อุตสาหกรรม AI ในปัจจุบันเผชิญกับความท้าทายที่สําคัญเนื่องจากการรวมศูนย์โดยความก้าวหน้าที่สําคัญมักถูกควบคุมโดย บริษัท ขนาดใหญ่ไม่กี่แห่ง สิ่งนี้นําไปสู่ความกังวลเกี่ยวกับความเป็นส่วนตัวของข้อมูลการปฏิบัติแบบผูกขาดและการเข้าถึงเทคโนโลยีที่ทันสมัยอย่าง จํากัด นอกจากนี้การพึ่งพาโมเดลภาษาขนาดใหญ่ (LLMs) เช่น GPT-3 มากเกินไปแม้จะมีความสามารถ แต่ก็นํามาซึ่งปัญหาต่างๆเช่นต้นทุนการคํานวณที่สูงผลกระทบต่อสิ่งแวดล้อมและอคติที่อาจเกิดขึ้นในข้อมูลที่ได้รับการฝึกอบรม โมเดลเหล่านี้ต้องการข้อมูลและทรัพยากรจํานวนมากทําให้สามารถเข้าถึงได้เฉพาะองค์กรที่ได้รับทุนสนับสนุนเท่านั้น

Assisterr ที่อยู่ที่นี่ด้วยการนำเสนอ Small Language Models (SLMs) และสนับสนุนการเข้าถึงให้กับการพัฒนา AI โดยเป็นของชุมชน SLMs ถูกออกแบบมาเพื่อให้มีประสิทธิภาพมากขึ้น มีการใช้พลังงานที่น้อยลงและข้อมูลน้อยลงในขณะที่ยังรักษาประสิทธิภาพสูง ทำให้เทคโนโลยี AI เข้าถึงและยั่งยืนมากขึ้น นอกจากนี้ โมเดลของ Assisterr ที่เป็นของชุมชนและเอเจนต์ AI ให้พลังให้กับผู้ใช้ให้มีส่วนร่วมในการสร้างสรรค์และได้รับประโยชน์จากการพัฒนา AI ส่งเสริมนวัตกรรมและความสมเหตุสมประสงค์ และให้แน่ใจว่าผลประโยชน์จาก AI ถูกแบ่งปันอย่างกว้างขวางในสังคม

Assisterr AI คืออะไร?

แหล่งที่มา: เว็บไซต์ Assisterr

Assisterr AI เป็นแพลตฟอร์ม AI แบบกระจายที่ออกแบบมาเพื่อประชาธิปไตยการเข้าถึงปัญญาประดิษฐ์โดยการใช้ Small Language Models (SLMs) และตัวแทน AI ที่เป็นทรัพย์สมชิกของชุมชน วัตถุประสงค์หลักของมันคือการให้ทางเลือกที่มีประสิทธิภาพมากขึ้น สามารถเข้าถึงได้ง่าย และยั่งยืนกว่าโมเดล AI แบบดั้งเดิม และแก้ไขข้อจำกัดของ Large Language Models (LLMs) และส่งเสริมระบบนิเวศ AI ที่สอดคล้อง

คุณสมบัติและประโยชน์หลักของ Assisterr AI

• Small Language Models (SLMs): ไม่เหมือน LLMs, SLMs ต้องการพลังการคำนวณและข้อมูลน้อยกว่า ซึ่งทำให้พวกเขาสามารถเข้าถึงได้ง่ายและเป็นมิตรต่อสิ่งแวดล้อมมากขึ้น พวกเขาถูกออกแบบให้ทำงานที่เฉพาะเจาะจงอย่างมีประสิทธิภาพ ลดค่าใช้จ่ายที่เกี่ยวข้องกับโมเดลที่ใหญ่ขึ้น
• โมเดลที่เป็นเจ้าของโดยชุมชน: Assisterr สนับสนุนการใช้วิธีการกระจายอำนาจที่ผู้ใช้สามารถมีส่วนร่วมและได้รับประโยชน์จากความก้าวหน้าด้าน AI โมเดลนี้สนับสนุนนวัตกรรมและความเข้าชุดให้แน่ใจว่าไม่มีหน่วยงานใหญ่ๆ ที่จะยึดครองเทคโนโลยี AI
• เครื่องมือ No-Code: Assisterr ให้เครื่องมือที่ใช้งานง่ายและไม่ต้องเขียนโค้ดซึ่งช่วยให้บุคคลและธุรกิจสร้างและใช้งานโมเดล AI ได้โดยไม่ต้องมีความรู้ทางเทคนิคอย่างละเอียด สิ่งนี้ช่วยลดอุปสรรคในการเข้าร่วมและส่งเสริมให้มีการเข้าร่วมกว้างขึ้นในการพัฒนา AI
• ตลาดข้อมูล: แพลตฟอร์มรวมตลาดสำหรับข้อมูลและโมเดล AI เพื่อให้ผู้ใช้สามารถซื้อ ขาย และแบ่งปันทรัพยากรได้ นี่เป็นการสร้างสิ่งกระตุ้นให้มีการแบ่งปันข้อมูลและสร้างความร่วมมือเพิ่มเติม นำไปสู่ระบบ AI ที่ดีขึ้นอีกด้วย
• ความปลอดภัยและความโปร่งใส: Assisterr ใช้มาตรการความปลอดภัยที่แข็งแรงและกระบวนการที่โปร่งใสเพื่อให้มั่นใจในความสมบูรณ์และความน่าเชื่อถือของโมเดล AI และธุรกรรมข้อมูล

