Blockchain soll KI-Training durch DRL-Anfrage-Crowdsourcing demokratisieren

Deep Reinforcement Learning (DRL) ist einer der beliebtesten und fortschrittlichsten KI-Algorithmen, die heute verwendet werden. Diese Systeme kombinieren die Wirksamkeit von Machine-Learning-Protokollen mit der Programmierbarkeit von Deep Neural Networks, um erstaunliche Ergebnisse zu erzielen. Heute haben DRL‑KI‑Algorithmen dazu beigetragen, einige der ältesten Rätsel der Wissenschaft zu lösen und Muster sowie Lösungen aufzudecken, die Menschen leicht übersehen haben.

Kürzlich hat eine Gruppe von Forschern ein neues Konzept auf den Markt gebracht, das helfen könnte, DRL‑Algorithmen künftig mehr Unternehmen, Forschern und sogar alltäglichen Nutzern zugänglich zu machen. Das System nutzt einen Blockchain‑Markt und Anreize, um die Einführung zu vereinfachen. Hier erfahren Sie alles, was Sie darüber wissen müssen, wie Blockchain eine immer wichtigere Rolle in der DRL‑Gemeinschaft spielen wird.

Was macht DRL‑KI anders?

Ein Hauptvorteil von DRL‑KI‑Algorithmen ist, dass sie ihr Wissen von einem Szenario auf neue Situationen übertragen können. Diese Fähigkeit macht sie ideal für selbstgesteuertes Lernen in neuen Umgebungen basierend auf Modelldaten. DRL‑KI‑Systeme können eine neue Situation analysieren und komplexe Antworten erzeugen, die alles unterstützen können, vom Fahren autonomer Fahrzeuge bis hin zum Auffinden von Krebszellen in Ihrer Leber oder Niere.

Quelle – Analyticsvidhya

DRL‑KI‑Systeme gehören zu den fortschrittlichsten und haben sich als bevorzugte Lösung für die Interpretation und Entschlüsselung hochdimensionaler Rohdaten etabliert. Diese Informationen können in Form von Bildern, Videos und mehr vorliegen. Daher hat sich ein starker Trend zur Nutzung und Erweiterung dieser Technologie über verschiedene Branchen hinweg entwickelt. Einige Analysten glauben, dass DRL‑KI eines Tages allgemeine KI‑Systeme antreiben könnte, die von Menschen neue Aufgaben erlernen, bevor sie eine autonome Lösung übernehmen.

Ein weiterer Grund, warum Forscher DRL‑KI‑Systeme schätzen, ist ihre unvergleichliche Skalierbarkeit. Skalierbarkeitsprobleme haben die KI‑Technologie jahrelang eingeschränkt. DRL‑Systeme können skalieren, um den Anforderungen der Masse gerecht zu werden. Darüber hinaus können sie Daten aus dem hochskalierten Netzwerk einspeisen, um die Leistung weiter zu verbessern.

Nachteile von DRL‑KI

DRL‑KI‑Algorithmen gehören zu den am schwierigsten zu programmierenden und zu implementierenden. Ein Grund dafür, dass die Erstellung dieser KI‑Algorithmen so komplex ist, liegt in der enormen Anzahl an Variablen und Daten, die für einen korrekten Betrieb erforderlich sind. Zum einen muss das System verschiedene Umweltinteraktionen, Parameter, Situationen, Zeitabläufe und frühere Programmierungen berücksichtigen. All diese Prozesse finden in Millisekunden statt, um den Nutzern ein reibungsloses KI‑Erlebnis zu bieten.

Die Erstellung eines fortschrittlichen und reaktionsfähigen DRL‑Algorithmus kann eine kostspielige Aufgabe sein, die Expertenunterstützung erfordert. Diese Algorithmen müssen zunächst entwickelt, Daten importiert und getestet sowie anschließend feinabgestimmt werden, um die Ergebnisse zu verbessern. Dieser Ansatz erfordert Zeit und finanzielle Mittel, was die Gesamterfordernisse der Technologie erhöht.

Wie kann die durchschnittliche Person auf DRL‑KI‑Technologie zugreifen

Diese Anforderungen machen DRL‑Algorithmen zu einer der teuersten KI‑Systeme, die modelliert werden können. Die Kosten für KI‑Programmierer, Tests, Datenerfassung und Modellierung lassen die meisten Nutzer weit vom Start entfernt zurück, wenn es darum geht, diese Technologie in ihre Modelle zu integrieren.

