גורם למידת מכונה לעבוד עבור בלוקצ'יין

כיום, כאשר טכניקות למידת מכונה מיושמות באופן נרחב במגוון יישומים, למידת מכונה הפכה חשובה לשירותים מקוונים.

Morphware היא מערכת למידת מכונה מבוזרת שמתגמלת בעלים של מאיצים על ידי מכירה פומבית של כוח המחשוב הסרק שלהם ולאחר מכן מקלה על תתי השגרות הקשורות, שיכולות להיות מטעם מדעני הנתונים להכשיר ולבחון את מודלים למידת המכונה בקיבולת מבוזרת.

סוגי מודלים של למידת מכונה כוללים אלגוריתמי למידה מפוקחים למחצה או ללא פיקוח.

ניתן לראות באימון של אלגוריתם למידה בפיקוח חיפוש אחר השילוב האופטימלי של משקלים ליישום על קבוצת תשומות או לחזות פלט רצוי.

הדחף של עבודה זו הוא המורכבות החישובית. חומרה המשמשת לעיבוד משחקי וידאו יכולה גם להאיץ את ההכשרה של אלגוריתמי למידה בפיקוח.

מה זה Morphware?

אחת הבעיות המרכזיות במודלים של למידת מכונה היא המשאבים החישוביים הנדרשים להפעלת עומסי עבודה מתקדמים של למידת מכונה מוכפלים בערך כל שלושה חודשים וחצי.

כדי לטפל בבעיה זו, Morphware מפתחת רשת עמית לעמית המאפשרת למדעני נתונים, מהנדסי למידת מכונה וסטודנטים למדעי המחשב לשלם לשחקני משחקי וידאו או לאחרים כדי לאמן מודלים בשמם.

למרות שמכונות חומרה מסייעות למדעני נתונים להאיץ את הפיתוח של מודלים של למידת מכונה, העלות הגבוהה של מאיצי חומרה אלו מהווה גם מחסום עבור מדעני נתונים רבים.

מהם מודלים של למידת מכונה?

מודלים של למידת מכונה יכולים להשתנות לפי מידת הפיקוח והפרמטריזציה. מטרת הכשרת מודל מפוקח-פרמטרי היא להוריד את שיעור השגיאות המשתרע על המרחק המספרי בין חיזוי לתצפית.

אימון מודל למידת מכונה מיושמת על ידי עיבוד מקדים, ולאחר מכן בדיקה. מדעני נתונים מפרידים בין הנתונים שזמינים למודלים של למידת מכונה בזמן שהם מתאמנים לבין הנתונים שעומדים לרשותם במהלך תקופת הבדיקה שלהם.

לכן, ניתן לראות שהמודל אינו מתאים יותר מדי למערך הנתונים הזמינים, כמו גם לביצועים, שעלולים להיות גרועים יותר בנתונים בלתי נראים.

בדרך כלל, נתוני הדרכה ובדיקה נבחרים מאותו קובץ או ספרייה בעיבוד מקדים.

הלידה של למידה עמוקה היא המפץ הגדול של המודרנית כמודל תוכנה חדש ביסודו, למידה עמוקה מאפשרת לאמן מיליארדי נוירוני תוכנה וטריליוני קשרים במקביל.

הפעלת אלגוריתמי רשת נוירונים עמוקים ולמידה מדוגמאות, מחשוב מואץ הוא גישה אידיאלית וה-GPU הוא המעבד האידיאלי.

זהו שילוב חדש ליצירת דור חדש לפלטפורמות מחשוב עם ביצועים טובים יותר, פרודוקטיביות תכנות ונגישות פתוחה.

מודלים של למידה עמוקה ידועים כתת-קבוצה של מודלים של למידת מכונה. הם אינטנסיביים במיוחד מבחינה חישובית לאימון בגלל השכבות המקושרות ביניהם של משתנים סמויים.

מהו הפתרון של Morphware?

מטבע ה-Morphware Token של הפלטפורמה הראשית משמש לעסקאות אלו.

טוקנומיקה

ההיצע הכולל של ה- Morphware Token הוא 1,232,922,769 והם ניתנים לצריבה, אך לא ניתנים להטבעה.

באמצעות אתר אינטרנט שעוצב, פותח ונפרס על ידי Morphware, משתמשים יכולים לקנות את אסימון הפלטפורמה.

פחות משני אחוזים מסך ההיצע של אסימוני Morphware יהיה למכירה בחודש הראשון.

כיצד פועלת Morphware

התהליך של מודל למידת מכונה הוא ניתוח נתונים ולאחר מכן הוא מחזור איטרטיבי שמתנדנד בין בחירת מודל להנדסת תכונות.

מטרת העבודה הזו היא לעזור למשתמשי קצה, כגון מדעני נתונים, לבצע חזרה מהירה יותר על ידי יצירת גישה לרשת מבוזרת של מחשבים שיכולה להאיץ את עומס העבודה שלהם.

משתמשי קצה משולבים עם צמתי עובדים ומשלמים באמצעות מכירה פומבית הפוכה של הצעה סגורה במחיר שני. הם משלמים לצמתי עובדים כדי לאמן את המודלים שלהם ולצמתי אימות כדי לבדוק את המודלים שאומנו על ידי צמתי עובדים על ידי Morphware Tokens.

