Obecnie, ponieważ techniki uczenia maszynowego są szeroko stosowane w wielu aplikacjach, uczenie maszynowe stało się ważne dla usług online.
Morphware to zdecentralizowany system uczenia maszynowego, który nagradza właścicieli akceleratorów poprzez sprzedaż na aukcji ich bezczynnej mocy obliczeniowej, a następnie umożliwia realizację powiązanych podprogramów, które w imieniu analityków danych mogą szkolić i testować modele uczenia maszynowego w zdecentralizowanym środowisku.
Typy modeli uczenia maszynowego obejmują nadzorowane częściowo lub nienadzorowane algorytmy uczenia się.
Szkolenie nadzorowanego algorytmu uczenia się może być postrzegane jako poszukiwanie optymalnej kombinacji wag do zastosowania do zestawu danych wejściowych lub do przewidzenia pożądanego wyniku.
Impulsem tej pracy jest złożoność obliczeniowa. Sprzęt używany do renderowania gier wideo może również przyspieszyć szkolenie algorytmów uczenia nadzorowanego.
Co to jest Morphware?
Jednym z kluczowych problemów w modelach uczenia maszynowego jest to, że zasoby obliczeniowe wymagane do uruchamiania najnowocześniejszych obciążeń uczenia maszynowego podwajają się mniej więcej co trzy i pół miesiąca.
Aby rozwiązać ten problem, Morphware opracowuje sieć peer-to-peer, która umożliwia praktykującym naukowcom danych, inżynierom uczenia maszynowego i studentom informatyki płacenie graczom gier wideo lub innym osobom za trenowanie modeli w ich imieniu.
Chociaż maszyny sprzętowe pomagają naukowcom danych przyspieszyć opracowywanie modeli uczenia maszynowego, wysoki koszt tych akceleratorów sprzętowych stanowi również barierę dla wielu naukowców zajmujących się danymi.
Czym są modele uczenia maszynowego?
Modele uczenia maszynowego mogą się różnić w zależności od stopnia nadzoru i parametryzacji. Celem uczenia nadzorowanego modelu sparametryzowanego jest obniżenie poziomu błędu, który obejmuje liczbową odległość między predykcją a obserwacją.
Uczenie modelu uczenia maszynowego jest implementowane przez wstępne przetwarzanie, a następnie testowanie. Analitycy danych oddzielają dane udostępniane modelom uczenia maszynowego podczas uczenia od danych udostępnianych im w okresie testowania.
Widać zatem, że model nie przesadza zestawu dostępnych danych, a także wydajności, które mogą być gorsze na danych niewidocznych.
Zwykle dane treningowe i testowe są wybierane z tego samego pliku lub katalogu we wstępnym przetwarzaniu.
Narodziny głębokiego uczenia to wielki wybuch współczesności. Jako całkowicie nowy model oprogramowania, głębokie uczenie umożliwia równoległe trenowanie miliardów neuronów programowych i bilionów połączeń.
Uruchamianie algorytmów głębokich sieci neuronowych i uczenie się na przykładach, przyspieszone przetwarzanie jest idealnym podejściem, a GPU jest idealnym procesorem.
Jest to nowa kombinacja, która tworzy nową generację platform komputerowych o lepszej wydajności, produktywności programowania i otwartej dostępności.
Modele uczenia głębokiego są znane jako podzbiór modeli uczenia maszynowego. Szkolenie jest szczególnie intensywne pod względem obliczeniowym ze względu na powiązane ze sobą warstwy zmiennych ukrytych.
Jakie jest rozwiązanie Morphware?
Do tych transakcji używana jest waluta głównej platformy Morphware Token.
Tokenomika
Całkowita podaż tokenów Morphware wynosi 1,232,922,769 i można je spalić, ale nie można ich wybić.
Za pośrednictwem strony internetowej zaprojektowanej, opracowanej i wdrożonej przez Morphware użytkownicy mogą kupić token platformy.
Mniej niż dwa procent całkowitej podaży tokenów Morphware będzie do sprzedaży w pierwszym miesiącu.
Jak działa Morphware
Proces modelu uczenia maszynowego to analiza danych, a następnie cykl iteracyjny, który oscyluje między wyborem modelu a inżynierią funkcji.
Celem tej pracy jest ułatwienie użytkownikom końcowym, takim jak naukowcy danych, szybszej iteracji poprzez stworzenie dostępu do zdecentralizowanej sieci komputerów, która może przyspieszyć ich obciążenia.
Użytkownicy końcowi są kojarzeni z węzłami roboczymi i płacą za nie za pośrednictwem aukcji odwróconej drugiej ceny z zapieczętowaną ofertą. Płacą węzłom roboczym za trenowanie ich modeli, a węzłom walidacyjnym za testowanie modeli wyszkolonych przez węzły robocze za pomocą tokenów Morphware.
Role i obowiązki członków sieci obejmują dwa niezależne typy równorzędne.
