Відкрийте для себе QBio, медичний інструмент штучного інтелекту, який зосереджується на класифікації щільності молочної залози та генерації прозорих звітів. Завантажте рентгенівський знімок, який за кілька хвилин повідомить вам, чи є щільність грудей A, B, C або D, разом із детальним звітом, що пояснює процес прийняття рішень.
Він розроблений у співпраці Fetch та Hybrid, QBio - це лише закуска, справжня зірка - ASI-1 Mini.
Fetch є дуже старим проєктом, у роки, коли DeFi займав всю увагу на ринку, Fetch зосередився на AI + Crypto, постійно зосереджуючись на загальних технологіях розробки та застосування багатопрофільних агентів.
Що таке ASI-1 Mini
У лютому цього року Fetch представила першу у світі Web3 нативну велику мовну модель (LLM) — ASI-1 Mini. Що таке Web3 нативна? Простими словами, це означає, що вона безшовно інтегрована з блокчейном, через токен $FET та гаманець ASI, що дозволяє вам не лише використовувати ШІ, але й інвестувати, навчати та володіти ШІ.
Що таке ASI-1 Mini?
Це мовна модель великого масштабу, спеціально розроблена для агентного ШІ (Agentic AI), яка здатна координувати кілька агентів ШІ та виконувати складні багатокрокові завдання.
Наприклад, агент логічного висновку ASI, що лежить в основі QBio, є частиною ASI-1 Mini. Він не тільки класифікує щільність грудей, але й пояснює процес прийняття рішень і вирішує «проблему чорного ящика» штучного інтелекту. Більше того, для роботи ASI-1 Mini потрібні лише два графічні процесори, що є дуже низькою вартістю порівняно з іншими LLM (такими як DeepSeek, який вимагає 16 графічних процесорів H100), що робить його придатним для середніх установ
ASI-1 Mini як саме інновує
ASI-1 Mini має продуктивність, що відповідає провідним LLM, але витрати на апаратне забезпечення значно знижені. Він має динамічний режим висновку та просунуті адаптивні можливості, що дозволяє здійснювати більш ефективні та контекстно усвідомлені рішення.
МоМ проти МоА
Це все абревіатури, не бійтеся, дуже просто: змішана модель Mixture of Models (MoM), змішаний агент Mixture of Agents (MoA)
Уявіть команду експертів штучного інтелекту, кожен з яких спеціалізується на різних завданнях, безшовно співпрацюючи. Це не лише підвищує ефективність, але й робить процес ухвалення рішень більш прозорим. Наприклад, у медичному аналізі зображень MoM може вибрати модель, спеціалізовану на розпізнаванні зображень, і ще одну, спеціалізовану на генерації тексту, тоді як MoA відповідатиме за координацію виходу цих двох моделей, забезпечуючи, щоб фінальний звіт був і точним, і легким для читання.
Прозорість та масштабованість
Традиційні LLM зазвичай є "чорною скринею": ви задаєте їм питання, вони дають вам відповідь, але чому вони так відповідають, вибачте, ніякої інформації. ASI-1 Mini відрізняється тим, що через постійне багатоетапне міркування, він може сказати вам, що я обрав цю відповідь з цих причин, особливо в медичній сфері, це надзвичайно важливо.
Контекстне вікно ASI-1 Mini розшириться до 10 мільйонів токенів, підтримуючи мультимодальні можливості (такі як обробка зображень, відео), в майбутньому також буде представлена серія моделей Cortex, зосереджена на передових галузях, таких як робототехніка, біотехнології.
ефективність апаратного забезпечення
Інші LLM вимагають високих витрат на апаратуру, ASI-1 Mini може працювати лише з двома GPU. Це означає, що навіть маленька клініка може собі це дозволити, без необхідності мільйонних дата-центрів.
Чому так ефективно? Тому що філософія дизайну ASI-1 Mini – це «менше означає більше». Він оптимізує алгоритми та структуру моделі, максимально використовуючи обмежені обчислювальні ресурси. На відміну від цього, інші LLM зазвичай прагнуть до більших масштабів моделей, в результаті чого споживання ресурсів є величезним.
Спільнота на базі
На відміну від інших великих мовних моделей, ASI-1 Mini була навчена через децентралізоване навчання, на основі спільноти. ASI-1 Mini є продуктом з безкоштовними преміум-функціями для власників $FET, які можуть підключити Web3 гаманець для розблокування всіх функцій. Чим більше токенів FET тримається в гаманці, тим більше можливостей можна досліджувати в цій моделі.