ระบบโมเดลภาษา (LLM & SLM)

Large Language Models (LLM)

โมเดลภาษาขนาดใหญ่ (LLMs) เช่น GPT-3 และ BERT เป็นโมเดล AI ที่ถูกฝึกสอนด้วยข้อมูลข้อความจำนวนมากเพื่อเข้าใจและสร้างภาษาที่คล้ายกับมนุษย์ พวกเขาสามารถทำหลายงานได้หลากหลาย ตั้งแต่การสมบูรณ์ข้อความไปจนถึงการแปลและสรุปสิ่งที่สำคัญ อย่างไรก็ตาม LLMs มีข้อเสียที่น่าสนใจหลายประการ:

• ค่าคอมพิวเตอร์สูง: การฝึกฝนและการเรียกใช้ LLMs ต้องใช้ทรัพยากรคอมพิวเตอร์มาก เป็นที่แพงและมีผลกระทบต่อสิ่งแวดล้อม
• ข้อมูลสะท้อนอคติ: LLMs สามารถสืบทอดอคติจากข้อมูลการฝึกอบรมของพวกเขา ซึ่งอาจทำให้ได้ผลลัพธ์ที่มีอคติหรือไม่เหมาะสม
• ความเข้าถึงจำกัด: เนื่องจากลักษณะทรัพยากรที่ใช้มาก LLMs มักเข้าถึงได้เฉพาะองค์กรขนาดใหญ่ที่มีงบประมาณมาก
• ปัญหาความสามารถในการขยายขนาด: โครงสร้างแบบมอนอลิธิกของ LLMs อาจทำให้ยืดหยุ่นน้อยลงและยากต่อการปรับเปลี่ยนให้เหมาะสมกับงานหรือโดเมนที่เฉพาะเจาะจง

โมเดลภาษาเล็ก (SLMs)

โมเดลภาษาเล็ก (SLMs) ในขณะที่คล้ายกับแนวคิดของLLMs ถูกออกแบบให้มีความแม่นยำ พิเศษ และมีประสิทธิภาพมากขึ้น โดยการเน้นที่งานที่เฉพาะเจาะจงและชุดข้อมูล SLMs สามารถให้ประสิทธิภาพที่ยอดเยี่ยมสำหรับการประยุกต์ทางด้านพิเศษ ทำให้เหมาะสมมากขึ้นสำหรับการใช้งานที่เฉพาะเจาะจง โดยการใช้ชุดข้อมูลที่ปรับแต่งและเน้นที่ความต้องการทางธุรกิจเฉพาะ SLMs สามารถให้ประสิทธิภาพที่ยอดเยี่ยมและความสามารถในการทดสอบสถานการณ์ที่ต่างกันโดยใช้ค่าที่เราต้องจ่ายน้อยกว่าส่วนนึง นี่ยังเป็นสิ่งที่สนับสนุนในการสร้าง SLM แบบโอเพ่นซอร์ส ที่โครงการที่ถูกกันดารพัฒนา SLMs กับความแม่นยำที่เปราะบางกับ LLMs ที่มีค่าใช้จ่ายต่ำกว่ามาก

เทคโนโลยีของ Assisterr AI

โมเดลภาษาเล็ก (SLM)

Small Language Models (SLMs) อยู่ที่ศูนย์กลางของเทคโนโลยี Assisterr ในขณะที่ Large Language Models (LLMs) ออกแบบมาให้มีประสิทธิภาพและเชี่ยวชาญมากขึ้น SLMs มุ่งเน้นไปที่งานและชุดข้อมูลที่เฉพาะเจาะจง ซึ่งช่วยให้สามารถให้ประสิทธิภาพที่ดีกว่าสำหรับแอปพลิเคชันที่เฉพาะเจาะจง การเชี่ยวชาญนี้ทำให้ SLMs เป็นไปได้และยั่งยืนมากขึ้น เนื่องจากต้องการความสามารถในการคำนวณและข้อมูลน้อยกว่า