Wie Blockchain‑Technologie die Weiterentwicklung von DRL vorantreiben könnte

Es gibt mehrere Möglichkeiten, wie Blockchain‑Technologie künftig den Zugang zu DRL‑Technologie verbessern kann. Die Geschichte hat gezeigt, dass Blockchain‑Protokolle die Akzeptanz fördern und den Zugang zu Diensten erweitern können, wenn sie richtig eingesetzt werden. Bereits im Bereich KI‑Machine‑Learning wurden zahlreiche KI‑gestützte Integrationen beobachtet, die die Akzeptanz und Innovation vorangetrieben haben.

Machine Learning as a Service (MLaaS)-Modelle ermöglichen es Nutzern, fortschrittliche ML‑Algorithmen zu erstellen, zu handeln, zu erwerben und in ein sicheres Blockchain‑Ökosystem zu integrieren. In den meisten Fällen beinhaltet dieser Ansatz einen Marktplatz, der Nutzer dazu anregt, KI‑Modelle und andere Dienste der Community zur Verfügung zu stellen.

Insbesondere hat sich dieses Modell als hervorragender Weg erwiesen, neue Nutzer zu gewinnen und viele Hindernisse für die Akzeptanz zu beseitigen. Daher ist es nicht überraschend, dass ein ähnlicher Ansatz nun für DRL‑KI‑Systeme in Betracht gezogen wird. Das DRL‑as‑a‑Service (DRaaS)-Framework hilft, einige der größten Probleme von DRL zu lösen und könnte ein neues Zeitalter der KI‑Zugänglichkeit, Innovation und Fähigkeiten einläuten.

DRLaaS

Der DRLaaS-Ansatz als Rahmen ermöglicht es Unternehmen, DRL‑Dienste zu nutzen, ohne vollständig in einen internen KI‑Algorithmus investieren zu müssen. Dieser Ansatz kann die Kosten für Unternehmen und Forscher, die akzeptable KI‑Modelle in ihren Abläufen benötigen, erheblich senken. Nutzer können auswählen, welche Funktionen sie benötigen und wann sie diese benötigen. Diese Strategie reduziert unnötige Kosten und stellt sicher, dass die Community Anreize für Entwickler bietet.

Wie das DRLaaS‑Framework funktioniert

Die Forscher begannen damit, eine Blockchain auszuwählen, die skalierbar ist, hohe Programmierbarkeit bietet und eine nachweisliche Erfolgsgeschichte hat. Nach Prüfung mehrerer Optionen entschied das Team, das DRLaaS‑Framework auf der Consortium‑Blockchain zu erstellen. Besonders bemerkenswert ist, dass Consortium eine privilegierte Permission‑Blockchain ist, die wie ein privates Netzwerk funktioniert, jedoch unter der Governance eines Konsortiums.

Consortium nutzt einen einzigartigen Proof‑of‑Authority‑Algorithmus, der geprüfte Knoten integriert, um Skalierbarkeit zu gewährleisten, die Leistung zu steigern und Qualität zu bieten. Besonders hervorzuheben ist, dass Consortium ein Property‑File‑Speichersystem namens InterPlanetary File System (IPFS) integriert. Dieses Protokoll ist äußerst effektiv, um Manipulationen zu verhindern, und ermöglicht es Nutzern, Smart Contracts zu verwenden, um KI‑Aufgaben anzufordern.

Nutzer des neuen Systems können DRL‑Modul‑Anfragen an die Community stellen. Diese Anfragen können von Entwicklern beantwortet werden, die bereits den entsprechenden DRL‑Algorithmus erstellt haben oder die Fähigkeit besitzen, ihn zu entwickeln. Sie erhalten für ihre Arbeit eine Vergütung in Form von Belohnungs‑Tokens. Dieses Anreizsystem hat sich als wirksam erwiesen, um KI‑Communities aufzubauen, und war entscheidend für den Fortschritt des ML‑KI‑Sektors.

Warum die DRLaaS‑Option eine intelligente Lösung ist – DRL

Einer der Hauptgründe, warum die DRLaaS‑Option voraussichtlich mehr Unterstützung erhalten wird, ist die Tatsache, dass die Erstellung von DRL‑Algorithmen sehr teuer ist. Die Hardwarekosten für diese Systeme können enorm hoch sein. Um die Programmierung eines DRL‑KI‑Systems in Perspektive zu setzen, verwiesen die Forscher auf den DOTA‑DRL‑KI‑Algorithmus, der kürzlich von einem Forscherteam vorgestellt wurde.

