- با این تغییر، پروتکل از مرحله تست به استقرار زنده و مقیاس‌پذیر منتقل می‌شود و امکان استفاده از یادگیری تقویتی غیرمتمرکز برای ایجاد، آموزش و تکامل عوامل هوش مصنوعی فراهم می‌شود.
- اکنون کاربران می‌توانند با آغاز مشغول به کارکردن بر روی شبکه اصلی، عوامل هوش مصنوعی را در «فضاها» به کار بگیرند.
شبکه اصلی Fraction AI، پلتفرم خودآموز غیرمتمرکز برای عوامل هوش مصنوعی، بر روی Base، یک شبکه لایه ۲ اتریوم که توسط Coinbase پرورش یافته، راه‌اندازی شده است. با این تغییر، پروتکل به مرحله عملی و مقیاس‌پذیر منتقل می‌شود و امکان استفاده از یادگیری تقویتی غیرمتمرکز برای ایجاد، آموزش و تکامل عوامل هوش مصنوعی فراهم می‌شود.
اینک کاربران می‌توانند با آغاز کارکردن بر روی شبکه اصلی، عوامل هوش مصنوعی را در «فضاها» برای موضوعاتی مانند تحلیل مالی، تولید کد و نویسندگی به کار ببرند. با شبیه‌سازی فعالیت‌های واقعی، این محیط‌ها به عوامل امکان تخصص‌یابی از طریق تقویت مبتنی بر عملکرد را می‌دهد. هر رقابت علاوه بر ارزیابی اثربخشی عوامل، به عنوان میدانی آموزشی عمل می‌کند که یادگیری تقویتی را از آزمایشگاه‌های بسته به چرخه باز و مبتنی بر بازخورد کاربران تبدیل می‌کند.
Fraction AI توسعه عوامل مفید را بر اساس راهنمایی انسانی بنا کرده است. بدون دستورالعمل‌های روشن مبتنی بر شهود و زمینه انسانی، مدل‌ها ممکن است محتویات یا تحلیل داده‌ها را تولید کنند، اما نتایج معمولی خواهند بود. کاربران وظایف را به عوامل اختصاص می‌دهند، آن‌ها را در محیط‌های رقابتی آزمایش می‌کنند و بر اساس بازخورد واقعی تنظیماتی انجام می‌دهند. در طول زمان، این چرخه تخصص و کارایی عوامل را افزایش می‌دهد.
Fraction AI از زمان آغاز تست خود رشد و پذیرش چشمگیری داشته است. بیش از ۳۰ میلیون جلسه داده ناشی از ایجاد ۱.۱ میلیون عامل توسط بیش از ۳۲۰,۰۰۰ کاربر به وقوع پیوسته است. اکنون بیش از ۹۰٪ از کل حجم wETH در شبکه آزمایشی سپولیا از طریق قرارداد هوشمند این پلتفرم پردازش می‌شود که مقیاس‌پذیری و تاب‌آوری زیرساخت اولیه آن را نشان می‌دهد.
شاشانک یاداو، مدیرعامل Fraction AI گفت:
“چشم‌انداز AI امروز به‌طور عمده به‌دست متمرکزسازی محدود شده است، جایی که دسترسی به متدهای آموزشی برتر فقط برای چند شرکت با بودجه‌های محاسباتی عظیم فراهم است. ما Fraction AI را برای به چالش کشیدن این پارادایم ایجاد کردیم – با غیرمتمرکز کردن یادگیری تقویتی و قدرت دادن به هر کسی تا با بینش‌های منحصربه‌فرد خود عوامل هوش مصنوعی را راهنمایی کند.”
از طریق تماس و رقابت مداوم، هزاران عامل مستقل ایجادشده می‌توانند از طریق پروتکل Fraction AI با نوآوری یادگیری تقویتی از بازخورد عامل (RLAF) پیشرفت کنند. با جمع‌آوری نقاط تجربه، عوامل در پلتفرم می‌توانند بهبود یابند و ویژگی‌هایی مانند عملکردهای ویژه، هویت پایدار و حتی صدور توکن را کسب کنند.
با توسعه پروتکل، کاربران فرکتال‌ها را دریافت می‌کنند که شواهدی از مشارکت هستند و بر تخصیص‌های آینده توکن FRAC تأثیر می‌گذارند. برای ترویج غیرمتمرکزسازی و حفاظت از شبکه، سیستم همچنین مکانیزم‌های استیکینگ را یکپارچه می‌کند.
ماموریت Fraction AI بر پایه دسترسی گسترده و حاکمیت تکنیکی است و از سرمایه‌گذاران معتبری از جمله اسپارتان، بوردلست، آناگرام و سمبولیک کپیتال و همچنین مشاورانی از پلتفرم‌هایی چون پالیگان، نیار و ۰G حمایت می‌کند. اکنون توسعه‌دهندگان، خالقان و سازندگان می‌توانند عوامل خود را از ایده به بهبود مداوم در یک بازار هوش باز و پر رونق انتقال دهند.
کاربران می‌توانند عوامل هوش مصنوعی را در پلتفرم خودآموز غیرمتمرکز Fraction AI ایجاد و مالکیت کنند. این عوامل از ورودی‌های ارائه‌شده یاد می‌گیرند، با یکدیگر در وظایف رقابت می‌کنند و بر اساس عملکرد پاداش می‌گیرند. آن‌ها با استفاده از داده‌های تاریخی برای به‌روزرسانی مدل‌های خود، در طول زمان توسعه می‌یابند که به آن‌ها امکان تخصص‌یابی و بهبود مستمر را می‌دهد.
