Aby strojové učenie fungovalo pre blockchain

Dnes, keď sa techniky strojového učenia široko používajú na celý rad aplikácií, sa strojové učenie stalo dôležitým pre online služby.

Morphware je decentralizovaný systém strojového učenia, ktorý odmeňuje majiteľov urýchľovačov vydražením ich nečinného výpočtového výkonu a potom uľahčuje súvisiace podprogramy, ktoré môžu v mene vedcov v oblasti údajov trénovať a testovať modely strojového učenia v decentralizovanej kapacite.

Typy modelov strojového učenia zahŕňajú algoritmy učenia pod dohľadom alebo bez dozoru.

Tréning algoritmu učenia pod dohľadom môže byť vnímaný ako hľadanie optimálnej kombinácie váh, ktoré sa majú aplikovať na súbor vstupov alebo na predpovedanie požadovaného výstupu.

Impulzom tejto práce je výpočtová náročnosť. Hardvér, ktorý sa používa na vykresľovanie videohier, môže tiež urýchliť trénovanie algoritmov učenia pod dohľadom.

Čo je Morphware?

Jedným z kľúčových problémov modelov strojového učenia je, že výpočtové zdroje potrebné na spustenie najmodernejšieho strojového učenia sa zdvojnásobujú približne každé tri a pol mesiaca.

Na vyriešenie tohto problému Morphware vyvíja sieť peer-to-peer, ktorá umožňuje praktizujúcim dátovým vedcom, inžinierom strojového učenia a študentom počítačových vied platiť hráčom videohier alebo iným, aby trénovali modely v ich mene.

Hoci hardvérové ​​stroje pomáhajú vedcom údajov urýchliť vývoj modelov strojového učenia, pre mnohých vedcov sú prekážkou aj vysoké náklady na tieto hardvérové ​​akcelerátory.

Čo sú modely strojového učenia?

Modely strojového učenia sa môžu líšiť podľa stupňa dohľadu a parametrizácie. Účelom tréningu kontrolovaného parametrizovaného modelu je znížiť chybovosť, ktorá presahuje číselnú vzdialenosť medzi predpoveďou a pozorovaním.

Trénovanie modelu strojového učenia sa implementuje predbežným spracovaním a po ňom nasleduje testovanie. Vedci zaoberajúci sa údajmi oddeľujú údaje, ktoré sú sprístupnené modelom strojového učenia počas tréningu, od údajov, ktoré majú k dispozícii počas obdobia testovania.

Preto je vidieť, že model neprevyšuje množinu dostupných údajov, ako aj výkonov, ktoré môžu byť na nevidených údajoch horšie.

Normálne sa tréningové a testovacie údaje vyberajú z rovnakého súboru alebo adresára pri predbežnom spracovaní.

Zrodenie hlbokého učenia je veľkým treskom moderny Ako zásadne nový softvérový model umožňuje hlboké učenie paralelne trénovať miliardy softvérových neurónov a bilióny spojení.

Spustenie algoritmov hlbokých neurónových sietí a učenie sa z príkladov, zrýchlené výpočty sú ideálnym prístupom a GPU je ideálnym procesorom.

Je to nová kombinácia na vytvorenie novej generácie výpočtových platforiem s vyšším výkonom, produktivitou programovania a otvorenou dostupnosťou.

Modely hlbokého učenia sú známe ako podmnožina modelov strojového učenia. Ich trénovanie je obzvlášť náročné na výpočtovú kapacitu kvôli ich prepojeným vrstvám latentných premenných.

Aké je riešenie Morphware?

Na tieto transakcie sa používa mena Morphware Token hlavnej platformy.

Tokenomika

Celková zásoba tokenov Morphware je 1,232,922,769 XNUMX XNUMX XNUMX a je možné ich spáliť, ale nie raziť.

Prostredníctvom webovej stránky, ktorá je navrhnutá, vyvinutá a nasadená spoločnosťou Morphware, si používatelia môžu kúpiť token platformy.

Menej ako dve percentá z celkovej ponuky tokenov Morphware budú na predaj v prvom mesiaci.

Ako funguje Morphware

Proces modelu strojového učenia je analýza údajov a potom ide o iteratívny cyklus, ktorý kolíše medzi výberom modelu a inžinierstvom funkcií.

Účelom tejto práce je pomôcť koncovým používateľom, ako sú dátoví vedci, rýchlejšie iterovať vytvorením prístupu k decentralizovanej sieti počítačov, ktoré môžu urýchliť ich pracovné zaťaženie.

Koncoví používatelia sú spárovaní s pracovnými uzlami a platia im prostredníctvom spätnej aukcie so zapečatenou ponukou za druhú cenu. Platia pracovné uzly za trénovanie ich modelov a validačné uzly na testovanie modelov vyškolených pracovnými uzlami pomocou tokenov Morphware.

