Blockchain klar til at demokratisere AI‑træning gennem DRL‑forespørgselskrowdsourcing

Deep Reinforcement Learning (DRL) er en af de mest populære og avancerede AI‑algoritmer i brug i dag. Disse systemer kombinerer effektiviteten af maskinlæringsprotokoller med programmerbarheden af dybe neurale netværk for at producere forbløffende resultater. I dag har DRL AI‑algoritmer hjulpet med at løse nogle af videnskabens ældste gåder og afsløret mønstre og løsninger, som mennesker let overså.

Nyligt introducerede en gruppe forskere et nyt koncept på markedet, som kan hjælpe med at bringe DRL‑algoritmer til flere virksomheder, forskere og endda almindelige brugere i fremtiden. Systemet bruger et blockchain‑marked og incitamenter til at strømline adoptionen. Her er alt, hvad du behøver at vide om, hvordan blockchain er på vej til at spille en stadig vigtigere rolle i DRL‑fællesskabet.

Hvad gør DRL AI anderledes?

En af de største fordele ved DRL AI‑algoritmer er, at de kan overføre deres viden fra scenarier til nye situationer. Denne evne gør dem ideelt egnet til selvindlæring i nye miljøer baseret på modeldata. DRL AI‑systemer kan undersøge en ny situation og skabe komplekse svar, der kan understøtte alt fra at køre autonome køretøjer til at lokalisere kræftceller i din lever eller nyre.

Source – Analyticsvidhya

DRL AI‑systemer er blandt de mest avancerede og er blevet den foretrukne løsning til fortolkning og afkodning af høj‑dimensionelle rå inputdata. Disse oplysninger kan forekomme som billeder, videoer og mere. Som følge heraf har der været et stærkt skift mod at anvende og udvide denne teknologi på tværs af industrier. Nogle analytikere mener, at DRL AI en dag kunne drive generelle AI‑systemer, der kan sendes for at lære nye opgaver fra mennesker, før de vedtager en autonom løsning.

En anden grund til, at forskere er begejstrede for DRL AI‑systemer, er, at de tilbyder uovertruffen skalerbarhed. Bekymringer omkring skalerbarhed har begrænset AI‑teknologi i årevis. DRL‑systemer kan skalere for at imødekomme massernes efterspørgsel. Derudover kan de indtaste data fra det opskalerede netværk for yderligere at forbedre ydeevnen.

Ulemper ved DRL AI

DRL AI‑algoritmer er blandt de sværeste at programmere og implementere. En del af grunden til, at det er så svært at skabe disse AI‑algoritmer, er det enorme antal variabler og data, der kræves for, at de kan fungere korrekt. For det første skal systemet tage højde for forskellige miljøinteraktioner, parametre, situationer, timing og tidligere programmering. Alle disse processer foregår på millisekunder for at levere en glat AI‑oplevelse for brugerne.

At skabe en avanceret og responsiv DRL‑algoritme kan være en dyr opgave, der kræver ekspertbistand. Disse algoritmer skal først oprettes, data importeres og testes, og derefter finjusteres for at forbedre resultaterne. Denne tilgang kræver tid og finansiering, hvilket øger de samlede krav til teknologien.

Hvordan kan den gennemsnitlige person få adgang til DRL AI‑teknologi

Disse krav gør DRL‑algoritmer til en af de dyreste typer AI‑systemer at modellere. Omkostningerne til AI‑udviklere, testning, dataindsamling og modellering efterlader de fleste brugere langt fra startlinjen, når det gælder implementering af denne teknologi i deres modeller.

Hvordan blockchain‑teknologi kan hjælpe med at drive DRL‑udvikling fremad

Der er flere måder, hvorpå blockchain‑teknologi kan hjælpe med at forbedre adgangen til DRL‑teknologi fremover. Historien har vist, at blockchain‑protokoller kan hjælpe med at drive adoption og udvide adgangen til tjenester, hvis de bruges korrekt. Allerede har AI‑maskinlæringssektoren set adskillige AI‑drevne integrationer, der har hjulpet med at fremme adoption og innovation.

Maskinlæring som en tjeneste (MLaaS) modeller er på plads, som gør det muligt for brugere at oprette, handle, købe og integrere avancerede ML‑algoritmer på tværs af et sikkert blockchain‑økosystem. I de fleste tilfælde inkluderer denne tilgang et marked, der incitamenterer brugere til at udvikle og tilbyde AI‑modeller og andre tjenester til fællesskabet.

Bemærkelsesværdigt har denne model vist sig at være en fremragende måde at åbne døren for nye brugere og fjerne mange af de hindringer, der står i vejen for adoption. Derfor er det ikke overraskende, at en lignende tilgang nu er på bordet for DRL AI‑systemer. DRL som en tjeneste (DRaaS) rammeværket hjælper med at løse nogle af de største udfordringer ved DRL og kan hjælpe med at indlede en ny æra af AI‑tilgængelighed, innovation og kapaciteter.

