連接性有限的邊緣設備也能高效運行。
（此處不會用晦澀的技術術語，將重點介紹其工作原理）
Flock 的産品流程為：(i) AI Arena (ii) FL Alliance (iii) Moonbase
目前，任務由項目/生態係統手動創建，參與者可以通過 FLock.io 向 Flock 提出商業計劃/想法，並定義他們想要的最終用例。
Flock 會根據這些需求，在平台上創建任務，訓練師可以訪問並開始訓練。訓練師通過提交數據和梯度來改進模型，從而提高模型性能/減少幻覺（訓練師類似於 Bittensor 生態係統中的礦工）。
驗證者根據訓練師提交的梯度對模型進行評分。
AI Arena 完成初始模型的訓練和驗證後，FL Alliance 將採用這些模型（最佳模型），並利用聯邦學習，在邊緣設備上使用私有數據集對這些模型進行微調。
FL Alliance 是一個將 AI Arena 的初始模型在邊緣設備上使用特定領域的數據集（通過聯邦學習）進行進一步微調的過程。
AI Arena 與 FL Alliance 的主要區別
AI Arena = 競賽 | 使用傳統機器學習進行初始模型訓練 | 公共數據集 | 第一步
FL Alliance = 合作 | 使用聯邦學習進行微調 | 本地設備上的私有數據集 | 針對特定領域應用的高級微調 | 第二步
Moonbase 或 AI 模型市場
在這裡，AI Arena 上訓練的模型以及通過 FL Alliance 進行微調的模型可以被部署、使用和貨幣化。
Moonbase 仍處於測試階段，但第二階段和第三階段將為貢獻者（訓練師、驗證者、委託人）引入無縫的方式來擁有這些模型/代理。任何人都可以付費/訂閱使用模型（項目所有者、研究人員、企業等），並且模型可以在任何啓動平台上部署和集成。
您可以將 Flock 視為一個完整循環的、端到端的代理開發平台，從訓練師們競相構建最佳初始模型開始，到針對特定領域的應用進行微調，再到將模型/代理部署以解決獨特問題。
其目標是幫助 AI 模型從大型數據集中挑選出最有意義和最具代表性的數據點，從而在無需處理所有可用數據的情況下實現更準確的訓練。
例如，訓練一個交易模型以增強交易簿——API/SDK 掃描 Binance 的交易行為，但交易數量眾多，處理所有交易所需的計算量過大。
SLM 從 Binance 中挑選出能代表您智能手機上交易行為的精確數據，這樣您智能手機上的 FL 就不必查看所有交易——可能只需查看代表整個數據集的 1 萬個數據點中的 10 個即可。
在深入探討基於 Flock 構建的應用之前，值得一提是，在 Flock 上訓練的模型在 Web3 任務上的表現已超越業界領先的模型。
該模型能原生理解復雜的區塊鏈邏輯，可以實時與智能合約和去中心化應用進行交互，自動化 DeFi 策略，管理流動性池，並執行多鏈分析。
該模型通過 AI Arena 進行訓練和驗證，並可作為更深入領域特定用例的基礎模型。
HeyAni — 用於風險投資研究的 AI
Flock 提供了一個 Web3 模型，該模型基於 Animoca 投資委員會 (IC) 10 年的備忘錄進行了微調。最終，Flock 打造了一個經驗豐富的 Web3 風險投資代理，可以解析白皮書、GitHub、代幣合約地址、X 配置文件，並給出風險投資公司投資您項目的評分和概率。
該代理還會提供優缺點總結以及如何改進項目的建議。
Animoca 使用 Ani 來幫助減輕盡調工作負擔，同時持續改進代理，使其成為更優秀的風險投資人。
Animoca 的 @AimonicaBrands 也利用 Flock 模型來幫助完善其交易模型。
Eden：SexualFi——集成 AI 技術，模仿 OnlyFans 女優的行為，在她們離綫時進行角色扮演。
第一階段將以她們的個性與您互動，首先是語音。
他們正在將 AI 代理與性愛玩具（由代理控制）配對，這樣就可以在與代理進行性愛通話的同時，享受玩具。
最終目標是通過 3D 虛擬形象、動畫、語音等打造沉浸式體驗。
$FLOCK 有強勁需求
經濟中的每個參與者都需要 $FLOCK——任務創建者、訓練師、驗證者、委託人等都有需求。
一旦 Moonbase 開始實際使用模型，委託人/質押者就能賺取真實收益（收益分成）。
與將代理代幣化的代幣化模式（如 Virtuals）不同，Flock 保留平台上模型需求不斷增長所産生的所有價值累積。
網絡參與度不斷提升
高質押參與度：在其代幣經濟學 v1（T+0 至 T+20 天質押）中，質押參與度達到 47% 以上。
在 v2 gmFLOCK 模型中，約 25% 的流通供應量已平均鎖定 265 天。
此外，Messari 報告顯示，第一季度各項指標均看漲。
今年下半年的催化劑層出不窮
Moonbase 的閘門正在打開，AI 模型的訪問將更加民主化（類似於 Virtuals 開放其 AI 代理代幣化平台）。網絡效應開始形成，$FLOCK 的飛輪效應開始啓動。
幕後已有多個合作夥伴關係和特定領域的合作，其中許多目前還不能公佈（但可以根據他們過去的合作關係來猜測這些合作的水平）。
早期投資者鎖定期限長
投資者在投資 1.5 億至 3 億美元（最後一輪為 3 億美元）後，有 12 個月的懸崖期和 24 個月的歸屬期。距離懸崖期結束還有大約 6 個月。社區的估值與那些被永久鎖定的風險投資公司相似。
由於在 Upbit 和 Bithumb 上市，來自韓國市場的流動性大幅增加。
Flock 還將大部分的基金會代幣質押了一年（就在 Upbit/Bithumb 上市之前）
但也有一些缺點需要考慮。
激勵設計可能會引發與 Bittensor 類似的動態（即參與者每天可能産生的抛壓）。
第一年年底，流通供應量應達到 25%，第二年應達到 50%。網絡增長和實際應用的速度需要超過發行速度。（否則……你知道會發生什麼）。
發行僅持續 5 年，並且每年逐漸下降——很有可能網絡發展到一定程度後，企業和項目需要支付實際收入來維持 Flock 上的訓練，從而填補訓練師、驗證者和委託人在平台上工作的發行缺口。
也就是說，企業會發現，付費讓 Flock 開發特定領域的用例比自行開發更便宜、更高效。
Flock 還利用 Bittensor 子網 (SN96) 來改進 FL Alliance 的研發，使用 dTAO 子網發行代替 $FLOCK 發行。這降低了 $FLOCK 的潛在抛售壓力，同時改進了 Flock 的産品。
Flock 如何盈利？
非常簡單。將 gmFLOCK 兌換回 FLOCK 時，Flock 會收取約 5% 的轉換費。
您可以將 Flock 視為 Bittensor + Nous Research + Virtuals 的結合：
$FLOCK 作為生態係統代幣，是一切操作的必需品，整合了需求方（企業/項目）和供應方（訓練員/驗證者/委託人）的價值。
這是唯一一個為特定領域用例，提供端到端模型開發流程的去中心化 AI 生態係統，同時擁有一個能夠創造現實世界經濟價值的分銷渠道。
與此同時，該項目已獲得了市場關注，而且代幣的交易價格低於風險投資估值（鎖定期和歸屬期較長）。
相關閱讀：從Flock與阿裡的算力同盟看下一代AI基建範式
内容來源：PANews
更多精彩內容，請登陸
財華香港網 (https://www.finet.hk/)
現代電視 (http://www.fintv.com)