Ambient는 Solana의 고속과 효율을 활용하여 Logits (Proom of Logits) 메커니즘을 소개합니다.

블록 체인과 인공 지능 기술이 계속 발전함에 따라이 두 가지를 효과적으로 결합하는 방법은 목표 중 하나가되었습니다.

As blockchain and artificial intelligence technologies continue to develop, how to effectively combine the two has become one of the goals of many innovative projects. Ambient was born in this context, dedicated to combining decentralized blockchain architecture with ultra-large-scale AI reasoning to explore a new intelligent economic model.

블록 체인과 인공 지능 기술이 계속 발전함에 따라이 두 가지를 효과적으로 결합하는 방법은 많은 혁신적인 프로젝트의 목표 중 하나가되었습니다. Ambient는 이러한 맥락에서 태어 났으며, 분산 된 블록 체인 아키텍처를 새로운 지능형 경제 모델을 탐색하기위한 초대형 AI 추론과 결합하는 데 전념했습니다.

As a complete fork of Solana, Ambient retains Solana's high speed and efficiency, and creates a brand new blockchain ecosystem by introducing the Proof of Logits (PoL) mechanism.

Solana의 완전한 포크로서 Ambient는 Solana의 고속과 효율성을 유지하고 Logits (Pol) 메커니즘의 증거 (Pol) 메커니즘을 도입하여 새로운 블록 체인 생태계를 만듭니다.

What is Ambient?

주변은 무엇입니까?

Ambient is a Layer-1 blockchain that combines Solana SVM compatibility with a novel proof-of-work mechanism to provide ultra-large-scale verified reasoning. The core concept of the Ambient project is to deeply integrate AI reasoning and blockchain to create a decentralized AI economy.

Ambient는 Solana SVM 호환성을 새로운 작업 증명 메커니즘과 결합하여 초대형의 검증 된 추론을 제공하는 레이어 -1 블록 체인입니다. 주변 프로젝트의 핵심 개념은 AI 추론과 블록 체인을 깊이 통합하여 분산 된 AI 경제를 만드는 것입니다.

Unlike traditional proof-of-stake (PoS) systems, Ambient uses an incentive mechanism similar to Bitcoin and provides predictable profits for each node that participates in network reasoning, fine-tuning, or training. This approach avoids reliance on enterprise-level GPUs and ensures sustainable profitability for miners through transaction- and inflation-based compensation. Both miners and users can receive rewards that match their contributions, and the value of the platform continues to increase as the network grows.

POS (Prassic-of Stepoy-of Steption) 시스템과 달리 Ambient는 비트 코인과 유사한 인센티브 메커니즘을 사용하며 네트워크 추론, 미세 조정 또는 교육에 참여하는 각 노드에 대해 예측 가능한 이익을 제공합니다. 이 접근법은 엔터프라이즈 수준 GPU에 대한 의존을 피하고 거래 및 인플레이션 기반 보상을 통해 광부의 지속 가능한 수익성을 보장합니다. 광부와 사용자는 모두 기여에 맞는 보상을받을 수 있으며 네트워크가 성장함에 따라 플랫폼의 가치가 계속 증가하고 있습니다.

Features of Ambient:

Ambient의 특징 :

Ambient team background and development status

주변 팀 배경 및 개발 상태

In addition to the background of the founder, Ambient has not yet disclosed information about other members. Ambient's CEO and founder Travis Good has a diverse academic background, and his academic career covers four fields: government, economics, computer science, and machine learning. Travis' leadership style focuses on execution and pragmatism. When promoting technological innovation, he always adheres to practical operations and focuses on executable solutions. In addition, Travis is very active on Twitter and often shares his unique insights on technology, innovation, and industry trends.

창립자의 배경 외에도 Ambient는 아직 다른 회원에 대한 정보를 공개하지 않았습니다. Ambient의 CEO이자 창립자 Travis Good는 다양한 학업 배경을 가지고 있으며 그의 학업 경력은 정부, 경제, 컴퓨터 과학 및 기계 학습의 네 가지 분야를 다룹니다. Travis의 리더십 스타일은 실행과 실용주의에 중점을 둡니다. 기술 혁신을 홍보 할 때 그는 항상 실제 운영을 준수하고 실행 가능한 솔루션에 중점을 둡니다. 또한 Travis는 Twitter에서 매우 활발하며 종종 기술, 혁신 및 업계 트렌드에 대한 독특한 통찰력을 공유합니다.