โครงสร้าง SLM แบบแยกส่วน

เพื่อแก้ไขข้อจำกัดของตัวแทนที่ใช้ LLM มีวิธีการที่เข้ามามีบทบาทได้แก่ การใช้โมเดลภาษาเล็กจำนวนมาก (SLM) ทำงานในกรอบการทำงานร่วมกัน มีวิธีการหลักสองวิธีที่นำมาใช้ในการพัฒนาตัวแทน AI จากกลุ่ม SLM: Mixtures of Experts (MoE) และ Mixtures of Agents (MoA)

ผสานผสานของผู้เชี่ยวชาญ (MoE)

แหล่งที่มา: Assisterr Litepaper

เมื่อรวมกันในชุด MoE การให้เหตุผล SLM สมัยใหม่สามารถบรรลุความยืดหยุ่นในการเรียนรู้ที่เพิ่มขึ้นโดยไม่สูญเสียความสามารถในการแก้ปัญหาการทํางาน การเรียนรู้แบบกลุ่มสามารถรวมทักษะการใช้เหตุผลของแบบจําลองขนาดเล็กหลายแบบซึ่งแต่ละแบบมีความเชี่ยวชาญในบริบทที่เกี่ยวข้องที่แตกต่างกันเพื่อแก้ปัญหาที่ซับซ้อน สิ่งนี้สร้างความเข้าใจแบบไฮบริดที่ยังคงช่วยให้ AI ดําน้ําลึกได้ เลเยอร์ของผู้เชี่ยวชาญสามารถประกอบด้วย MoEs สร้างโครงสร้างแบบลําดับชั้นเพื่อบัฟเฟอร์ความซับซ้อนตามบริบทและความสามารถในการแก้ปัญหาต่อไป โดยทั่วไป MoE จะใช้เลเยอร์ gating ที่เบาบางซึ่งเลือกแบบไดนามิกระหว่างเครือข่ายขนานหลายเครือข่ายเพื่อให้การตอบสนองที่เหมาะสมที่สุดต่อพร้อมท์ เพื่อให้ได้คําตอบที่ยืดหยุ่นมากขึ้นผู้เชี่ยวชาญแต่ละคนสามารถปรับแต่งสําหรับการสร้างโค้ดการแปลหรือการวิเคราะห์ความคิดเห็น สถาปัตยกรรม MoE ที่ซับซ้อนมากขึ้นอาจมีเลเยอร์ MoE หลายชั้นร่วมกับส่วนประกอบอื่น ๆ เช่นเดียวกับสถาปัตยกรรมแบบจําลองภาษาทั่วไปเลเยอร์ MoE gating ทํางานบนโทเค็นความหมายและต้องมีการฝึกอบรม

สารผสม (MoA)

เมื่อประกอบเข้ากับสถาปัตยกรรม MoA SLM จะช่วยเพิ่มการเลือกชุดการให้เหตุผลที่หลากหลายทําให้ AI สามารถดําเนินการงานได้อย่างแม่นยําด้วยวิธีการที่จําเป็น โมเดลตัวแทนถูกประกอบขึ้นในกลุ่มที่เลเยอร์โปรโตคอลการดําเนินการเพื่อปรับปรุงประสิทธิภาพและการแก้ปัญหาของงานที่ซับซ้อน AI จึงทํางานในสถานการณ์หลายโดเมน ทีมตัวแทนสามารถทํางานตามลําดับปรับปรุงซ้ํา ๆ ตามผลลัพธ์ก่อนหน้า ก่อนหน้านี้ MoA มีประสิทธิภาพเหนือกว่ารุ่นใหญ่อย่างมีนัยสําคัญรวมถึงคะแนนความแม่นยํา 57.5% ของ GPT-4 Omni บน AlpacaEval 2.0 แม้ในรุ่นโอเพ่นซอร์ส Mixture of Agents (MoA) ทํางานในระดับของเอาต์พุตแบบจําลอง ไม่ใช่โทเค็นความหมาย ไม่มีเลเยอร์ gating แต่ส่งต่อข้อความแจ้งไปยังตัวแทนทั้งหมดในลักษณะขนานกัน ผลลัพธ์ของ MoA จะไม่ถูกรวมเข้าด้วยกันโดยการบวกและการทําให้เป็นมาตรฐาน แต่พวกเขาจะเชื่อมต่อกันและรวมกับพรอมต์สังเคราะห์และรวมก่อนที่จะถูกส่งต่อไปยังแบบจําลองแยกต่างหากเพื่อสร้างผลลัพธ์สุดท้าย แบบจําลองจึงแบ่งออกเป็น "ผู้เสนอ" ที่คํานวณผลลัพธ์ที่หลากหลายและ "ผู้รวบรวม" ที่รวมผลลัพธ์ เช่นเดียวกับ MoE เลเยอร์เหล่านี้สามารถรวมกันได้หลายชั้น การขาดเลเยอร์ gating ทําให้วิธีนี้มีความยืดหยุ่นมากขึ้นและปรับให้เข้ากับงานที่ซับซ้อนได้

