แปลง Checkmate CHECK เป็น Raven Protocol RAVEN

หมากรุกยังคงเป็นหนึ่งในเกมที่ได้รับความนิยมและมีความสำคัญทางวัฒนธรรมมากที่สุดในประวัติศาสตร์ ด้วยผู้เล่นกว่า 605.0 ล้านคนทั่วโลกและมูลค่าตลาดกว่า 2.5 พันล้านดอลลาร์ การฟื้นตัวล่าสุดซึ่งขับเคลื่อนโดยแพลตฟอร์มดิจิทัล การสตรีมสด และการเข้าถึงทั่วโลก ได้นำเกมไปสู่ผู้ชมกลุ่มใหม่ แม้จะมีแรงผลักดันนี้ ประสบการณ์หมากรุกดิจิทัลก็ยังคงไม่เปลี่ยนแปลงไปมากนัก เกมดังกล่าวจะยังคงเป็นเกมเดียวกัน โดยมีกฎและกลไกเหมือนเดิม Anichess มุ่งมั่นที่จะปรับปรุงหมากรุกให้ทันสมัยและสร้างสรรค์เกมเหนือกาลเวลาขึ้นมาใหม่ ด้วยการผสานกลไกที่ใช้คาถา การเป็นเจ้าของดิจิทัล และการกำกับดูแลที่ขับเคลื่อนโดยผู้เล่น Anichess ได้สร้างสรรค์หมากรุกใหม่ให้เป็นระบบนิเวศแบบโต้ตอบที่พัฒนาอย่างต่อเนื่อง Anichess เปลี่ยนโฉมเกมด้วยชื่อใหม่ที่มุ่งส่งเสริมการยอมรับหมากรุก ให้ผู้เล่นที่มีประสบการณ์ได้สัมผัสกับเกมที่พวกเขาชื่นชอบในมุมมองใหม่ และเสริมศักยภาพให้กับผู้เล่นใหม่ด้วยการมอบสนามแข่งขันที่เท่าเทียมกันเพื่อเข้าสู่เกมและทดสอบทักษะของพวกเขา

Raven Protocol's specific use case is to perform AI training where speed is the key. We're taking a 1M image dataset that takes 2-3 weeks to train on AWS down to 2-3 hours on Raven. AI companies will be able to train models better and faster. Raven Protocol is creating a self-sustaining and dynamic ecosystem for: Customers who want to train their AI engines; and/or Contributors who would like to share their compute resources in the form of Computers, Smartphones, or even a server rack. Raven Tokens (RAVEN) will work as the common ground to facilitate a secure transaction that will take place inside our ecosystem. Enterprise clients who want to rent compute power will do so with RAVEN and contributors of the compute power will be rewarded in RAVEN. Raven is creating a network of compute nodes that utilize idle compute power for the purposes of AI training where speed is the key. A native token is the key to bootstrapping a nascent network. We want to incentivize and reward people all over the world to contribute their compute power to our network. Additionally, we will reward token holders for running masternodes which will be responsible for orchestrating the training of various deep neural networks. Our consensus mechanism is something we call Proof-of-Calculation. Proof-of-Calculation will be the primary guideline for the regulation and distribution of incentives to the compute nodes in the network. Following are the two prime deciders for the incentive distribution: Speed: Depending upon how fast a node can perform gradient calculations (in a neural network) and return it back to the Gradient Collector. Redundancy: The 3 fastest redundant calculation will only qualify for receiving the incentive. This will make sure that the gradients that are getting returned are genuine and of the highest quality.