Raven Protocol 的具體用例是執行 AI 訓練,其中速度是關鍵。我們正在取得一個 1M 的圖像資料集,在 AWS 上訓練需要 2-3 週,而在 Raven 上訓練僅需 2-3 小時。人工智慧公司將能更好、更快地訓練模型。
Raven Protocol 正在為以下方面創建一個自我維持和動態的生態系統:
想要訓練 AI 引擎的客戶;和/或
希望以電腦、智慧型手機甚至伺服器機架的形式分享其運算資源的貢獻者。
Raven Tokens (RAVEN) 將作為共同點,促進在我們的生態系統內進行的安全交易。想要租用運算能力的企業客戶將使用 RAVEN 進行租用,運算能力的貢獻者將以 RAVEN 獲得獎勵。
Raven 正在創建一個運算節點網路,利用閒置運算能力進行 AI 訓練,其中速度是關鍵。原生代幣是啟動新生網路的關鍵。
我們希望激勵和獎勵世界各地的人們為我們的網路貢獻他們的運算能力。此外,我們將獎勵運行主節點的代幣持有者,這些主節點將負責編排各種深度神經網路的訓練。
我們的共識機制就是我們所說的運算證明。運算證明將成為監管和分配網路中運算節點激勵的主要準則。以下是激勵分配的兩個主要決定因素:
速度:取決於節點執行梯度計算(在神經網路中)並將其返回給梯度收集器的速度。
冗餘:3 個最快的冗餘計算將有資格獲得獎勵。這將確保返回的梯度是真實的和最高品質的。