On April 1, Ambient completed a $7.2 million seed round of financing, led by a16z CSX, Delphi Digital, and Amber Group. Big Brain Holdings, Superscrypt, Proof Group, Rubik Ventures, Aethir Foundation, Edessa Capital, etc. participated in the investment. Ambient plans to launch a testnet in the second/third quarter.

4 월 1 일, Ambient는 A16Z CSX, Delphi Digital 및 Amber Group이 이끄는 720 만 달러의 종자 자금 조달을 완료했습니다. Big Brain Holdings, SuperScrypt, 증명 그룹, Rubik Ventures, Aethir Foundation, Edessa Capital 등이 투자에 참여했습니다. Ambient는 2/3 분기에 TestNet을 출시 할 계획입니다.

Logits Proof of Consensus Mechanism

합의 메커니즘의 로그 증명

The "Logits Proof" algorithm takes advantage of a key fact: logits (which can be understood as logical units) are both unique fingerprints and can effectively capture the "thinking" state of the model at a specific moment (that is, when the model is "streaming" output) through the hash value generated during the model generation process. Under this mechanism, the hash value of the logits proof is a hash list of each set of logits hash values before each output token. In short, for each token n, until the final token t, the hash value of the logits proof is:

"Logits Proof"알고리즘은 주요 사실을 활용합니다. 로짓 (논리 단위로 이해 될 수있는 로이트)은 모두 고유 한 지문이며 모델 생성 프로세스 동안 생성 된 HASH 값을 통해 특정 모멘트 (모델이 "스트리밍"출력)에서 모델의 "생각"상태를 효과적으로 캡처 할 수 있습니다. 이 메커니즘 하에서 로그 증명의 해시 값은 각 출력 토큰 이전의 각 로이트 해시 값 세트의 해시 목록입니다. 요컨대, 최종 토큰 T까지 각 토큰 N에 대해 로이트 증명의 해시 값은 다음과 같습니다.

Hash(Hash(n) … Hash(t))

해시 (해시 (n)… 해시 (t))

The hash value of the logits progress token proof is the logits hash after generating x tokens, where x is between n and t (inclusive), that is:

로짓 진행 토큰 증명의 해시 값은 x 토큰을 생성 한 후 로이트 해시입니다. 여기서 x는 n과 t (포함) 사이에 있습니다.

Hash(n) … Hash(x) … Hash(t)

해시 (n)… 해시 (x)… 해시 (t)

Based on this principle, a verification mechanism can be constructed: first, the miner generates text; then, the verifier randomly selects a word in the text and asks the miner to provide the "mental state" at that point (that is, the corresponding logits progress mark proof hash). Then, the verifier performs a reasoning on the word in the same model and context to generate its own "mental state". If the "mental states" of the two (represented by hash values) are consistent, the verification is successful.

이 원칙에 따라 검증 메커니즘을 구성 할 수 있습니다. 첫째, 광부는 텍스트를 생성합니다. 그런 다음 검증기는 텍스트에서 단어를 무작위로 선택하고 광부에게 그 시점에서 "정신 상태"를 제공하도록 요청합니다 (즉, 해당 로지 진행 과정 마크 증명 해시). 그런 다음 검증자는 동일한 모델과 문맥에서 단어에 대한 추론을 수행하여 자체 "정신 상태"를 생성합니다. 두 사람 (해시 값으로 표시)의 "정신 상태"가 일관되면 검증이 성공적입니다.

This proof-of-work mechanism is consistent with the design principles of Bitcoin: mining (in this case, repeatedly executing the model through inference of 4,000 tokens) is expensive, but the verification process is very cheap (only 1 token is required for inference). This mechanism not only improves efficiency, but also ensures the security and reliability of verification.

이 작업 증명 메커니즘은 Bitcoin의 설계 원칙과 일치합니다. 마이닝 (이 경우 4,000 토큰의 추론을 통해 모델을 반복적으로 실행)은 비싸지 만 검증 프로세스는 매우 저렴합니다 (추론에는 1 개의 토큰 만 있으면됩니다). 이 메커니즘은 효율성을 향상시킬뿐만 아니라 검증의 보안 및 신뢰성을 보장합니다.