Raven Protocol 的具体用例是执行以速度为核心的 AI 训练。我们将一个在 AWS 上需要 2-3 周训练的 100 万图像数据集缩短到在 Raven 上只需 2-3 小时。AI 公司将能够更好、更快地训练模型。
Raven Protocol 正在创建一个自我维持的动态生态系统，服务于：
希望训练其 AI 引擎的客户；和/或
愿意以计算机、智能手机甚至服务器机架形式共享其计算资源的贡献者。
Raven 代币 (RAVEN) 将作为共同基础，促进我们生态系统内发生的安全交易。想要租用计算能力的企业客户将使用 RAVEN，而计算能力的贡献者将获得 RAVEN 奖励。
Raven 正在创建一个计算节点网络，利用闲置计算能力进行以速度为核心的 AI 训练。原生代币是启动新兴网络的关键。
我们希望激励和奖励世界各地的人们为我们的网络贡献计算能力。此外，我们将奖励运行 masternodes 的代币持有者，这些 masternodes 将负责协调各种深度神经网络的训练。
我们的共识机制称为 Proof-of-Calculation。Proof-of-Calculation 将是规范和分配网络计算节点激励的主要指导原则。以下是激励分配的两个主要决定因素：
速度：取决于节点执行梯度计算（在神经网络中）并将结果返回给 Gradient Collector 的速度。
冗余：只有最快的 3 个冗余计算才有资格获得激励。这将确保返回的梯度是真实且最高质量的。
