تكشف شركة غونكا عن آلية إثبات المفهوم الخاصة بها واتجاه تطور النموذج: التوافق مع قوة الحوسبة الحقيقية وضمان المشاركة المستمرة لوحدات معالجة الرسومات متعددة المستويات.

أوضحت شبكة غونكا، وهي شبكة حوسبة ذكاء اصطناعي لامركزية، مؤخرًا تعديلاتها التدريجية على آلية إثبات المفهوم (PoC) وتشغيل النموذج، وذلك خلال جلسة أسئلة وأجوبة مع المجتمع. تشمل هذه التعديلات بشكل أساسي: توحيد إثبات المفهوم والاستدلال باستخدام نفس النموذج الكبير؛ وتغيير طريقة تفعيل إثبات المفهوم من التبديل المؤجل إلى التفعيل شبه الفوري؛ وتحسين طريقة حساب أوزان قوة الحوسبة لتعكس بشكل أفضل التكاليف الحسابية الفعلية للنماذج والأجهزة المختلفة. صرّح المؤسس المشارك ديفيد بأن هذه التعديلات لا تهدف إلى تحقيق نتائج قصيرة الأجل أو دعم المشاركين الأفراد، بل هي تطور ضروري لهيكل الإجماع والتحقق مع التوسع السريع لقوة الحوسبة في الشبكة. يهدف هذا إلى تحسين استقرار الشبكة وأمانها تحت ضغط عالٍ، مما يرسخ الأساس لدعم أحمال عمل الذكاء الاصطناعي واسعة النطاق في المستقبل. وفيما يتعلق بالمسألة التي أثيرت في مناقشات المجتمع حول إنتاج النماذج الأصغر حجمًا لعدد أكبر من الرموز في المرحلة الحالية، أشار الفريق إلى وجود اختلافات كبيرة في استهلاك قوة الحوسبة الفعلي المقابل لنفس عدد الرموز للنماذج ذات الأحجام المختلفة. مع تطور الشبكة نحو كثافة طاقة حاسوبية أعلى ومهام أكثر تعقيدًا، تعمل غونكا تدريجيًا على توجيه أوزان الطاقة الحاسوبية لتتوافق مع التكاليف الحسابية الفعلية، وذلك لتجنب اختلالات طويلة الأمد في بنية الطاقة الحاسوبية التي قد تؤثر على قابلية توسع الشبكة بشكل عام. في ظل آلية إثبات المفهوم (PoC) الأحدث، قلّصت الشبكة وقت تفعيل إثبات المفهوم إلى أقل من 5 ثوانٍ، مما قلل من الهدر الحسابي الناتج عن تبديل النماذج والانتظار، ومكّن من استخدام نسبة أكبر من موارد وحدة معالجة الرسومات (GPU) للحوسبة الفعالة للذكاء الاصطناعي. في الوقت نفسه، ومن خلال توحيد تشغيل النماذج، انخفض الحمل الزائد للنظام الناتج عن تبديل العقد بين الإجماع والاستدلال، مما حسّن الكفاءة الحسابية الإجمالية. كما يؤكد الفريق على أن وحدات معالجة الرسومات أحادية البطاقة والصغيرة إلى متوسطة الحجم يمكنها كسب المكافآت باستمرار والمشاركة في الحوكمة من خلال التعاون في مجمعات التعدين، والمشاركة المرنة على أساس كل دورة، ومهام الاستدلال. يتمثل هدف غونكا طويل الأمد في دعم التعايش طويل الأمد لمستويات مختلفة من الطاقة الحاسوبية داخل الشبكة نفسها من خلال تطوير الآلية. تؤكد غونكا أن جميع التعديلات الرئيسية على القواعد تتم من خلال الحوكمة على سلسلة الكتل وتصويت المجتمع. وفي المستقبل، ستدعم الشبكة تدريجياً المزيد من أنواع النماذج وتنسيقات مهام الذكاء الاصطناعي، مما يوفر مساحة مستمرة وشفافة لمشاركة وحدات معالجة الرسومات (GPUs) بمختلف أحجامها على مستوى العالم، ويعزز التطور السليم طويل الأجل للبنية التحتية اللامركزية للحوسبة في مجال الذكاء الاصطناعي.