5月に、私はこのテーマに関する研究提案書を書きました。 「AGIのための量子アーキテクチャ:将来の推論、学習、記憶のための価値最適量子経路のマッピング」 今年の初め、量子コンピューティングがトレンドでした。しかし最近、@SentientAGI の投稿を見るようになり、「それらは関連しているのだろうか?」という好奇心が再燃しました。 チェックして比較すると、類似点と相違点があります。 ------ 類似点: どちらの分野も、AGI スケーリングのボトルネックに取り組むことを目的としています。私の提案では、どの量子アーキテクチャが GPU よりも 1 ドルあたりより多くの AGI ステップを提供できるかを探ることにより、推論、学習、メモリのコンピューティング コストを削減する方法を検討しました。一方、Sentient は、調整とアクセシビリティの問題を軽減し、AGI 開発をよりオープンで相互運用可能で経済的に包括的なものにすることに重点を置いています。その核心は、AGI を実際に大規模に使用可能かつ持続可能なものにするには、どのようなインフラストラクチャが必要かという質問に答えることです。 ------ 違い: 違いは最適化とそれが起こる場所にあります。私の研究は、ハードウェア経済層に焦点を当て、量子と古典的な計算効率をマッピングしました。@SentientAGI は、ソフトウェア エコシステム層を構築し、エージェント、モデル、データ ソースが相互作用するネットワーク (GRID) を作成し、オープン インセンティブによって管理されています。 ------ 要するに、AGI認知を実行するための最も安価なエンジンを見つけるために調査しました。Santientは、これらのコグニティブエンジンがプラグインして連携できるマーケットプレイスとオーケストレーションシステムを構築しているだけです。 ちなみに、私はサンティエントと仕事をしたことを決して暗示しているわけではありません。AGI プロジェクトが世に出ているのを見るのはうれしいですし、開発に対する彼らのアプローチも気に入りました。読んでくれてありがとう! 私の研究提案書はこちらで読むことができます。

これを確認するには、チャドをタグ付けします。 @TheDeFISaint @0xAndrewMoh @0xCheeezzyyyy @satyaki44 @cryptorinweb3 @poopmandefi @eli5_defi @cchungccc @DOLAK1NG @chilla_ct @thelearningpill @twindoges @YashasEdu @Only1temmy @Adebiyi_Diamond @rektdiomedes @splinter0n @belizardd @MercyDeGreat @Defi_Warhol @0xSireal @Louround_ @zerokn0wledge_