Úlohy a zodpovednosti členov siete zahŕňajú dva autonómne typy rovesníkov.

Ak chcete pracovať s Morphware, koncoví používatelia jednoducho odovzdajú svoj model vo forme poznámkového bloku Jupyter alebo súboru Python, školiace a testovacie údaje.

Ďalej musia určiť cieľovú úroveň presnosti a poskytnúť predpoveď, ako dlho bude trvať dosiahnutie tejto úrovne presnosti. Kliknutím na odoslanie dokončíte.

Koncoví používatelia predkladajú modely na školenie pracovníkmi a testovanie overovateľmi. Medzitým sú pracovníci uzlami, ktoré získavajú tokeny na základe tréningových modelov predložených koncovými používateľmi.

Validátori sú uzly, ktoré získavajú tokeny testovaním modelov vyškolených pracovníkmi.

Keď koncový používateľ odošle model, zaškolia ho pracovníci a otestujú validátori prostredníctvom platformy, ktorá komunikuje so sieťou prostredníctvom svojho back-end démona.

Démon je zodpovedný nielen za vytváranie algoritmov a ich príslušných množín údajov pre to, čo koncový používateľ odovzdá prostredníctvom klienta, ale aj za odoslanie úvodnej žiadosti o prácu do smart kontraktu.

Okrem toho je démon zodpovedný za školenie a testovanie modelov pracovníkmi a overovateľmi.

Doručovanie za pomoci partnerov umožňuje šírenie algoritmu a zodpovedajúceho súboru údajov od koncového používateľa k pracovníkovi alebo overovateľovi.

Počiatočné pracovné požiadavky od koncového používateľa a príslušné odpovede koncovému používateľovi od pracovníkov alebo overovateľov sa však zverejňujú do inteligentnej zmluvy.

Požiadavky na počiatočnú prácu zahŕňajú odhadovaný čas trvania tréningového obdobia, magnet súvisiaci s algoritmom, tréningový súbor a testovací súbor údajov.

Odpoveď od pracovníka obsahuje magnetický odkaz na model, ktorý trénoval a ktorý následne testuje mnoho validátorov.

Ak model, ktorý bol vyškolený, spĺňa požadovaný výkonový prah, pracovník a validátori dostanú tokeny ako odmenu.

Čo robí Morphware výnimočným

Morphware je obojstranný trh.

Trh slúži dátovým vedcom, ktorí môžu využívať platformu na prístup k vzdialenému výpočtovému výkonu prostredníctvom siete počítačov, ako sú CPU, GPU, RAM, ako spôsob, akým by používali AWS, ale za nižšiu cenu a s užívateľsky prívetivejším rozhraním.

Na druhej strane, Morphware slúži aj majiteľom prebytočného výpočtového výkonu, ktorí chcú zarobiť peniaze a odmeny predajom svojho výpočtového výkonu.

Preto sa jeho zákaznícke segmenty zameriavajú na dátových vedcov, hráčov alebo ľudí s prebytočným výpočtovým výkonom, ktorí chcú zarábať.

V súčasnosti sa zoznam klientov Morphware neustále rozrastá vrátane dátového vedca pracujúceho na samoriadiacom aute Mobility Lab, študentských organizácií, ktoré potrebujú podporu v oblasti dátovej vedy, a automobilových spoločností ako Suzu, Mitsubishi alebo Volvo.

Morphware sa tiež spojil s Tellorom. V rámci tohto partnerstva Tellor zaplatí Morphware za používanie ich orákula počas prvých mesiacov.

V porovnaní s ostatnými konkurentmi na trhu má Morphware konkurenčnú výhodu. Vďaka jedinečnej trhovej stratégii je jeho produkt lacnejší ako ostatné.

Záverečné myšlienky o Morphware

Keďže modely strojového učenia sa stávajú čoraz zložitejšími, skúmali sa projekty pre nový ekosystém modelov strojového učenia obchodovaných cez sieť založenú na blockchaine.

Koncoví používatelia alebo kupujúci môžu teda získať model záujmu z trhu strojového učenia, zatiaľ čo pracovníci alebo predajcovia, ktorí majú záujem minúť miestne výpočty na údaje, aby zvýšili kvalitu tohto modelu.

Zvažuje sa proporcionálny vzťah medzi lokálnymi údajmi a kvalitou trénovaných modelov a odhadujú sa hodnotenia údajov predajcu pri trénovaní modelov.

Projekt vykazuje konkurencieschopný výkon, nižšie náklady na realizáciu a férovosť z hľadiska stimulov pre účastníkov.

Morphware je jednou z priekopníckych platforiem, ktoré zavádzajú sieť peer-to-peer, kde môžu koncoví používatelia platiť hráčom videohier za trénovanie modelov strojového učenia v ich mene v mene platformy Morphware Token.

Ak sa chcete dozvedieť viac o Morphware – kliknite sem!