Es begann mit einem lauten Schreibtisch

Dies war im Jahr 2015. Der Forscher war Ben Fielding, der eine große Maschine gebaut hatte, die mit einem frühen GPUs gefüllt war, um KI zu entwickeln.

A noisy desk in a lab at Northumbria University, in northern England, is where a young AI researcher began his PhD track in 2015. He was working on some unorthodox ideas, exploring how “swarms” of AIs could talk to each other and learn from each other to improve the collective whole. But he was handcuffed by the realities of that noisy machine, which he had built to house early GPUs for his research.

In einem lauten Schreibtisch in einem Labor an der Northumbria University in Nordgland begann ein junger KI -Forscher 2015 seine Doktorarbeit. Er arbeitete an einigen unorthodoxen Ideen und untersuchte, wie „Schwärme“ von AIS miteinander sprechen und voneinander lernen konnten, um das Kollektiv zu verbessern. Aber er wurde von den Realitäten dieser lauten Maschine mit Handschellen gefesselt, die er für seine Forschung erbaut hatte, um den frühen GPUs zu unterbringen.

The machine was so loud it annoyed his lab-mates, and he had crammed it beneath his desk, leaving no room for his legs, which he had to awkwardly stick to the side of the desk.

Die Maschine war so laut, dass sie seine Laborkollegen ärgerte, und er hatte sie unter seinem Schreibtisch gedrängt und ließ keinen Platz für seine Beine, die er unbeholfen an der Seite des Schreibtischs halten musste.

At the time, Google was doing similar research with thousands of GPUs in a data center.

Zu dieser Zeit hat Google in einem Rechenzentrum ähnliche Untersuchungen mit Tausenden von GPUs durchgeführt.

“The things they were doing weren't crazy. I knew the methods … I had lots of proposals, but I couldn't run them,” says Ben Fielding, who is now CEO of Gensyn and a speaker at Consensus 2025.

"Die Dinge, die sie machten, waren nicht verrückt. Ich kannte die Methoden ... Ich hatte viele Vorschläge, aber ich konnte sie nicht leiten", sagt Ben Fielding, der jetzt CEO von Genyn und ein Sprecher bei Consensus 2025 ist.

Fielding and his co-founder, Harry Grieve, started Gensyn in 2020, with the goal of creating a decentralized network for machine intelligence.

Fielding und sein Mitbegründer Harry Grieve starteten Genyn 2020 mit dem Ziel, ein dezentrales Netzwerk für Machine Intelligence zu schaffen.

Gensyn is now rolling out the first stage of its Testnet, and the company's early tools are beginning to trickle out into the wild. Gensyn recently released its “RL Swarms” protocol, a descendant of Fielding's PhD work, and just launched Testnet, which brings blockchain into the fold.

Gensyn führt nun die erste Phase seines TestNet aus, und die frühen Tools des Unternehmens beginnen in die Wildnis. Gensyn hat kürzlich sein „RL Swarms“ -Protokoll veröffentlicht, einen Nachkommen von Fieldings Doktorarbeit, und gerade TestNet gestartet, das Blockchain in die Falte bringt.

Gensyn's Testnet is a beta version of the company's core infrastructure, offering a glimpse into the broader vision.

Gensyns TestNet ist eine Beta -Version der Kerninfrastruktur des Unternehmens, die einen Einblick in die breitere Vision bietet.

In this interview leading up to the AI Summit, at Consensus in Toronto, Fielding gives a primer on AI Swarms, explains how blockchain snaps into the puzzle, and shares why all innovators — not just tech giants — “should have the right to build machine learning technologies.”

In diesem Interview im Vorfeld des KI -Gipfels erklärt das Fielding im Konsens in Toronto einen Grundieren auf KI -Schwärmen, wie Blockchain in das Puzzle einflutet, und teilt mit, warum alle Innovatoren - nicht nur Tech -Giganten - „das Recht haben sollten, maschinelle Lerntechnologien aufzubauen.“

This interview has been condensed and lightly edited for clarity.

Dieses Interview wurde für Klarheit kondensiert und leicht bearbeitet.

Jeff Wilser: Gensyn just launched its Testnet. What’s the gist of what it is?

Jeff Wilser: Genyn hat gerade sein TestNet gestartet. Was ist der Kern von dem, was es ist?

Ben Fielding: It's the addition of the first MVP features of blockchain integration with what we've launched so far. So a few weeks ago, we launched RL Swarm, which is reinforcement learning, post-training as a peer-to-peer network.

Ben Fielding: Es ist die Hinzufügung der ersten MVP -Funktionen der Blockchain -Integration mit dem, was wir bisher auf den Markt gebracht haben. Vor ein paar Wochen haben wir RL Swarm, das Verstärkungslernen und nach dem Training als Peer-to-Peer-Netzwerk stellt.

