PANewsは1月19日、分散型AIコンピューティングネットワークであるGonkaがコミュニティAMAにおいて、概念実証（PoC）メカニズムとモデル運用方法の段階的な調整について説明したと報じました。調整内容は主に、PoCと推論の両方で同一の大規模モデルを使用すること、PoCのアクティベーション方法を遅延スイッチングからほぼリアルタイムトリガーに変更すること、そして異なるモデルやハードウェアの実際の計算コストをより適切に反映するために、計算パワーウェイトの計算方法を最適化することなどです。
共同創設者のデイビッド氏は、上記の調整は短期的な成果や個々の参加者を狙ったものではなく、ネットワークのコンピューティング能力が急速に拡大する中で、合意形成と検証構造に必要な進化を遂げたものだと述べている。高負荷環境下におけるネットワークの安定性とセキュリティを向上させ、将来的に大規模なAIワークロードをサポートするための基盤を築くことが目的だ。
コミュニティの議論で提起された、現段階では小規模モデルのトークン出力が高いという問題に関して、チームは、異なるサイズのモデル間で同じトークン数に対する実際の計算電力消費量に大きな差があることを指摘しました。ネットワークがより高い計算電力密度とより複雑なタスクへと進化するにつれて、Gonkaは計算電力の重み付けを実際の計算コストに合わせるように徐々に誘導し、ネットワーク全体のスケーラビリティに影響を与える可能性のある計算電力構造の長期的な不均衡を回避しています。
最新の概念実証（PoC）メカニズムにより、ネットワークはPoCのアクティベーション時間を5秒未満に短縮し、モデルの切り替えと待機による計算の無駄を最小限に抑え、GPUリソースをより多く活用して効果的なAIコンピューティングを実現しました。同時に、モデル操作を統一することで、ノードがコンセンサスと推論を切り替える際のシステムオーバーヘッドが削減され、全体的な計算効率が向上しました。また、チームは、シングルカードGPUや小規模から中規模のGPUが、マイニングプールへの連携、エポックごとの柔軟な参加、そして推論タスクを通じて、継続的に報酬を獲得し、ガバナンスに参加できることを強調しています。