DRLaaS

The DRLaaS som en rammeværktøjs tilgang gør det muligt for virksomheder at benytte DRL‑tjenester uden at skulle investere fuldt ud i en intern AI‑algoritme. Denne tilgang kan markant sænke omkostningerne for virksomheder og forskere, der søger acceptable AI‑modeller i deres drift. Brugere kan vælge, hvilke funktioner de har brug for, og hvornår de har brug for dem. Denne strategi reducerer unødvendige omkostninger og sikrer, at fællesskabet tilbyder incitamenter til udviklere.

Hvordan DRLaaS‑rammen fungerer

Forskerne begyndte med at vælge en blockchain, der kunne skalere, leverede høj programmerbarhed og havde en dokumenteret historik med succes. Efter at have undersøgt flere muligheder besluttede teamet, at det var bedst at oprette DRLaaS‑rammen på Consortium Blockchain. Bemærkelsesværdigt er Consortium en privilegeret tilladelses‑blockchain, der fungerer som et privat netværk, men under styring af et konsortium.

Consortium udnytter en unik Proof-of-Authority‑algoritme, der integrerer godkendte noder for at sikre skalerbarhed, øge ydeevnen og levere kvalitet. Bemærkelsesværdigt integrerer Consortium et egenskabsfil‑lagringssystem kaldet InterPlanetary File System (IPFS). Denne protokol er yderst effektiv til at forhindre manipulation og gør det muligt for brugere at udnytte smarte kontrakter til at anmode om AI‑opgaver.

Brugere af det nye system kan fremsætte DRL‑modulforespørgsler til fællesskabet. Disse forespørgsler kan besvares af udviklere, der allerede har oprettet eller har evnen til at udvikle den tilsvarende DRL‑algoritme. De modtager kompensation for deres indsats i form af belønnings‑tokens. Dette incitamentsystem har vist sig effektivt til at hjælpe med at opbygge AI‑fællesskaber og var afgørende for at drive ML AI‑sektoren fremad.

Hvorfor DRLaaS‑muligheden er en smart løsning – DRL

En af de primære årsager til, at DRLaaS‑muligheden helt sikkert vil få mere støtte, er, at det er så dyrt at skabe DRL‑algoritmer. Hardwareomkostningerne for disse systemer kan være vanvittigt høje. For at sætte programmeringen af et DRL AI‑system i perspektiv, henviste forskerne til DOTA DRL AI‑algoritmen, som for nylig blev fremsat af et forskerteam.

Programmeringen af DOTA‑algoritmen krævede 51 tusinde CPU’er og 512 GPU’er. For den gennemsnitlige forsker, bruger eller virksomhed er der ingen måde at få adgang til så meget beregningskraft på en overkommelig måde. Køb af dette udstyr er ikke den eneste økonomiske hindring. Der er stadig behov for at indsamle data, programmere AI‑systemerne og andre opgaver forbundet med implementeringen. I sidste ende kan DRLaaS være den eneste måde for de fleste virksomheder at få sikker adgang til disse kraftfulde værktøjer.

Nu kan virksomheder udnytte den øverste ekspertise og domænekendskab til at skabe tilpassede AI‑løsninger, der opfylder deres behov. DRLaaS‑muligheden gør det muligt for disse virksomheder at bruge AI‑systemer efter behov, hvilket reducerer unødvendig eksponering og omkostninger betydeligt.

Forskere

Forskerne bag undersøgelsen omfatter en række ingeniører, analytikudviklere og mere. Specifikt krediterer undersøgelsen forfatterne Ahmed Alagha, Hadi Otrok, Shakti Singh, Rabeb Mizouni og Jamal Bentaharas som hovedforfattere. Nu søger teamet at udvide sine operationer og implementering til markedet, hvilket driver mere adgang for masserne.

DRL-teknologianvendelser

Der findes mange DRL AI‑anvendelser i drift i dag. Disse systemer spiller vitale roller i autonome køretøjer, navigation, sundhedspleje, gaming og mere. Her er nogle få fremtrædende anvendelser af DRL‑systemet, som kan hjælpe med at forbedre de nuværende muligheder betydeligt.

DRL Sundhedspleje

DRL‑teknologi fortsætter med at spille en vital rolle i næste generations sundhedsplejepraksis. Disse avancerede AI‑systemer har vist sig at være ekstremt dygtige til at bestemme mønstre på tværs af massive datamodeller, hvilket gør det muligt for forskere at se tidligere uopdagede korrelationer. Allerede nu findes der AI‑systemer, der kan hjælpe med at bestemme din organs sundhed, scanne hjerneaktivitet og lokalisere beskadigede celler.

