Σήμερα, καθώς οι τεχνικές μηχανικής μάθησης εφαρμόζονται ευρέως σε μια σειρά εφαρμογών, η μηχανική εκμάθηση έχει γίνει σημαντική για τις διαδικτυακές υπηρεσίες.
Το Morphware είναι ένα αποκεντρωμένο σύστημα μηχανικής μάθησης που ανταμείβει τους ιδιοκτήτες επιταχυντών δημοπρατώντας την αδρανή υπολογιστική τους ισχύ και στη συνέχεια διευκολύνει τις σχετικές υπο-ρουτίνες, οι οποίες μπορούν να εκπαιδεύσουν και να δοκιμάσουν τα μοντέλα μηχανικής μάθησης σε αποκεντρωμένη χωρητικότητα εκ μέρους των επιστημόνων δεδομένων.
Οι τύποι μοντέλων μηχανικής εκμάθησης περιλαμβάνουν εποπτευόμενους ημι- ή μη εποπτευόμενους αλγόριθμους εκμάθησης.
Η εκπαίδευση ενός αλγορίθμου εποπτευόμενης μάθησης μπορεί να θεωρηθεί ως αναζήτηση του βέλτιστου συνδυασμού βαρών που θα εφαρμοστεί σε ένα σύνολο εισροών ή για την πρόβλεψη ενός επιθυμητού αποτελέσματος.
Η ώθηση αυτής της εργασίας είναι η υπολογιστική πολυπλοκότητα. Το υλικό που χρησιμοποιείται για την απόδοση βιντεοπαιχνιδιών μπορεί επίσης να επιταχύνει την εκπαίδευση εποπτευόμενων αλγορίθμων εκμάθησης.
Τι είναι το Morphware;
Ένα από τα βασικά προβλήματα στα μοντέλα μηχανικής μάθησης είναι ότι οι υπολογιστικοί πόροι που απαιτούνται για την εκτέλεση φόρτου εργασίας μηχανικής εκμάθησης τελευταίας τεχνολογίας διπλασιάζονται περίπου κάθε τρεισήμισι μήνες.
Για την αντιμετώπιση αυτού του ζητήματος, η Morphware αναπτύσσει ένα δίκτυο peer-to-peer που επιτρέπει σε ασκούμενους επιστήμονες δεδομένων, μηχανικούς μηχανικής εκμάθησης και φοιτητές επιστήμης υπολογιστών να πληρώνουν παίκτες βιντεοπαιχνιδιών ή άλλους για να εκπαιδεύουν μοντέλα για λογαριασμό τους.
Αν και οι μηχανές υλικού βοηθούν τους επιστήμονες δεδομένων να επιταχύνουν την ανάπτυξη μοντέλων μηχανικής εκμάθησης, το υψηλό κόστος αυτών των επιταχυντών υλικού αποτελεί επίσης εμπόδιο για πολλούς επιστήμονες δεδομένων.
Τι είναι τα μοντέλα μηχανικής μάθησης;
Τα μοντέλα μηχανικής εκμάθησης μπορεί να διαφέρουν ανάλογα με τον βαθμό επίβλεψης και παραμετροποίησης. Ο σκοπός της εκπαίδευσης ενός εποπτευόμενου-παραμετροποιημένου μοντέλου είναι να μειωθεί το ποσοστό σφάλματος που καλύπτει την αριθμητική απόσταση μεταξύ μιας πρόβλεψης και μιας παρατήρησης.
Η εκπαίδευση ενός μοντέλου μηχανικής μάθησης υλοποιείται με προεπεξεργασία και ακολουθείται από δοκιμή. Οι επιστήμονες δεδομένων διαχωρίζουν τα δεδομένα που τίθενται στη διάθεση των μοντέλων μηχανικής μάθησης ενώ εκπαιδεύονται από τα δεδομένα που τους διατίθενται κατά την περίοδο δοκιμών τους.
Επομένως, μπορεί να φανεί ότι το μοντέλο δεν ταιριάζει υπερβολικά με το σύνολο των διαθέσιμων δεδομένων, καθώς και τις επιδόσεις, οι οποίες μπορεί να είναι χειρότερες σε αόρατα δεδομένα.
Κανονικά, τα δεδομένα εκπαίδευσης και δοκιμής επιλέγονται από το ίδιο αρχείο ή κατάλογο κατά την προεπεξεργασία.
Η γέννηση της βαθιάς μάθησης είναι η μεγάλη έκρηξη του σύγχρονου Ως θεμελιωδώς νέο μοντέλο λογισμικού, η βαθιά εκμάθηση επιτρέπει σε δισεκατομμύρια νευρώνες λογισμικού και τρισεκατομμύρια συνδέσεις να εκπαιδεύονται, παράλληλα.
Η εκτέλεση αλγορίθμων βαθιάς νευρωνικών δικτύων και η εκμάθηση από παραδείγματα, ο επιταχυνόμενος υπολογισμός είναι μια ιδανική προσέγγιση και η GPU είναι ο ιδανικός επεξεργαστής.
