Danes, ko se tehnike strojnega učenja široko uporabljajo v številnih aplikacijah, je strojno učenje postalo pomembno za spletne storitve.
Morphware je decentraliziran sistem strojnega učenja, ki nagrajuje lastnike pospeševalnikov tako, da odda svojo računalniško moč v prostem teku in nato olajša povezane podrutine, ki lahko v imenu podatkovnih znanstvenikov usposobijo in testirajo modele strojnega učenja v decentralizirani zmogljivosti.
Vrste modelov strojnega učenja vključujejo nadzorovane pol- ali nenadzorovane algoritme učenja.
Usposabljanje algoritma nadzorovanega učenja je mogoče razumeti kot iskanje optimalne kombinacije uteži, ki bi jo uporabili za niz vhodov ali napovedali želeni rezultat.
Zagon tega dela je računska zapletenost. Strojna oprema, ki se uporablja za upodabljanje video iger, lahko tudi pospeši usposabljanje algoritmov nadzorovanega učenja.
Kaj je Morphware?
Ena od ključnih težav pri modelih strojnega učenja je, da se računalniški viri, potrebni za izvajanje najsodobnejših delovnih obremenitev strojnega učenja, podvojijo približno vsake tri mesece in pol.
Da bi rešili to težavo, Morphware razvije omrežje enakovrednih, ki omogoča vadim podatkovnim znanstvenikom, inženirjem strojnega učenja in študentom računalništva, da plačajo igralcem video iger ali drugim, da v njihovem imenu usposabljajo modele.
Čeprav strojni stroji pomagajo podatkovnim znanstvenikom pospešiti razvoj modelov strojnega učenja, so visoki stroški teh strojnih pospeševalnikov tudi ovira za številne znanstvenike s podatki.
Kaj so modeli strojnega učenja?
Modeli strojnega učenja se lahko razlikujejo glede na stopnjo nadzora in parametrizacije. Namen usposabljanja nadzorovano parametriziranega modela je znižati stopnjo napake, ki obsega številčno razdaljo med napovedjo in opazovanjem.
Usposabljanje modela strojnega učenja se izvaja s predobdelavo, ki ji sledi testiranje. Podatkovni znanstveniki ločijo podatke, ki so na voljo modelom strojnega učenja, medtem ko se usposabljajo, od podatkov, ki so jim na voljo v času njihovega testiranja.
Zato je razvidno, da model ne ustreza naboru razpoložljivih podatkov, pa tudi zmogljivosti, ki so lahko slabše pri nevidnih podatkih.
Običajno so podatki o usposabljanju in testiranju izbrani iz iste datoteke ali imenika v predobdelavi.
Rojstvo globokega učenja je veliki pok sodobnega. Kot bistveno nov model programske opreme globoko učenje omogoča vzporedno usposabljanje milijard nevronov programske opreme in trilijonov povezav.
Z izvajanjem globokih algoritmov nevronskih omrežij in učenjem iz primerov je pospešeno računalništvo idealen pristop, GPU pa idealen procesor.
To je nova kombinacija za ustvarjanje nove generacije za računalniške platforme z boljšo zmogljivostjo, produktivnostjo programiranja in odprto dostopnostjo.
Modeli globokega učenja so znani kot podmnožica modelov strojnega učenja. Še posebej so računsko intenzivni za usposabljanje zaradi medsebojno povezanih plasti latentnih spremenljivk.
Kaj je rešitev Morphware?
Za te transakcije se uporablja valuta Morphware Token glavne platforme.
Tokenomika
Skupna ponudba žetonov Morphware je 1,232,922,769 in jih je mogoče zažgati, vendar jih ni mogoče kovati.
Prek spletnega mesta, ki ga je oblikoval, razvil in uvedel Morphware, lahko uporabniki kupijo žeton platforme.
V prvem mesecu bo naprodaj manj kot dva odstotka celotne ponudbe žetonov Morphware.
Kako deluje Morphware
Proces modela strojnega učenja je analiza podatkov, nato pa je iterativni cikel, ki niha med izbiro modela in inženiringom funkcij.
Namen tega dela je pomagati končnim uporabnikom, kot so podatkovni znanstveniki, pri hitrejši ponovitvi z ustvarjanjem dostopa do decentraliziranega omrežja računalnikov, ki lahko pospeši njihove delovne obremenitve.
Končni uporabniki so združeni z delovnimi vozlišči in plačajo prek povratne dražbe z zapečateno ponudbo z drugo ceno. Plačajo delavskim vozliščem, da usposobijo svoje modele, in potrjevalnim vozliščem za testiranje modelov, ki jih usposabljajo delovna vozlišča s pomočjo Morphware Tokens.