เศรษฐกิจ DeAI

เศรษฐกิจ DeAI (Decentralized AI) เป็นส่วนพื้นฐานของแพลตฟอร์ม Assisterr ซึ่งใช้เทคโนโลยีบล็อกเชนเพื่อสร้างตลาดแบบกระจายสำหรับโมเดล AI และข้อมูล และส่วนสำคัญของเศรษฐกิจนี้คือการสร้างแรงสะท้อนให้คนที่มีข้อมูลและร่วมมือกันและทำให้ผู้มีส่วนร่วมได้รับการตอบแทนอย่างเป็นธรรม

• Data Marketplace: แพลตฟอร์มที่ผู้ใช้สามารถซื้อ ขาย และแบ่งปันข้อมูลและโมเดล AI ได้ ตลาดนี้ส่งเสริมการแลกเปลี่ยนทรัพยากรมีคุณค่า สร้างสรรค์และสนับสนุนความร่วมมือในชุมชน
• กลไกเสริมสร้างแรงจูงใจ: Assisterr ใช้กลไกเสริมสร้างแรงจูงใจต่าง ๆ เพื่อรางวัลผู้ใช้ที่มีส่วนร่วมในการส่งข้อมูล เพิ่มความสามารถของโมเดล และมีส่วนร่วมในระบบนี้ การเสริมสร้างแรงจูงใจเหล่านี้จะช่วยให้ชุมชนเหล่านี้คงอยู่และมีส่วนร่วมอย่างต่อเนื่อง
• ความโปร่งใสและความปลอดภัย: เทคโนโลยีบล็อกเชนจะให้สภาพแวดล้อมที่โปร่งใสและปลอดภัยสำหรับการทำธุรกรรมภายในเศรษฐมนุษยชาติ DeAI นี้จะรักษาความซื่อสัตย์และความน่าเชื่อถือของข้อมูลและแบบจำลอง AI ซึ่งจะปกป้องผู้ใช้จากการฉ้อโกงและการใช้งานที่ไม่เป็นไปตามกฎหมาย

Assisterr Ecosystem

AI Labs

AssisterrAI ให้พื้นฐานสายพันธุ์โครงสร้างที่สามารถสร้าง, แท็กโทเค็นและกระจาย Small Language Models (SLMs) ให้เป็นเรื่องที่สนุกสนานที่ขับเคลื่อนโดยผู้ร่วมสนับสนุนทุกส่วนร่วมของชุมชน เลขานุการ AI ช่วยให้ผู้ใช้สามารถสนับสนุนโมเดลในพื้นที่ความรู้ของพวกเขา กลายเป็นผู้ร่วมสร้างและผู้ร่วมเป็นเจ้าของ AI แนวทางนี้จะรับประกันว่าผู้ทำงานรับงาน AI ไม่เพียงแค่ได้รับรายได้แบบเดียวกันแต่ยังรับราคาตลาดที่กว้างขวาง ปลอดภัยในอนาคตที่ดีขึ้นและทำให้ผู้คนเป็นผู้รับประโยชน์จาก AI ไม่ใช่เป็นเหยื่อของความคืบหน้าและการอัตโนมัติ

ในการเข้าถึงแพลตฟอร์มผู้ใช้เชื่อมต่อกระเป๋าเงิน Solana บนเบราว์เซอร์รวมถึงโปรไฟล์ X และบัญชี Discord ของพวกเขา จากนั้นพวกเขาสามารถสร้างแบบจําลองผ่านแท็บ AI Lab ของอินเทอร์เฟซผู้ใช้ Assisterr ซึ่งมีรูปแบบง่ายๆในการระบุพารามิเตอร์หลักเทมเพลตพร้อมท์และข้อมูลเมตาของโมเดล ผู้ใช้สามารถอัปโหลดข้อมูลที่จะฝังอยู่ในโมเดลได้โดยตรงผ่านการเรียกข้อมูลแบบ augmented generation (RAG) และต่อมาผ่านการปรับแต่งอย่างละเอียด เมื่อสร้างแล้วโมเดลสามารถเผยแพร่สู่สาธารณะผ่านร้านค้า SLM ในอนาคต AI Lab จะใช้กระบวนทัศน์แบบโมดูลาร์หลายโมเดลพร้อมสถาปัตยกรรม Mixture of Agents และกลยุทธ์การดึงข้อมูลเพิ่มเติม