DRL Militær

Brugen af DRL‑teknologi i militæret er stigende. Denne teknologi er blevet anvendt i fremtidige krigssystemer, herunder det voksende antal drone‑sværme. Drone‑sværme er en metode til at angribe en fjende ved hjælp af massive mængder autonome droner. Denne tilgang er beregnet til at overvælde luftforsvar.

DRL AI‑systemer spiller også en vital rolle i målidentifikation. Nutidens militære overvågningssystemer integrerer DRL for at holde øje med de mindste ændringer i det overvågede område, hvilket afslører skjulte våben og potentielle mål mere effektivt. I fremtiden vil der være komplette AI‑kill‑chains, der eliminerer behovet for menneskelig godkendelse ved bestemmelse af et mål.

Lignende tilgange anvendt af blockchain-projekter

Flere blockchain-projekter har brugt lignende crowdsourcing‑metoder til at drive innovation i industrier. I starten blev denne form for blockchain‑integration brugt til cloud‑computing‑tjenester. Derefter udvidede den sig til datadeling og beregningsudvekslinger. I dag kan du finde crowdsourcede markedspladser for avancerede beregninger, herunder AI, på tværs af markedet. Her er nogle få fremtrædende eksempler.

Golem (GLM)

Golem er en AI‑fokuseret decentraliseret beregningsmarkedsplads, der gør det muligt for brugere at sikre belønninger i form af tokens for at dele deres ubrugte beregningskraft. Protokollen gør det muligt for alle at få adgang til massiv beregningskraft uden at skulle købe dyr hardware. Kernen i Golems tilgang er en decentraliseret markedsplads. Her kan brugere sikre GLM‑tokens, der leverer CPU‑kraft til udviklere, forskere og brugere.

Bemærkelsesværdigt gør Golem det muligt for brugere at tage store beregningsopgaver og delegere dem til mindre løsninger, der er spredt ud blandt fællesskabet af aktive brugere. Denne strategi sænker omkostningerne og forbedrer effektivitet og decentralisering. Som sådan er Golem et populært projekt, der var blandt de første til at levere beregning som en tjeneste ved hjælp af blockchain‑systemer. I dag er det anerkendt som en banebrydende platform, der har sikret en stærk brugerbase.

Render (RENDER)

Render er et industrialiseret AI‑drevet blockchain‑baseret system, der leverer næsten ubegrænset beregningskraft til AI‑udviklere. Protokollen fokuserede oprindeligt på at bruge sin massive decentraliserede beregningskraft til at hjælpe med at udvikle og behandle den enorme mængde high‑def video og effekter, der er nødvendige for nutidens gaming, forskning og underholdning.

Render styrker de videnskabelige, underholdnings‑ og forskningsfællesskaber via sin unikke og dokumenterede tilgang. Platformen bruger Ethereum til validering, mens den integrerer OctaneRender‑protokollen for at forbedre 3D‑behandlingsydelsen. De, der leverer CPU‑kraft til fællesskabet, tjener RENDER‑tokens baseret på den mængde beregningskraft, de leverer.

Børsnoteret virksomhed, der udvikler innovative AI-løsninger

Flere AI-virksomheder udvikler AI, som en dag vil interagere med dit liv. I mange tilfælde tænker du måske på store virksomheder som Microsoft (MSFT ), når du diskuterer AI-udvikling. Der er dog flere børsnoterede AI‑muligheder, der er værd at undersøge. Her er et eksempel på en virksomhed, der bruger AI til at levere meget nødvendige tjenester til markedet.

1. BrainChip (BRCHF)

Brainchip er en innovativ software- og hardwareleverandør til AI‑sundhedsindustrien. Platformen introducerer en neuromorfisk beregningsmodel, der er designet til at repræsentere, hvordan neuroner fungerer i hjernen. Denne strategi har vist sig at være energieffektiv og levere høj ydeevne.

BrainChip er en pioner inden for AI‑feltet og fører vejen inden for AIoT (Artificial Intelligence of Things) netværk. Dette koncept kombinerer den lave pris og tilgængelighed af IoT (Internet of Things) smarte enheder med kapaciteten af avancerede AI-algoritmer. Resultatet er et yderst kapabelt system, der kan overvåge driften, opdage problemer før de opstår, og hurtigt præsentere levedygtige løsninger.

DRL-forespørgselskrowdsourcing – Vejen frem

Introduktionen af en DRLaaS‑mulighed vil hjælpe med at drive integration på tværs af markedet. Denne tilgang har en dokumenteret historik med at udvide brugerforståelse og adgang i andre AI‑sektorer. Som sådan er den perfekt at anvende på DRL‑markedet. Du kan forvente at se meget mere AI‑integration, efterhånden som DRL‑tjenester bliver tilgængelige for masserne fremover.

Lær om andre AI projekter på dansk.