Blockchain staat klaar om AI-training te democratiseren via DRL-verzoekcrowdsourcing

Deep Reinforcement Learning (DRL) is een van de populairste en meest geavanceerde AI-algoritmen die vandaag de dag worden gebruikt. Deze systemen combineren de effectiviteit van Machine Learning-protocollen met de programmeerbaarheid van diepe neurale netwerken om verbazingwekkende resultaten te leveren. Tegenwoordig hebben DRL AI-algoritmen geholpen bij het oplossen van enkele van de oudste mysteries van de wetenschap en het onthullen van patronen en oplossingen die mensen gemakkelijk over het hoofd zagen.

Onlangs heeft een groep onderzoekers een nieuw concept op de markt gebracht dat DRL-algoritmen in de toekomst toegankelijker kan maken voor meer bedrijven, onderzoekers en zelfs alledaagse gebruikers. Het systeem maakt gebruik van een blockchain-markt en prikkels om de adoptie te stroomlijnen. Hier is alles wat u moet weten over hoe blockchain een steeds belangrijkere rol zal spelen in de DRL-gemeenschap.

Wat maakt DRL AI anders?

Een van de belangrijkste voordelen van DRL AI-algoritmen is dat ze hun kennis van scenario’s kunnen overdragen naar nieuwe situaties. Deze mogelijkheid maakt ze ideaal geschikt voor zelfleren in nieuwe omgevingen op basis van modelgegevens. DRL AI-systemen kunnen een nieuwe situatie analyseren en complexe antwoorden genereren die alles kunnen ondersteunen, van het besturen van autonome voertuigen tot het opsporen van kankercellen in uw lever of nier.

Bron – Analyticsvidhya

DRL AI-systemen behoren tot de meest geavanceerde en zijn de voorkeursoptie geworden voor de interpretatie en ontcijfering van hoog-dimensionale ruwe invoergegevens. Deze informatie kan in de vorm van afbeeldingen, video’s en meer komen. Hierdoor is er een sterke verschuiving geweest naar het benutten en uitbreiden van deze technologie in verschillende sectoren. Sommige analisten geloven dat DRL AI op een dag algemene AI-systemen zou kunnen aandrijven die van mensen nieuwe taken kunnen leren voordat ze een autonome oplossing adopteren.

Een andere reden waarom onderzoekers dol zijn op DRL AI-systemen is dat ze ongeëvenaarde schaalbaarheid bieden. Schaalbaarheidsproblemen hebben AI-technologie jarenlang beperkt. DRL-systemen kunnen opschalen om te voldoen aan de eisen van de massa. Bovendien kunnen ze gegevens van het opgeschaalde netwerk invoeren om de prestaties verder te verbeteren.

Nadelen van DRL AI

DRL AI-algoritmen behoren tot de moeilijkste om te programmeren en te implementeren. Een deel van de reden waarom het zo moeilijk is om deze AI-algoritmen te creëren, is het enorme aantal variabelen en gegevens dat nodig is voor een correcte werking. Ten eerste moet het systeem rekening houden met verschillende omgevingsinteracties, parameters, situaties, timing en eerdere programmering. Al deze processen vinden plaats in milliseconden om een soepele AI-ervaring voor gebruikers te bieden.

Het creëren van een geavanceerd en responsief DRL-algoritme kan een dure taak zijn die deskundige hulp vereist. Deze algoritmen moeten eerst worden ontwikkeld, gegevens worden geïmporteerd en getest, en vervolgens fijn afgesteld om de resultaten te verbeteren. Deze aanpak kost tijd en geld, waardoor de algehele vereisten van de technologie toenemen.

Hoe kan de gemiddelde persoon toegang krijgen tot DRL AI-technologie

Deze vereisten maken DRL-algoritmen tot een van de duurste AI-systemen om te modelleren. De kosten van AI-programmeurs, testen, gegevensverzameling en modellering laten de meeste gebruikers ver van de startlijn staan wat betreft het implementeren van deze technologie in hun modellen.