SLM ร้าน

ผู้มีส่วนร่วมในการช่วยเหลือของ Assisterr จะได้รับรางวัลสำหรับขั้นตอนทั้งหมดในการสร้างแบบจำลอง AI เช่นการมอบข้อมูลและการสร้างแบบจำลอง การตรวจสอบและการตรวจสอบ กลไกการแบ่งปันรายได้นี้ถูกนำมาใช้ในโมดูลการทำโทเคน SLM ห้องปฏิบัติการ AI เชื่อมโยงกรณีการใช้งานทางธุรกิจกับข้อมูลและความเชี่ยวชาญที่ต้องการ หลังจากที่แบบจำลองปรากฏในแท็บ SLM Store ของอินเทอร์เฟซ Assisterr ผู้ใช้ทุกคนสามารถสอบถามได้ผ่านอินเทอร์เฟซแชทบอท ปัจจุบันบอทช่วยในหลายสาขาใน Web3 ecosystems ด้านสุขภาพ การพัฒนาซอฟต์แวร์ และการเงิน

ทุกรุ่นในร้านค้า SLM มาพร้อมกับกองทุนที่เป็นเงินด้วยเหรียญตราสารชาติของ Assisterr ที่เติมเงินจากยอดคงเหลือของผู้ใช้แต่ละคนทุกคำถาม คำถามสามารถส่งได้จาก WebUI ด้วยกระเป๋าเงิน Solana ที่เชื่อมต่อหรือผ่าน API ทำให้รุ่นจากร้านค้า SLM เข้าถึงได้ผ่านแอปพลิเคชันอื่น ๆ สร้าง SLM ได้จากผู้ร่วมงาน รวมกันเป็นตัวแทน และนำพวกเขาไปใช้งานผ่านอินเทอร์เฟซโค้ดฟรี เพื่อให้มีระยะเวลาการเข้าสู่ตลาดที่รวดเร็วและวัฒนธรรมนวัตกรรมอย่างรวดเร็ว นี้แก้ไขปัญหาการกระจายและการสร้างรายได้ที่เผชิญหน้ากับผู้สร้างแบบอิสระและนักพัฒนา

ส่วนประกอบที่ร่วมมือ

ผ่านแท็บมีส่วนร่วมและรับผู้ใช้สามารถมีส่วนร่วมในการปรับปรุงซ้ํากับโมเดลที่มีอยู่จากร้านค้า SLM โดยการตอบสนองคําขอข้อมูลและตรวจสอบเมตริกประสิทธิภาพเพื่อแลกกับโทเค็นการจัดการ (MTs) หรือโทเค็น Assisterr ดั้งเดิม กระบวนการตรวจสอบโดยเพื่อนนี้ช่วยให้มั่นใจได้ถึงวิวัฒนาการอย่างต่อเนื่องและเพิ่มปริมาณงานในการสร้างแบบจําลองเมื่อเวลาผ่านไป เมื่อรวมกับคุณสมบัติต่างๆเช่น Mixture of Agents (MoA) สิ่งนี้ช่วยให้มีความคืบหน้าสะสมและการแก้ไขจากล่างขึ้นบนอย่างต่อเนื่อง ลักษณะแบบแยกส่วนและเฉพาะของ SLM ช่วยให้สามารถรวมเข้ากับไปป์ไลน์งานที่มีอยู่ได้อย่างรวดเร็ว ในอนาคตธุรกิจหรือบุคคลทั่วไปจะสามารถอธิบายปัญหาของพวกเขาได้และบริการของ Assisterr จะเกี่ยวข้องกับกลุ่ม SLM / ตัวแทนที่เกี่ยวข้องเพื่อค้นหาแนวทางแก้ไข

โมเดล Assisterr Treasury

โทเค็น Assisterr ชนิดเดียวกันเป็นยานพาหนะที่ใช้ในการดำเนินการของระบบ AssisterrAI โดยมีการทำธุรกรรมเป็นการตอบสนองต่อการตรวจสอบของการกระทำในการปฏิบัติตามโปรโตคอลสัญญาอัจฉริยะในทุกขั้นตอนของกระบวนการพัฒนา SLM ผ่านการใช้โทเค็นนี้ผู้เข้าร่วมสามารถเข้าถึงสิ่งอำนวยความสะดวกของระบบ Assisterr เช่นเข้าถึงผลิตภัณฑ์ ชำระค่าธรรมเนียม และมีส่วนร่วมในการสร้าง จัดการ และหารายได้ของ SLM