Die Programmierung des DOTA‑Algorithmus erforderte 51 000 CPUs und 512 GPUs. Für den durchschnittlichen Forscher, Nutzer oder das Unternehmen gibt es keine erschwingliche Möglichkeit, diese Rechenleistung zu erhalten. Der Kauf dieser Ausrüstung ist nicht das einzige finanzielle Hindernis. Es besteht weiterhin Bedarf, Daten zu beschaffen, die KI‑Systeme zu programmieren und weitere mit der Implementierung verbundene Aufgaben zu erledigen. Letztlich könnte DRLaaS für die meisten Unternehmen der einzige sichere Weg sein, um auf diese leistungsstarken Werkzeuge zuzugreifen.

Jetzt können Unternehmen das höchste Maß an Fachwissen und Domänenkenntnissen nutzen, um maßgeschneiderte KI‑Lösungen zu erstellen, die ihren Bedürfnissen entsprechen. Die DRLaaS‑Option ermöglicht es diesen Firmen, KI‑Systeme bei Bedarf zu nutzen, wodurch unnötige Risiken und Kosten erheblich reduziert werden.

Forscher

Die Forscher hinter der Studie umfassen verschiedene Ingenieure, Analysten, Entwickler und mehr. Konkret nennt die Studie die Autoren Ahmed Alagha, Hadi Otrok, Shakti Singh, Rabeb Mizouni und Jamal Bentaharas als Hauptautoren. Jetzt strebt das Team an, seine Aktivitäten und Implementierung auf den Markt auszuweiten, um den Zugang für die breite Masse zu erhöhen.

Anwendungen der DRL‑Technologie

Heute gibt es zahlreiche DRL‑KI‑Anwendungen im Einsatz. Diese Systeme spielen eine zentrale Rolle bei autonomen Fahrzeugen, Navigation, Gesundheitswesen, Gaming und mehr. Hier sind einige herausragende Anwendungen des DRL‑Systems, die die aktuellen Optionen erheblich verbessern könnten.

DRL‑Gesundheitswesen

DRL‑Technologie spielt weiterhin eine entscheidende Rolle in den Gesundheitspraktiken der nächsten Generation. Diese fortschrittlichen KI‑Systeme haben sich als äußerst gut darin erwiesen, Muster in riesigen Datenmodellen zu erkennen, wodurch Forschern zuvor übersehene Korrelationen sichtbar werden. Bereits gibt es KI‑Systeme, die Ihre Organfunktion beurteilen, Gehirnwellaktivitäten scannen und beschädigte Zellen lokalisieren können.

DRL‑Militär

Der Einsatz von DRL‑Technologie im Militär nimmt zu. Diese Technologie wird in zukünftigen Kriegssystemen eingesetzt, darunter die zunehmende Zahl von Drohnenschwärmen. Drohnenschwärme sind eine Methode, einen Feind mit einer großen Anzahl autonomer Drohnen anzugreifen. Dieser Ansatz soll die Luftverteidigung überfordern.

DRL‑KI‑Systeme spielen auch eine entscheidende Rolle bei der Zielerfassung. Heutige militärische Überwachungssysteme integrieren DRL, um kleinste Veränderungen im überwachten Gebiet zu verfolgen und versteckte Waffen sowie potenzielle Ziele effektiver aufzudecken. In Zukunft wird es vollständige KI‑Kill‑Chains geben, die die Notwendigkeit menschlicher Genehmigungen bei der Zielbestimmung eliminieren.

Ähnliche Ansätze von Blockchain‑Projekten

Mehrere Blockchain‑Projekte haben ähnliche Crowdsourcing‑Methoden eingesetzt, um Innovationen in Branchen voranzutreiben. Anfangs wurde dieser Stil der Blockchain‑Integration für Cloud‑Computing‑Dienste verwendet. Anschließend expandierte er zu Daten‑Sharing und Rechen‑Austauschplattformen. Heute gibt es Crowdsourcing‑Marktplätze für fortgeschrittene Berechnungen, einschließlich KI, auf dem gesamten Markt. Hier sind einige herausragende Beispiele.