Hoe blockchaintechnologie de evolutie van DRL kan stimuleren in de toekomst

Er zijn verschillende manieren waarop blockchaintechnologie de toegang tot DRL-technologie in de toekomst kan verbeteren. De geschiedenis heeft aangetoond dat blockchain-protocollen adoptie kunnen stimuleren en de toegang tot diensten kunnen uitbreiden wanneer ze correct worden gebruikt. De AI Machine Learning-sector heeft al talrijke AI-gedreven integraties gezien die adoptie en innovatie hebben bevorderd.

Machine Learning as a Service (MLaaS)-modellen bestaan die gebruikers in staat stellen geavanceerde ML-algoritmen te creëren, verhandelen, kopen en integreren binnen een veilig blockchain-ecosysteem. In de meeste gevallen omvat deze aanpak een marktplaats die gebruikers stimuleert om AI-modellen en andere diensten aan de gemeenschap te ontwikkelen en aan te bieden.

Dit model heeft zich bewezen als een uitstekende manier om de deur voor nieuwe gebruikers te openen en veel obstakels voor adoptie weg te nemen. Het is dan ook geen verrassing dat een vergelijkbare aanpak nu wordt overwogen voor DRL AI-systemen. Het DRL as a Service (DRaaS)-framework helpt enkele van de grootste problemen met DRL op te lossen en zou een nieuw tijdperk van AI-toegankelijkheid, innovatie en mogelijkheden kunnen inluiden.

DRLaaS

De DRLaaS-benadering als framework stelt bedrijven in staat DRL-diensten te gebruiken zonder volledig te hoeven investeren in een eigen AI-algoritme. Deze aanpak kan de kosten aanzienlijk verlagen voor bedrijven en onderzoekers die op zoek zijn naar haalbare AI-modellen in hun activiteiten. Gebruikers kunnen kiezen welke functies ze nodig hebben en wanneer ze die nodig hebben. Deze strategie vermindert onnodige kosten en zorgt ervoor dat de gemeenschap incentives biedt aan ontwikkelaars.

Hoe het DRLaaS-framework werkt

De onderzoekers begonnen met het selecteren van een blockchain die kon schalen, hoge programmeerbaarheid bood en een bewezen staat van dienst had. Na het onderzoeken van meerdere opties besloot het team dat het het beste was om het DRLaaS-framework op de Consortium Blockchain te bouwen. Consortium is een bevoorrechte permissioned blockchain die functioneert als een privénetwerk, maar onder het bestuur van een consortium.

Consortium maakt gebruik van een uniek Proof-of-Authority-algoritme dat geverifieerde knooppunten integreert om schaalbaarheid te waarborgen, de prestaties te verhogen en kwaliteit te leveren. Consortium integreert bovendien een eigenschapsbestandopslagssysteem genaamd het InterPlanetary File System (IPFS). Dit protocol is zeer effectief in het voorkomen van manipulatie en stelt gebruikers in staat slimme contracten te gebruiken om AI-taken aan te vragen.

Gebruikers van het nieuwe systeem kunnen DRL-modulverzoeken indienen bij de gemeenschap. Deze verzoeken kunnen worden beantwoord door ontwikkelaars die het betreffende DRL-algoritme al hebben gemaakt of kunnen ontwikkelen. Zij ontvangen compensatie voor hun inspanningen in de vorm van beloningstokens. Dit incentivesysteem heeft zich bewezen als effectief bij het opbouwen van AI-gemeenschappen en was cruciaal voor de vooruitgang van de ML AI-sector.