การใช้งานของ Assisterr

ตัวแทนการจัดการการเงินที่เบ็ดเสร็จรูปโดยอิสระ (DeFi)

ตัวแทน AI การเงินแบบกระจายอํานาจ (DeFi) เป็นนวัตกรรมที่สําคัญในพื้นที่ Web3 ก้าวไปไกลกว่าระบบแนะนําเอนกประสงค์ AI เฉพาะที่ดําเนินงานภายในข้อ จํากัด ที่ปลอดภัยและได้รับอนุญาตสามารถเพิ่มประสิทธิภาพและทําให้พอร์ตการลงทุนทางการเงินเป็นไปโดยอัตโนมัติได้ดีขึ้น Agentic SLM ที่สร้างขึ้นสําหรับสื่อธุรกรรมที่รวดเร็วเช่นโปรโตคอล Solana DeFi สามารถปรับปรุงการให้กู้ยืม / การกู้ยืมการซื้อขายแบบถาวรและการปักหลัก ตัวแทนเหล่านี้ให้การดูแลจัดการข้อมูลที่ดีขึ้นการให้เหตุผลหลายรูปแบบและการวิเคราะห์การทํางานเชิงลึกผ่านชุด SLM และกลุ่ม Mixture of Agents (MoA) ที่ทันสมัย

ตัวแทนการซื้อขาย

ตัวแทนการซื้อขายที่กำหนดเองสำหรับสถานการณ์การซื้อขายที่ซับซ้อนสามารถวิเคราะห์กลุ่มกระเป๋าเงินและแนวโน้มของราคาได้ซึ่งเป็นประโยชน์อย่างมากทั้งในตลาด DeFi ที่แปลได้และการเงินดั้งเดิม (TradFi) พื้นฐานการซื้อขาย MoA ที่ใช้ SLM สามารถมีประสิทธิภาพอย่างเฉพาะเจาะจงในกลยุทธ์การซื้อขายที่อ้างอิงข้อมูลที่ทำให้สำคัญและวิธีดำเนินการ เหล่าตัวแทนเหล่านี้เพิ่มประสิทธิภาพและกำไรจากการใช้อัลกอริทึมขั้นสูงและข้อมูลแบบเรียลไทม์

ตัวแทนสนทนาอัตโนมัติ

ตัวแทนสนทนาอัตโนมัติที่มีความสามารถในการเรียนรู้และวิเคราะห์ขั้นสูงเป็นมูลค่าในทุกๆ ส่วนด้านการศึกษา สังคม และวงการอาชีพ พวกเขาสามารถทำหน้าที่เป็นพร็อกซี่สนับสนุนสำหรับบริการต่างๆ โดยเชื่อมต่อกับเครือข่ายสังคมและแอปพลิเคชันทางด้านเทคโนโลยีสารสนเทศ โดยรวมฟังก์ชันของตัวแบบการสนทนาสนับสนุนเหล่านี้สามารถทำหน้าที่เป็นตัวกลางการติดต่อ การดำเนินงานตามฟังก์ชันที่มาจากคำติชมของผู้ใช้และให้การสนับสนุนที่สามารถดำเนินการได้

รูปประจำตัวสาธารณะ

SLMs สามารถสร้างพร็อกซี่ที่ใช้ข้อความ เสียง หรือวิดีโอ ซึ่งสร้างอวาตาร์สำหรับงานที่เผยแพร่ลึกลึก อวาตาร์เหล่านี้สามารถจัดการกับสิ่งประโยชน์ที่ซับซ้อน เช่น อวาตาร์ 3 มิติ การสร้างวิดีโอจากข้อความโดยอัตโนมัติ และการรวมออกอากาศสดบนแพลตฟอร์มโซเชียล SLM-based MoA สามารถเพิ่มประสิทธิภาพของการโต้ตอบแบบหลายโหมดรุ่นต่อไป ทำให้อวาตาร์ที่เผยแพร่ลึกลึกมีความประสิทธิภาพและมีประสิทธิภาพมากขึ้น