Aby pracować z Morphware, użytkownicy końcowi po prostu przesyłają swój model, w postaci notatnika Jupyter lub pliku Python, dane szkoleniowe i testowe.
Następnie muszą określić docelowy poziom dokładności i przewidzieć, ile czasu zajmie osiągnięcie tego poziomu dokładności. Kliknięcie potwierdza, aby zakończyć.
Użytkownicy końcowi przesyłają modele do przeszkolenia przez pracowników i przetestowania przez walidatorów. Tymczasem pracownicy to węzły, które zdobywają tokeny dzięki modelom szkoleniowym przesłanym przez użytkowników końcowych.
Walidatory to węzły, które zdobywają tokeny, testując modele wyszkolone przez pracowników.
Gdy użytkownik końcowy prześle model, zostanie on przeszkolony przez pracowników i przetestowany przez weryfikatory za pośrednictwem platformy, która komunikuje się z siecią za pośrednictwem demona zaplecza.
Demon jest odpowiedzialny nie tylko za tworzenie algorytmów i odpowiadających im zestawów danych dla tego, co jest przesyłane przez użytkownika końcowego za pośrednictwem klienta, ale także wysyłanie początkowego wezwania do pracy do inteligentnego kontraktu.
Ponadto demon jest odpowiedzialny za szkolenie i testowanie modeli przez pracowników i walidatorów.
Dostarczanie wspomagane przez partnerów umożliwia propagację algorytmu i odpowiedniego zestawu danych od użytkownika końcowego do pracownika lub walidatora.
Jednak początkowe wymagania dotyczące pracy od użytkownika końcowego i odpowiednie odpowiedzi udzielone użytkownikowi końcowemu przez pracowników lub weryfikatorów są umieszczane w inteligentnym kontrakcie.
Początkowe wymagania robocze obejmują szacowany czas działania okresu uczenia, magnes związany z algorytmem, zbiór uczący oraz zbiór testowy danych.
Odpowiedź pracownika zawiera link magnetyczny do trenowanego przez niego modelu, który jest następnie testowany przez wiele walidatorów.
Jeśli przeszkolony model spełnia wymagany próg wydajności, pracownik i weryfikatory otrzymają tokeny jako nagrodę.
Co sprawia, że Morphware jest wyjątkowy?
Morphware to dwustronny rynek.
Rynek służy analitykom danych, którzy mogą korzystać z platformy w celu uzyskania dostępu do zdalnej mocy obliczeniowej za pośrednictwem sieci komputerów, takich jak procesory, procesory graficzne, pamięć RAM, w sposób, w jaki korzystaliby z AWS, ale przy niższych kosztach i z bardziej przyjaznym dla użytkownika interfejsem.
Z drugiej strony Morphware służy również właścicielom nadmiaru mocy obliczeniowej, którzy chcą zarabiać pieniądze i nagrody, sprzedając swoją moc obliczeniową.
Dlatego jego segmenty klientów skupiają się na analitykach danych, graczach lub osobach z nadwyżką mocy obliczeniowej, które chcą zarabiać.
Obecnie lista klientów Morphware stale rośnie, obejmując naukowców zajmujących się danymi pracującymi nad autonomicznym samochodem Mobility Lab, organizacje studenckie, które potrzebują wsparcia w zakresie nauki o danych, oraz firmy motoryzacyjne, takie jak Suzu, Mitsubishi czy Volvo.
Morphware nawiązał również współpracę z Tellor. W ramach tej współpracy Tellor zapłaci Morphware za korzystanie z ich wyroczni przez pierwsze kilka miesięcy.
W porównaniu z innymi konkurentami na rynku Morphware ma przewagę konkurencyjną. Jego unikalna strategia rynkowa sprawia, że jego produkt jest tańszy niż inne.
Końcowe myśli dotyczące Morphware
Ponieważ modele uczenia maszynowego stają się coraz bardziej złożone, zbadano projekty nowego ekosystemu modeli uczenia maszynowego handlującego w sieci opartej na Blockchain.
W związku z tym użytkownicy końcowi lub kupujący mogą uzyskać model będący przedmiotem zainteresowania z rynku uczenia maszynowego, podczas gdy pracownicy lub sprzedawcy zainteresowani wydatkami na lokalne obliczenia na dane w celu poprawy jakości tego modelu.
W związku z tym rozważana jest proporcjonalna relacja między danymi lokalnymi a jakością wytrenowanych modeli i szacowane są wyceny danych sprzedawcy podczas uczenia modeli.
Projekt charakteryzuje się konkurencyjną wydajnością w czasie wykonywania, niższymi kosztami realizacji oraz uczciwością w zakresie zachęt dla uczestników.
Morphware to jedna z pionierskich platform, która wprowadza sieć peer-to-peer, w której użytkownicy końcowi mogą płacić graczom gier wideo za trenowanie modeli uczenia maszynowego w ich imieniu w walucie platformy Morphware Token.
Aby dowiedzieć się więcej o Morphware – kliknij tutaj!
Źródło: https://blockonomi.com/morphware-guide/