Ця модель, що базується на спільноті, подібна до краудфандингу, лише вона використовується для навчання та верифікації штучного інтелекту, високих технологій, які більше не належать лише еліті, а доступні для всіх.
Сьогодні, коли LLM вже відносно зрілі, чому ще потрібно окремо розробляти ASI-1 Mini? Це легко зрозуміти: він заповнює прогалину між Web3 та A I.
Поточні LLM (такі як ChatGPT, Grok) в основному обслуговують централізоване середовище, тоді як ASI-1 Mini є першим LLM, розробленим для децентралізованої екосистеми. Він не лише робить AI більш прозорим і ефективним, але й дозволяє членам громади безпосередньо отримувати вигоду від зростання AI.
Поява ASI-1 Mini знаменує собою перехід штучного інтелекту від "чорної скриньки" до "прозорості", від "централізації" до "децентралізації", від "інструменту" до "активу". Він може не лише грати роль у медичній сфері (такій як QBio), але й демонструвати потенціал у фінансах, юриспруденції, наукових дослідженнях та інших галузях.
Цього місяця Fetch співпрацює з Rivalz, інтегруючи ASI-1 Mini в систему координування даних Agentic (ADCS) від Rivalz, що забезпечує AI-інференцію на блокчейні. Завдяки цій співпраці децентралізовані додатки можуть безпосередньо отримувати доступ до розширених можливостей AI-інференції на блокчейні.
Традиційне середовище блокчейну обмежене ресурсами, тому смарт-контракти можуть обробляти лише легкі завдання, зазвичай отримуючи прості дані (наприклад, ціну) через оракули, але не можуть безпосередньо виконувати складні моделі ШІ. ADCS ідеально вирішує цю проблему, складні обчислення AI-інференції виконуються поза ланцюгом, а результати безпечно повертаються в блокчейн, забезпечуючи децентралізацію та довіру.
Контент має виключно довідковий характер і не є запрошенням до участі або пропозицією. Інвестиційні, податкові чи юридичні консультації не надаються. Перегляньте Відмову від відповідальності , щоб дізнатися більше про ризики.
Інтерпретація веб3 рідної великої мовної моделі ASI-1 Mini
Відкрийте для себе QBio, медичний інструмент штучного інтелекту, який зосереджується на класифікації щільності молочної залози та генерації прозорих звітів. Завантажте рентгенівський знімок, який за кілька хвилин повідомить вам, чи є щільність грудей A, B, C або D, разом із детальним звітом, що пояснює процес прийняття рішень.
Він розроблений у співпраці Fetch та Hybrid, QBio - це лише закуска, справжня зірка - ASI-1 Mini.
Fetch є дуже старим проєктом, у роки, коли DeFi займав всю увагу на ринку, Fetch зосередився на AI + Crypto, постійно зосереджуючись на загальних технологіях розробки та застосування багатопрофільних агентів.
Що таке ASI-1 Mini
У лютому цього року Fetch представила першу у світі Web3 нативну велику мовну модель (LLM) — ASI-1 Mini. Що таке Web3 нативна? Простими словами, це означає, що вона безшовно інтегрована з блокчейном, через токен $FET та гаманець ASI, що дозволяє вам не лише використовувати ШІ, але й інвестувати, навчати та володіти ШІ.
Що таке ASI-1 Mini?
Це мовна модель великого масштабу, спеціально розроблена для агентного ШІ (Agentic AI), яка здатна координувати кілька агентів ШІ та виконувати складні багатокрокові завдання.
Наприклад, агент логічного висновку ASI, що лежить в основі QBio, є частиною ASI-1 Mini. Він не тільки класифікує щільність грудей, але й пояснює процес прийняття рішень і вирішує «проблему чорного ящика» штучного інтелекту. Більше того, для роботи ASI-1 Mini потрібні лише два графічні процесори, що є дуже низькою вартістю порівняно з іншими LLM (такими як DeepSeek, який вимагає 16 графічних процесорів H100), що робить його придатним для середніх установ
ASI-1 Mini як саме інновує
ASI-1 Mini має продуктивність, що відповідає провідним LLM, але витрати на апаратне забезпечення значно знижені. Він має динамічний режим висновку та просунуті адаптивні можливості, що дозволяє здійснювати більш ефективні та контекстно усвідомлені рішення.