Developer Relations

การเปิดตัวของ Proof of Concept สำหรับผู้พัฒนาเว็บ 3 (DevRel) ที่เชื่อมโยงกับแพลตฟอร์ม AssisterrAI ได้แสดงให้เห็นถึงความเข้ากันได้ของตลาดที่แข็งแกร่ง การสร้างระบบ DevRel ที่แข็งแกร่งเป็นสิ่งสำคัญในการเข้ามามีส่วนร่วมของผู้พัฒนาและให้การสนับสนุนอย่างครอบคลุมเมื่อนำเทคโนโลยีมาใช้งาน อย่างไรก็ตาม สิ่งนี้เกี่ยวข้องกับค่าใช้จ่ายที่สูงมาก เนื่องจากเงินเดือนสำหรับบทบาท DevRel อยู่ในช่วงราคา 90,000 ดอลลาร์ถึง 200,000 ดอลลาร์ต่อปี คำขอการสนับสนุนที่เกี่ยวกับผู้พัฒนามีลักษณะที่คาดเดาได้และสามารถทำการอัตโนมัติได้ ซึ่งเป็นการเพิ่มประสิทธิภาพของ DevRel ผ่านการใช้ SLMs อย่างเป็นเป้าหมาย วิธีนี้ช่วยลดต้นทุนในขณะที่ยังคงให้การสนับสนุนที่มีคุณภาพสูงสำหรับผู้พัฒนา

เริ่มต้นกับ Assisterr AI

วิธีการลงทะเบียนบน Assisterr

1.เข้าชมเว็บไซต์ Assisterr: ไปที่เว็บไซต์ของ Assisterrและคลิกที่ “เปิดแอป”

2.เชื่อมต่อกระเป๋าเงินของคุณ: คลิกที่ปุ่ม “เลือกกระเป๋าเงิน” และเชื่อมต่อกระเป๋าเงิน Solana ที่ใช้งานผ่านเบราว์เซอร์ของคุณ กระเป๋าเงินนี้จะถูกใช้สำหรับธุรกรรมและการเข้าถึงคุณสมบัติต่าง ๆ บนแพลตฟอร์ม

3.เชื่อมต่อบัญชีโซเชียล: เชื่อมต่อโปรไฟล์ X และบัญชี Discord ของคุณ การเชื่อมต่อเหล่านี้ช่วยยืนยันตัวตนของคุณและผสานการปรากฏตัวของคุณในโลกแห่ง Assisterr ได้

4. ลงทะเบียนเสร็จสิ้น: ปฏิบัติตามคำแนะนำบนหน้าจอเพื่อทำการลงทะเบียนเสร็จสิ้น หลังจากที่ได้ลงทะเบียนแล้ว คุณสามารถเริ่มสำรวจแพลตฟอร์มและคุณสมบัติของมัน

การเข้าถึง SLMs

1.ไปที่ร้านค้า SLM: เมื่อเข้าสู่ระบบแล้วไปที่แท็บร้านค้า SLMบนอินเตอร์เฟซ Assisterr

2. เรียกดูรุ่นที่มีอยู่: สำรวจรุ่นภาษาเล็ก (SLMs) ที่มีอยู่ในร้านค้า แต่ละรุ่นถูกออกแบบสำหรับงานและอุตสาหกรรมที่เฉพาะเจาะจง เช่น ระบบนิเวศ Web3, การดูแลสุขภาพ, การพัฒนาซอฟต์แวร์ และการเงิน

3. โมเดลค้นหา: คุณสามารถค้นหาโมเดลใด ๆ ผ่านอินเทอร์เฟซแชทบอท แค่เลือกโมเดลที่คุณสนใจและเริ่มปฏิสัมพันธ์กับมัน คำค้นสามารถทำได้จากอินเทอร์เฟซเว็บกับกระเป๋าเงิน Solana ที่เชื่อมต่อหรือผ่าน API เพื่อใช้ร่วมกับแอปพลิเคชันอื่น ๆ

วิธีสร้าง SLM ครั้งแรกของคุณ

1. เข้าถึงห้องปฏิบัติการ AI: ไปที่ แท็บ AI Labในอินเตอร์เฟส Assisterr

2.ระบุพารามิเตอร์ของโมเดล: กรอกแบบฟอร์มการกำหนดพารามิเตอร์สำคัญเพื่อระบุเทมเพลตการเรียกคืนและข้อมูลเมตาของโมเดลของคุณ ซึ่งรวมถึงการกำหนดชื่อของโมเดล เครื่องหมาย, คำอธิบายวัตถุประสงค์, หมวดหมู่, รูปภาพปก, ตัวเริ่มต้นของการสนทนา และชุดข้อมูล คุณยังสามารถใช้ AI assistant เพื่อเร่งกระบวนการนี้ได้อีกด้วย

3. อัปโหลดข้อมูล: อัปโหลดข้อมูลโดยตรงที่จะถูกฝังในโมเดลผ่านการสร้างและปรับปรุงการสืบค้นเพื่อเพิ่มประสิทธิภาพ ข้อมูลเหล่านี้ช่วยในการฝึกโมเดลให้สามารถทำภารกิจตามที่ตั้งใจไว้