Είναι ένας νέος συνδυασμός για τη δημιουργία μιας νέας γενιάς για πλατφόρμες υπολογιστών με καλύτερη απόδοση, παραγωγικότητα προγραμματισμού και ανοιχτή προσβασιμότητα.
Τα μοντέλα βαθιάς μάθησης είναι γνωστά ως υποσύνολο μοντέλων μηχανικής μάθησης. Είναι ιδιαίτερα απαιτητικά υπολογιστικά στην εκπαίδευση λόγω των διασυνδεδεμένων επιπέδων λανθάνουσας μεταβλητής τους.
Ποια είναι η λύση της Morphware;
Για αυτές τις συναλλαγές χρησιμοποιείται το νόμισμα Morphware Token της κύριας πλατφόρμας.
Μαρτυρίες
Η συνολική προσφορά του Morphware Token είναι 1,232,922,769 και μπορούν να καίγονται, αλλά όχι να κοπούν.
Μέσω ενός ιστότοπου που έχει σχεδιαστεί, αναπτυχθεί και αναπτυχθεί από τη Morphware, οι χρήστες μπορούν να αγοράσουν το διακριτικό της πλατφόρμας.
Λιγότερο από το δύο τοις εκατό της συνολικής προσφοράς Morphware Tokens θα είναι προς πώληση τον πρώτο μήνα.
Πώς λειτουργεί το Morphware
Η διαδικασία ενός μοντέλου μηχανικής μάθησης είναι η ανάλυση δεδομένων και στη συνέχεια είναι ένας επαναληπτικός κύκλος που ταλαντεύεται μεταξύ επιλογής μοντέλου και μηχανικής χαρακτηριστικών.
Ο σκοπός αυτής της εργασίας είναι να βοηθήσει τους τελικούς χρήστες, όπως οι επιστήμονες δεδομένων, να επαναλάβουν ταχύτερα, δημιουργώντας πρόσβαση σε ένα αποκεντρωμένο δίκτυο υπολογιστών που μπορεί να επιταχύνει τον φόρτο εργασίας τους.
Οι τελικοί χρήστες συνδυάζονται με κόμβους εργαζομένων και πληρώνουν μέσω μιας αντίστροφης δημοπρασίας με σφραγισμένη προσφορά, δεύτερης τιμής. Πληρώνουν κόμβους εργαζόμενους για να εκπαιδεύσουν τα μοντέλα τους και κόμβους επικύρωσης για να δοκιμάσουν τα μοντέλα που εκπαιδεύονται από κόμβους εργαζομένων από την Morphware Tokens.
Οι ρόλοι και οι ευθύνες των μελών του δικτύου περιλαμβάνουν δύο αυτόνομους τύπους ομοτίμων.
Για να εργαστούν με το Morphware, οι τελικοί χρήστες απλώς ανεβάζουν το μοντέλο τους, με τη μορφή ενός σημειωματάριου Jupyter ή ενός αρχείου Python, τα δεδομένα εκπαίδευσης και δοκιμής.
Στη συνέχεια, πρέπει να καθορίσουν το επίπεδο ακρίβειας στόχου και να δώσουν μια πρόβλεψη για το χρόνο που θα χρειαστεί για να φτάσει σε αυτό το επίπεδο ακρίβειας. Κάνοντας κλικ στην υποβολή για να ολοκληρωθεί.
Οι τελικοί χρήστες υποβάλλουν μοντέλα για να εκπαιδευτούν από τους εργαζόμενους και να δοκιμαστούν από τους επικυρωτές. Εν τω μεταξύ, οι εργαζόμενοι είναι οι κόμβοι που κερδίζουν διακριτικά από μοντέλα εκπαίδευσης που υποβάλλονται από τους τελικούς χρήστες.
Οι επικυρωτές είναι οι κόμβοι που κερδίζουν διακριτικά δοκιμάζοντας μοντέλα που εκπαιδεύονται από τους εργαζόμενους.
Μόλις ο τελικός χρήστης υποβάλει το μοντέλο, θα εκπαιδευτεί από τους εργαζόμενους και θα δοκιμαστεί από τους επικυρωτές, μέσω της πλατφόρμας, η οποία επικοινωνεί με το δίκτυο μέσω του back-end daemon του.
Ο δαίμονας είναι υπεύθυνος όχι μόνο για τη δημιουργία αλγορίθμων και των αντίστοιχων συνόλων δεδομένων τους για ό,τι υποβάλλεται από τον τελικό χρήστη μέσω του πελάτη, αλλά και για την αποστολή της αρχικής πρόσκλησης εργασίας στο έξυπνο συμβόλαιο.
Επιπλέον, ο δαίμονας είναι υπεύθυνος για την εκπαίδευση και τη δοκιμή των μοντέλων, από τους εργάτες και τους επικυρωτές.
Η παράδοση με τη βοήθεια ομοτίμων επιτρέπει τη διάδοση ενός αλγορίθμου και ενός αντίστοιχου συνόλου δεδομένων από έναν τελικό χρήστη σε έναν εργαζόμενο ή έναν επικυρωτή.