התפקידים והאחריות של חברי הרשת כוללים שני סוגי עמיתים אוטונומיים.

כדי לעבוד עם Morphware, משתמשי קצה פשוט העלו את המודל שלהם, בצורה של מחברת Jupyter או קובץ Python, את נתוני ההדרכה והבדיקה.

לאחר מכן, הם צריכים לציין את רמת דיוק היעד ולתת תחזית כמה זמן ייקח להגיע לרמת הדיוק הזו. לחיצה על שלח לסיום.

משתמשי קצה מגישים מודלים שיודרכו על ידי העובדים ויבדקו על ידי המאמתים. בינתיים, עובדים הם הצמתים שמרוויחים אסימונים על ידי מודלים להדרכה שהוגשו על ידי משתמשי הקצה.

Validators הם הצמתים שמרוויחים אסימונים על ידי בדיקת מודלים שהוכשרו על ידי העובדים.

לאחר שמשתמש הקצה יגיש את המודל, הוא יוכשר על ידי העובדים וייבדק על ידי המאמתים, דרך הפלטפורמה, שמתקשרת עם הרשת דרך הדמון האחורי שלה.

הדמון אחראי לא רק על יצירת אלגוריתמים ומערך הנתונים המתאימים עבור מה שמוגש על ידי משתמש הקצה דרך הלקוח, אלא גם לשלוח את שידול העבודה הראשוני לחוזה החכם.

בנוסף, הדמון אחראי להכשרה ובדיקה של המודלים, על ידי העובדים והמאשרים.

מסירה בסיוע עמיתים מאפשרת הפצה של אלגוריתם ומערך נתונים מקביל ממשתמש קצה לעובד או למאמת.

עם זאת, דרישות העבודה הראשוניות ממשתמש הקצה והתגובות הרלוונטיות למשתמש הקצה מהעובדים או המאמתים, כולן מתפרסמות בחוזה החכם.

דרישות העבודה הראשוניות כוללות את זמן הריצה המשוער של תקופת ההכשרה, המגנט הקשור לאלגוריתם, ערכת ההדרכה ומערך הבדיקות של הנתונים.

תגובה מעובד כוללת קישור מגנט לדגם שהוא הכשיר, אשר נבדק לאחר מכן על ידי מאמתים רבים.

אם הדגם שעבר הכשרה עומד בסף הביצועים הנדרש, העובד והמתאמת יקבלו אסימונים כפרס.

מה הופך את Morphware למצטיין

Morphware הוא שוק דו-צדדי.

השוק משרת מדעני נתונים שיכולים להשתמש בפלטפורמה כדי לגשת לכוח מחשוב מרחוק דרך רשת המחשבים כגון CPUs, GPUs, RAM כפי שהם היו משתמשים ב-AWS, אך בעלות נמוכה יותר ועם ממשק ידידותי יותר למשתמש.

מצד שני, Morphware משרתת גם בעלי כוח מחשוב עודף שמחפשים להרוויח כסף ותגמול על ידי מכירת כוח המחשוב שלהם.

לכן, פלחי הלקוחות שלה מתמקדים במדעני נתונים, גיימרים או אנשים עם כוח מחשוב עודף שרוצים להרוויח כסף.

נכון לעכשיו, רשימת הלקוחות של Morphware גדלה ללא הרף, כולל מדען נתונים שעובד על מעבדת ניידות לנהיגה עצמית, ארגוני סטודנטים הזקוקים לתמיכה במדעי הנתונים וחברות רכב כגון Suzu, Mitsubishi או Volvo.

Morphware גם שיתפה פעולה עם Tellor. במסגרת שותפות זו, טלור מתכוון לשלם ל-Morphware עבור השימוש באורקל שלהם בחודשים הראשונים.

בהשוואה למתחרים אחרים בשוק, ל- Morphware יש יתרון תחרותי. אסטרטגיית השוק הייחודית שלו הופכת את המוצר שלו לזול יותר מאחרים.

מחשבות סגירה על Morphware

ככל שמודלים של למידת מכונה הופכים מורכבים יותר ויותר, נבדקו הפרויקטים של מערכת אקולוגית חדשה של מודלים למידת מכונה הנסחרות ברשת מבוססת בלוקצ'יין.

ככזה, משתמשי הקצה או הקונים יכולים לרכוש את מודל העניין משוק למידת המכונה בעוד עובדים או מוכרים שמעוניינים להוציא חישובים מקומיים על נתונים כדי לשפר את איכות המודל הזה.

לפיכך, נבחן היחס היחסי בין הנתונים המקומיים לאיכות המודלים שהוכשרו, והערכות השווי של נתוני המוכר בהכשרת המודלים נאמדות.

הפרויקט מציג ביצועי ריצה תחרותיים, עלות ביצוע נמוכה יותר והוגנות מבחינת תמריצים למשתתפים.

Morphware היא אחת הפלטפורמות החלוציות שמציגה רשת עמית-לעמית שבה משתמשי קצה יכולים לשלם לשחקני משחקי וידאו כדי להכשיר מודלים של למידת מכונה, בשמם, במטבע Morphware Token של הפלטפורמה.

למידע נוסף על Morphware - אנא לחץ כאן!