4.เผยแพร่ SLM ของคุณ: เมื่อคุณกำหนดค่าโมเดลแล้วให้คลิกปุ่ม button. โมเดลของคุณจะถูกสร้างขึ้นและคุณสามารถตั้งค่าให้เป็นสาธารณะในร้านค้า SLM หรือเก็บไว้เป็นส่วนตัวได้ การทำให้เป็นสาธารณะจะช่วยให้ผู้ใช้คนอื่นสามารถเข้าถึงและสอบถามโมเดลของคุณได้

ช่วยเหลือในการระดมทุน

Assisterr เป็นบริษัทสตาร์ทอัพด้านฐานพื้นฐาน AI ที่ตั้งอยู่ใน Cambridge ปิดรอบทุนรองเบื้องต้น 1.7 ล้านดอลลาร์สำเร็จ รอบการลงทุนนี้เห็นการเข้าร่วมจากกองทุนเว็บ 3 ที่มีชื่อเสียงรวมทั้ง Web3.com Ventures, Moonhill Capital, Contango, Outlier Ventures, Decasonic, Zephyrus Capital, Wise3 Ventures, Saxon, GFI Ventures, X Ventures, Koyamaki, Lucid Drakes Ventures และนักลงทุนที่มีชื่อเสียงเช่น Michael Heinrich, Mark Rydon, Nader Dabit, Anthony Lesoismier-Geniaux และ Ethan Francis ทุนเป็นสิ่งที่สำคัญในการสร้างพื้นฐานให้ Assisterr และเปิดตัวแพลตฟอร์มของมัน

ตั้งแต่เริ่มต้น Assisterr ได้บรรลุผลสำเร็จที่สำคัญ ซึ่งรวมถึงการดึงดูดผู้ใช้ที่ลงทะเบียนไว้ 150,000 คน และเปิดตัว Small Language Models (SLMs) มากกว่า 60 รุ่นสำหรับโปรโตคอล Web3 ชั้นนำ เช่น Solana, Optimism, 0g.ai, และ NEAR อีกทั้ง Assisterr ยังได้รับการยอมรับจากการชนะแข่งขัน hackathons ระดับโลกหลายรอบ และเข้าร่วมโปรแกรม AI Startups ของ Google รวมทั้งได้รับทุนเพื่อสนับสนุนความต้องการทางโครงสร้าง GPU, CPU, และ cloud มูลค่า 350,000 ดอลลาร์

แผนภูมิทางหลวงอนาคตและขั้นตอนการดำเนินงาน

Assisterr มีแผนภูมิที่ชัดเจนสำหรับการเติบโตและพัฒนาในอนาคต จุดสำคัญรวมถึง:

1. ห้องปฏิบัติการ AI (ไตรมาส 4 2567)

   • เปิดตัว AI Lab เพื่อให้ผู้ใช้สามารถสร้างและเป็นเจ้าของ SLMs ได้
   • สำเร็จการใช้งาน 500,000 ผู้ใช้
   • ใช้งานโปรแกรมสร้าง SLM ส่งเสริมแรงจูงใจสร้างสรรค์
   • พัฒนา 5,000 SLMs
   • เสร็จสิ้นรอบเมล็ดพันธุ์

2. การเติบโตของเครือข่าย (ครึ่งปีแรกของปี 2025)

   • พัฒนา SLMs สำหรับงานที่เฉพาะเจาะจงของโดเมน
   • ดำเนินการเหรียญโทเค็น (TGE) และรายชื่อสินทรัพย์
   • Reach 3 million users.
   • พัฒนา 30,000 SLMs.

3. ส่วนผสมของ SLM-Agents (H2 2025)

   • นำเสนอการจัดการ SLM สำหรับงานที่เป็นได้ทุกโดเมน
   • ขยายตัวเข้าสู่เว็บ 2.
   • Reach 10 ล้านผู้ใช้งาน
   • พัฒนา 100,000 SLMs

สรุป

Assisterr กำลังเป็นผู้นำในยุค AI ที่ถูกจัดการโดยชุดคำภาษาเล็ก (SLMs) และรูปแบบเศรษฐกิจนวัตกรรม โดยการแก้ไขข้อจำกัดของชุดคำภาษาใหญ่ (LLMs) และสนับสนุนการทำงานร่วมกัน Assisterr กำลังทำให้เทคโนโลยี AI เข้าถึงได้ง่ายยิ่งขึ้น มีประสิทธิภาพและยังสามารถยังยืนได้ ระบบนวัตกรรมที่ครอบคลุมทั้งหมดของแพลตฟอร์ม รวมถึง AI Labs, ร้านค้า SLM และองค์ประกอบการทำงานร่วมกัน ช่วยเสริมให้ผู้ใช้สามารถสร้าง แบ่งปัน และทำเงินจากโมเดล AI ได้