МоМ проти МоА
Це все абревіатури, не бійтеся, дуже просто: змішана модель Mixture of Models (MoM), змішаний агент Mixture of Agents (MoA)
Уявіть команду експертів штучного інтелекту, кожен з яких спеціалізується на різних завданнях, безшовно співпрацюючи. Це не лише підвищує ефективність, але й робить процес ухвалення рішень більш прозорим. Наприклад, у медичному аналізі зображень MoM може вибрати модель, спеціалізовану на розпізнаванні зображень, і ще одну, спеціалізовану на генерації тексту, тоді як MoA відповідатиме за координацію виходу цих двох моделей, забезпечуючи, щоб фінальний звіт був і точним, і легким для читання.
Прозорість та масштабованість
Традиційні LLM зазвичай є "чорною скринею": ви задаєте їм питання, вони дають вам відповідь, але чому вони так відповідають, вибачте, ніякої інформації. ASI-1 Mini відрізняється тим, що через постійне багатоетапне міркування, він може сказати вам, що я обрав цю відповідь з цих причин, особливо в медичній сфері, це надзвичайно важливо.
Контекстне вікно ASI-1 Mini розшириться до 10 мільйонів токенів, підтримуючи мультимодальні можливості (такі як обробка зображень, відео), в майбутньому також буде представлена серія моделей Cortex, зосереджена на передових галузях, таких як робототехніка, біотехнології.
ефективність апаратного забезпечення
Інші LLM вимагають високих витрат на апаратуру, ASI-1 Mini може працювати лише з двома GPU. Це означає, що навіть маленька клініка може собі це дозволити, без необхідності мільйонних дата-центрів.
Чому так ефективно? Тому що філософія дизайну ASI-1 Mini – це «менше означає більше». Він оптимізує алгоритми та структуру моделі, максимально використовуючи обмежені обчислювальні ресурси. На відміну від цього, інші LLM зазвичай прагнуть до більших масштабів моделей, в результаті чого споживання ресурсів є величезним.
Спільнота на базі
На відміну від інших великих мовних моделей, ASI-1 Mini була навчена через децентралізоване навчання, на основі спільноти. ASI-1 Mini є продуктом з безкоштовними преміум-функціями для власників $FET, які можуть підключити Web3 гаманець для розблокування всіх функцій. Чим більше токенів FET тримається в гаманці, тим більше можливостей можна досліджувати в цій моделі.
Ця модель, що базується на спільноті, подібна до краудфандингу, лише вона використовується для навчання та верифікації штучного інтелекту, високих технологій, які більше не належать лише еліті, а доступні для всіх.
Сьогодні, коли LLM вже відносно зрілі, чому ще потрібно окремо розробляти ASI-1 Mini? Це легко зрозуміти: він заповнює прогалину між Web3 та A I.
Поточні LLM (такі як ChatGPT, Grok) в основному обслуговують централізоване середовище, тоді як ASI-1 Mini є першим LLM, розробленим для децентралізованої екосистеми. Він не лише робить AI більш прозорим і ефективним, але й дозволяє членам громади безпосередньо отримувати вигоду від зростання AI.
Поява ASI-1 Mini знаменує собою перехід штучного інтелекту від "чорної скриньки" до "прозорості", від "централізації" до "децентралізації", від "інструменту" до "активу". Він може не лише грати роль у медичній сфері (такій як QBio), але й демонструвати потенціал у фінансах, юриспруденції, наукових дослідженнях та інших галузях.
Цього місяця Fetch співпрацює з Rivalz, інтегруючи ASI-1 Mini в систему координування даних Agentic (ADCS) від Rivalz, що забезпечує AI-інференцію на блокчейні. Завдяки цій співпраці децентралізовані додатки можуть безпосередньо отримувати доступ до розширених можливостей AI-інференції на блокчейні.
Традиційне середовище блокчейну обмежене ресурсами, тому смарт-контракти можуть обробляти лише легкі завдання, зазвичай отримуючи прості дані (наприклад, ціну) через оракули, але не можуть безпосередньо виконувати складні моделі ШІ. ADCS ідеально вирішує цю проблему, складні обчислення AI-інференції виконуються поза ланцюгом, а результати безпечно повертаються в блокчейн, забезпечуючи децентралізацію та довіру.