The easiest way to think about it is when a pre-trained model goes through reasoning training — like Deep-R1 — it learns to critique its own thinking and recursively improve against the task. It can then improve its own answer.

Der einfachste Weg, darüber nachzudenken, ist, wenn ein vorgebildetes Modell das Argumentationstraining-wie Deep-R1-durchläuft, lernt es, sein eigenes Denken zu kritisieren und sich rekursiv gegen die Aufgabe zu verbessern. Es kann dann seine eigene Antwort verbessern.

We take that process one step further and say, "It's great for models to critique their own thinking and recursively improve. What if they can talk to other models and critique each other's thinking?" If you get many models together in a group that can all talk to each other, they can start learning how to send information to the other models … with the overall goal of improving the entire swarm itself.

Wir gehen einen Schritt weiter und sagen: "Es ist großartig, dass Modelle ihr eigenes Denken kritisieren und sich rekursiv verbessern. Was ist, wenn sie mit anderen Modellen sprechen und das Denken des anderen kritisieren können?" Wenn Sie viele Modelle in einer Gruppe zusammenbringen, die alle miteinander sprechen können, können sie lernen, wie Sie Informationen an die anderen Modelle senden können… mit dem Gesamtziel, den gesamten Schwarm selbst zu verbessern.

So that's the swarm training method, which allows many models to combine in parallel to improve the outcome of a final meta-model that you could create from those models. But at the same time, you have every single individual model just improving on its own. So if you were to come along with a model on a MacBook, join a swarm for an hour and then drop back out again, you would have an improved local model based on the knowledge in the swarm, and you would have also improved the other models in the swarm. It's this collaborative training process that any model can join and any model can do. So that's what RL Swarm is.

Das ist also die Swarm-Trainingsmethode, mit der viele Modelle parallel kombiniert werden können, um das Ergebnis eines endgültigen Meta-Modells zu verbessern, das Sie aus diesen Modellen erstellen können. Gleichzeitig haben Sie jedes einzelne einzelne Modell, das sich nur für sich verbessert. Wenn Sie also ein Modell auf einem MacBook einbringen würden, treten Sie einer Stunde lang einem Schwarm an und geben Sie dann wieder aus, Sie hätten ein verbessertes lokales Modell, das auf dem Wissen im Schwarm basiert, und Sie hätten auch die anderen Modelle im Schwarm verbessert. Es ist dieser kollaborative Trainingsprozess, an den jedes Modell beitreten kann, und jedes Modell kann es tun. Das ist also RL Swarm.

Wilser: Okay, and then where does blockchain come in?

Wilser: Okay, und wo kommt Blockchain dann ins Spiel?

Ben Fielding: So the blockchain is us moving forward some of the lower-level primitives into the system.

Ben Fielding: Die Blockchain ist also, dass wir einige der Primitiven der unteren Ebene in das System vorantreiben.

Let's just pretend that someone doesn't understand the phrase "lower-level primitives." What do you mean by that?

Lassen Sie uns einfach so tun, dass jemand den Ausdruck "Primitive auf niedrigerer Ebene" nicht versteht. Was meinst du damit?

If you think about the software stack, you've got a GPU stack in a data center. You've got drivers on top of the GPU. You've got operating systems, virtual machines. You've got all this stuff going up.

Wenn Sie an den Software -Stack nachdenken, haben Sie einen GPU -Stapel in einem Rechenzentrum. Sie haben Treiber auf der GPU. Sie haben Betriebssysteme, virtuelle Maschinen. Sie haben all das Zeug hoch.

A lower-level primitive is the closest to the bottom foundation in the tech stack.

Ein Primitive auf niedrigerer Ebene ist im Tech-Stapel am nächsten der untersten Fundament.

Wilser: Yes, exactly. And the RL Swarm is a demonstration of what's possible, basically. It's just a somewhat hacky demo of doing really interesting large-scale, scalable machine learning. But what Gensyn's been doing for the past four-plus years, realistically, is building infrastructure. And so we're in this period now where the infrastructure is all at that v0.1 sort of beta level. It's all done. It's ready to go. We have to figure out how to show the world what's possible when it's quite a big shift to the way people think of machine learning.

Wilser: Ja, genau. Und der RL -Schwarm ist eine Demonstration dessen, was möglich ist. Es ist nur eine etwas hackige Demo, wirklich interessante groß angelegte, skalierbare maschinelle Lernen zu tun. Aber Gensyn tut in den letzten vier Jahren realistisch gesehen die Infrastruktur. Und so sind wir jetzt in dieser Zeit, in der die Infrastruktur auf dieser Art Beta -Ebene V0.1 ist. Es ist alles fertig. Es ist bereit zu gehen. Wir müssen herausfinden, wie wir der Welt zeigen können, was möglich ist, wenn es eine große Verschiebung der Art und Weise ist, wie Menschen über maschinelles Lernen denken.

It sounds like you guys are

Es hört sich so an, als wärst ihr