Ωστόσο, οι αρχικές απαιτήσεις εργασίας από τον τελικό χρήστη και οι σχετικές απαντήσεις στον τελικό χρήστη από εργαζομένους ή επικυρωτές δημοσιεύονται στο έξυπνο συμβόλαιο.
Οι αρχικές απαιτήσεις εργασίας περιλαμβάνουν τον εκτιμώμενο χρόνο εκτέλεσης της περιόδου εκπαίδευσης, τον μαγνήτη που σχετίζεται με τον αλγόριθμο, το σετ εκπαίδευσης και το σύνολο δεδομένων δοκιμής.
Μια απάντηση από έναν εργαζόμενο περιλαμβάνει έναν μαγνητικό σύνδεσμο στο μοντέλο που εκπαίδευσε, το οποίο στη συνέχεια ελέγχεται από πολλούς επικυρωτές.
Εάν το μοντέλο που εκπαιδεύτηκε πληροί το απαιτούμενο όριο απόδοσης, ο εργαζόμενος και οι επικυρωτές θα λάβουν διακριτικά ως ανταμοιβή.
Τι κάνει το Morphware Εξαιρετικό
Το Morphware είναι μια αγορά δύο όψεων.
Η αγορά εξυπηρετεί επιστήμονες δεδομένων που μπορούν να χρησιμοποιήσουν την πλατφόρμα για πρόσβαση σε απομακρυσμένη υπολογιστική ισχύ μέσω του δικτύου υπολογιστών όπως CPU, GPU, RAM όπως θα χρησιμοποιούσαν το AWS, αλλά με χαμηλότερο κόστος και με πιο φιλική προς τον χρήστη διεπαφή.
Από την άλλη πλευρά, η Morphware εξυπηρετεί επίσης ιδιοκτήτες πλεονάζουσας υπολογιστικής ισχύος που θέλουν να κερδίσουν χρήματα και ανταμοιβές πουλώντας την υπολογιστική τους ισχύ.
Επομένως, τα τμήματα πελατών του εστιάζουν σε επιστήμονες δεδομένων, παίκτες ή άτομα με υπερβολική υπολογιστική ισχύ που θέλουν να κερδίσουν χρήματα.
Επί του παρόντος, η λίστα πελατών του Morphware αυξάνεται συνεχώς, συμπεριλαμβανομένου ενός επιστήμονα δεδομένων που εργάζεται σε ένα αυτοοδηγούμενο αυτοκίνητο Mobility Lab, σε φοιτητικές οργανώσεις που χρειάζονται υποστήριξη επιστήμης δεδομένων και σε εταιρείες αυτοκινήτων όπως η Suzu, η Mitsubishi ή η Volvo.
Η Morphware έχει επίσης συνεργαστεί με την Tellor. Στο πλαίσιο αυτής της συνεργασίας, η Tellor πρόκειται να πληρώσει τη Morphware για τη χρήση του μαντείου της για τους πρώτους μήνες.
Σε σύγκριση με άλλους ανταγωνιστές στην αγορά, η Morphware έχει ανταγωνιστικό πλεονέκτημα. Η μοναδική στρατηγική της στην αγορά καθιστά το προϊόν της φθηνότερο από άλλα.
Κλείσιμο Σκέψεων για Morphware
Καθώς τα μοντέλα μηχανικής μάθησης γίνονται όλο και πιο περίπλοκα, έχουν διερευνηθεί τα έργα για ένα νέο οικοσύστημα μοντέλων μηχανικής μάθησης που διαπραγματεύονται μέσω ενός δικτύου που βασίζεται σε Blockchain.
Ως εκ τούτου, οι τελικοί χρήστες ή οι αγοραστές μπορούν να αποκτήσουν το μοντέλο ενδιαφέροντος από την αγορά μηχανικής μάθησης, ενώ οι εργαζόμενοι ή οι πωλητές που ενδιαφέρονται να ξοδέψουν τοπικούς υπολογισμούς σε δεδομένα για να βελτιώσουν την ποιότητα αυτού του μοντέλου.
Ως εκ τούτου, λαμβάνεται υπόψη η αναλογική σχέση μεταξύ των τοπικών δεδομένων και της ποιότητας των εκπαιδευμένων μοντέλων και εκτιμώνται οι αποτιμήσεις των δεδομένων του πωλητή στην εκπαίδευση των μοντέλων.
Το έργο δείχνει ανταγωνιστική απόδοση χρόνου εκτέλεσης, χαμηλότερο κόστος εκτέλεσης και δικαιοσύνη όσον αφορά τα κίνητρα για τους συμμετέχοντες.
Το Morphware είναι μία από τις πρωτοποριακές πλατφόρμες που εισάγει ένα δίκτυο peer-to-peer όπου οι τελικοί χρήστες μπορούν να πληρώνουν παίκτες βιντεοπαιχνιδιών για να εκπαιδεύουν μοντέλα μηχανικής εκμάθησης, για λογαριασμό τους, στο νόμισμα Morphware Token της πλατφόρμας.
Για να μάθετε περισσότερα για το Morphware – κάντε κλικ εδώ!
Πηγή: https://blockonomi.com/morphware-guide/