Vloge in odgovornosti članov mreže vključujejo dve avtonomni vrsti vrstnikov.
Za delo s programsko opremo Morphware končni uporabniki preprosto naložijo svoj model v obliki zvezka Jupyter ali datoteke Python, podatke o usposabljanju in testiranju.
Nato morajo določiti ciljno raven natančnosti in podati napoved, koliko časa bo trajalo, da bodo dosegli to raven natančnosti. Za dokončanje kliknite Oddaj.
Končni uporabniki predložijo modele, ki jih delavci usposobijo in testirajo validatorji. Medtem so delavci vozlišča, ki zaslužijo žetone z modeli usposabljanja, ki jih predložijo končni uporabniki.
Validatorji so vozlišča, ki zaslužijo žetone s testiranjem modelov, ki so jih usposobili delavci.
Ko končni uporabnik predloži model, ga bodo usposobili delavci in testirali validatorji prek platforme, ki komunicira z omrežjem prek svojega zalednega demona.
Demon ni odgovoren samo za ustvarjanje algoritmov in njihovih ustreznih naborov podatkov za to, kar končni uporabnik posreduje prek odjemalca, temveč tudi za pošiljanje začetnega naročila za delo v pametno pogodbo.
Poleg tega je demon odgovoren za usposabljanje in testiranje modelov s strani delavcev in validatorjev.
Dostava s pomočjo vrstnikov omogoča širjenje algoritma in ustreznega nabora podatkov od končnega uporabnika do delavca ali validatorja.
Vendar so začetne delovne zahteve končnega uporabnika in ustrezni odzivi delavcev ali validatorjev za končnega uporabnika objavljeni v pametni pogodbi.
Začetne delovne zahteve vključujejo ocenjeni čas izvajanja obdobja usposabljanja, magnet, povezan z algoritmom, nabor za usposabljanje in testni niz podatkov.
Odgovor delavca vključuje magnetno povezavo do modela, ki so ga usposobili, ki ga nato testirajo številni validatorji.
Če model, ki je bil usposobljen, doseže zahtevani prag zmogljivosti, bodo delavec in validatorji prejeli žetone kot nagrado.
Kaj naredi Morphware izjemen
Morphware je dvostranski trg.
Tržnica služi podatkovnim znanstvenikom, ki lahko uporabljajo platformo za dostop do oddaljene računalniške moči prek omrežja računalnikov, kot so CPU, GPU, RAM, kot bi uporabljali AWS, vendar po nižji ceni in z uporabniku prijaznejšim vmesnikom.
Po drugi strani Morphware služi tudi lastnikom presežne računalniške moči, ki želijo zaslužiti denar in nagrade s prodajo svoje računalniške moči.
Zato se njegovi segmenti strank osredotočajo na znanstvenike s podatki, igralce iger ali ljudi s presežno računalniško močjo, ki želijo zaslužiti denar.
Trenutno se seznam strank Morphware nenehno povečuje, vključno s podatkovnim znanstvenikom, ki dela na laboratoriju za mobilnost samovozečih avtomobilov, študentskimi organizacijami, ki potrebujejo podporo podatkovnih znanosti, in avtomobilskimi podjetji, kot so Suzu, Mitsubishi ali Volvo.
Morphware je sodeloval tudi s Tellorjem. V okviru tega partnerstva bo Tellor plačal Morphware za uporabo njihovega orakla v prvih nekaj mesecih.
V primerjavi z drugimi konkurenti na trgu ima Morphware konkurenčno prednost. Zaradi edinstvene tržne strategije je njen izdelek cenejši od drugih.
Zaključne misli o Morphware
Ker modeli strojnega učenja postajajo vse bolj zapleteni, so bili raziskani projekti za nov ekosistem modelov strojnega učenja, ki trgujejo prek omrežja, ki temelji na Blockchainu.
Kot taki lahko končni uporabniki ali kupci pridobijo model, ki ga zanima, s trga strojnega učenja, medtem ko delavci ali prodajalci, ki želijo porabiti lokalne izračune za podatke, da bi izboljšali kakovost tega modela.
Pri tem se upošteva sorazmerno razmerje med lokalnimi podatki in kakovostjo usposobljenih modelov ter ocenjena vrednotenja podatkov prodajalca pri usposabljanju modelov.
Projekt kaže konkurenčno uspešnost v času izvajanja, nižje stroške izvedbe in poštenost v smislu spodbud za udeležence.
Morphware je ena od pionirskih platform, ki uvaja omrežje enakovrednih, kjer lahko končni uporabniki plačajo igralcem video iger, da v njihovem imenu usposobijo modele strojnega učenja v valuti platforme Morphware Token.
Če želite izvedeti več o Morphware – kliknite tukaj!
Vir: https://blokonomi.com/morphware-guide/