Golem (GLM)

Golem ist ein KI‑fokussierter dezentraler Computing‑Marktplatz, der es Nutzern ermöglicht, Belohnungen in Form von Tokens zu erhalten, wenn sie ihre ungenutzte Rechenleistung teilen. Das Protokoll ermöglicht es jedem, Zugang zu enormer Rechenleistung zu erhalten, ohne teure Hardware kaufen zu müssen. Im Kern von Golems Ansatz steht ein dezentraler Marktplatz. Hier können Nutzer GLM‑Tokens sichern, die CPU‑Leistung für Entwickler, Forscher und Nutzer bereitstellen.

Besonders bemerkenswert ist, dass Golem es Nutzern ermöglicht, große Rechenaufgaben zu übernehmen und sie an kleinere Lösungen zu delegieren, die über die Community aktiver Nutzer verteilt sind. Diese Strategie senkt Kosten und verbessert Effizienz sowie Dezentralisierung. Daher ist Golem ein beliebtes Projekt, das zu den ersten gehörte, die Computing‑as‑a‑Service mit Blockchain‑Systemen bereitstellten. Heute wird es als wegweisende Plattform mit einer starken Nutzerbasis anerkannt.

Render (RENDER)

Render ist ein industrialisiertes, KI‑gestütztes, blockchain‑basiertes System, das KI‑Entwicklern nahezu unbegrenzte Rechenleistung bietet. Das Protokoll konzentrierte sich ursprünglich darauf, seine massive dezentrale Rechenleistung zu nutzen, um die enorme Menge an hochauflösendem Video und Effekten zu entwickeln und zu verarbeiten, die für das heutige Gaming, die Forschung und Unterhaltung benötigt werden.

Render stärkt die wissenschaftliche, Unterhaltungs‑ und Forschungsgemeinschaft durch seinen einzigartigen und bewährten Ansatz. Die Plattform nutzt Ethereum für die Validierung und integriert das OctaneRender‑Protokoll, um die 3D‑Verarbeitungsleistung zu verbessern. Diejenigen, die der Community CPU‑Leistung bereitstellen, verdienen RENDER‑Tokens basierend auf der Menge der von ihnen bereitgestellten Rechenleistung.

Börsennotiertes Unternehmen, das innovative KI‑Lösungen entwickelt

Mehrere KI‑Unternehmen entwickeln KI, die eines Tages mit Ihrem Leben interagieren wird. In vielen Fällen denken Sie bei der KI‑Entwicklung an große Unternehmen wie Microsoft (MSFT ). Es gibt jedoch mehrere börsennotierte KI‑Optionen, die einen Blick wert sind. Hier ist ein Beispiel für ein Unternehmen, das KI nutzt, um dringend benötigte Dienste für den Markt bereitzustellen.

1. BrainChip (BRCHF)

Brainchip ist ein innovativer Anbieter von Software und Hardware für die KI‑Gesundheitsbranche. Die Plattform führt ein neuromorphes Rechenmodell ein, das entwickelt wurde, um die Funktionsweise von Neuronen im Gehirn nachzubilden. Dieser Ansatz hat sich als energieeffizient erwiesen und bietet hohe Leistung.

BrainChip (BRN.AX ) ist ein Pionier im KI‑Bereich und führt die Entwicklung von AIoT‑Netzwerken (Artificial Intelligence of Things) an. Dieses Konzept kombiniert die geringen Kosten und die Verfügbarkeit von IoT‑Smart‑Devices mit den Fähigkeiten fortschrittlicher KI‑Algorithmen. Das Ergebnis ist ein hochfähiges System, das Vorgänge überwachen, Probleme erkennen, bevor sie auftreten, und umgehend praktikable Lösungen präsentieren kann.

DRL‑Anfrage‑Crowdsourcing – Der richtige Weg

Die Einführung einer DRLaaS‑Option wird dazu beitragen, die Integration auf dem Markt voranzutreiben. Dieser Ansatz hat sich bewährt, das Nutzerverständnis und den Zugang in anderen KI‑Sektoren zu erweitern. Daher ist er ideal, um auf den DRL‑Markt angewendet zu werden. Sie können erwarten, dass künftig deutlich mehr KI‑Integration stattfindet, wenn DRL‑Dienste der breiten Masse zur Verfügung stehen.

Erfahren Sie mehr über andere KI‑Projekte in German.