Waarom de DRLaaS-optie een slimme oplossing is – DRL

Een van de belangrijkste redenen waarom de DRLaaS-optie naar verwachting meer steun zal krijgen, is dat het zo duur is om DRL-algoritmen te creëren. De hardwarekosten voor deze systemen kunnen enorm hoog zijn. Om het programmeren van een DRL AI-systeem in perspectief te plaatsen, verwezen de onderzoekers naar het DOTA DRL AI-algoritme dat recentelijk door een onderzoeksteam is gepresenteerd.

Het programmeren van het DOTA-algoritme vergde 51 duizend CPU’s en 512 GPU’s. Voor de gemiddelde onderzoeker, gebruiker of onderneming is het niet haalbaar om zo’n hoeveelheid rekenkracht betaalbaar te verkrijgen. Het aanschaffen van deze apparatuur is niet het enige financiële obstakel. Er is nog steeds behoefte aan het verzamelen van data, het programmeren van de AI-systemen en andere taken die bij de implementatie horen. Uiteindelijk kan DRLaaS de enige manier zijn voor de meeste bedrijven om veilig toegang te krijgen tot deze krachtige tools.

Nu kunnen bedrijven profiteren van top-expertise en domeinkennis om op maat gemaakte AI-oplossingen te creëren die aan hun behoeften voldoen. De DRLaaS-optie stelt deze bedrijven in staat AI-systemen te gebruiken wanneer dat nodig is, waardoor onnodige blootstelling en kosten aanzienlijk worden verminderd.

Onderzoekers

De onderzoekers achter de studie omvatten een verscheidenheid aan ingenieurs, analytische ontwikkelaars en meer. Specifiek crediteert de studie de auteurs Ahmed Alagha, Hadi Otrok, Shakti Singh, Rabeb Mizouni en Jamal Bentaharas als de belangrijkste auteurs. Nu streeft het team ernaar zijn operaties en implementatie uit te breiden naar de markt, waardoor meer toegang voor de massa wordt bevorderd.

DRL-technologie toepassingen

Er zijn vandaag de dag veel DRL AI-toepassingen in gebruik. Deze systemen spelen een cruciale rol in autonome voertuigen, navigatie, gezondheidszorg, gaming en meer. Hier zijn enkele belangrijke toepassingen voor het DRL-systeem die de huidige opties aanzienlijk kunnen verbeteren.

DRL Gezondheidszorg

DRL-technologie blijft een essentiële rol spelen in de gezondheidszorg van de volgende generatie. Deze geavanceerde AI-systemen hebben bewezen extreem goed te zijn in het bepalen van patronen in enorme datamodellen, waardoor onderzoekers eerder onopgemerkte correlaties kunnen zien. Er bestaan al AI-systemen die kunnen helpen uw orgaangezondheid te bepalen, hersengolfactiviteit te scannen en beschadigde cellen te lokaliseren.

DRL Militaire

Het gebruik van DRL-technologie in het leger neemt toe. Deze technologie wordt ingezet in toekomstige oorlogsvoering, waaronder het groeiende aantal droneswarens. Droneswarens zijn een methode om een vijand aan te vallen met een enorme hoeveelheid autonome drones. Deze aanpak is bedoeld om luchtverdedigingen te overweldigen.

DRL AI-systemen spelen ook een cruciale rol bij het identificeren van doelen. De huidige militaire surveillancesystemen integreren DRL om de kleinste veranderingen in het bewaakte gebied bij te houden, waardoor verborgen wapens en potentiële doelen effectiever worden onthuld. In de toekomst zullen er volledige AI-killchains zijn die het gebruik van menselijke goedkeuring bij het bepalen van een doel elimineren.

Vergelijkbare benaderingen door blockchainprojecten

Verschillende blockchainprojecten hebben vergelijkbare crowdsourcing-methoden gebruikt om innovatie in sectoren te stimuleren. Aanvankelijk werd deze vorm van blockchainintegratie gebruikt voor cloudcomputingdiensten. Later breidde het zich uit naar gegevensdeling en computationele uitwisselingen. Tegenwoordig zijn er crowdsourced marktplaatsen voor geavanceerde berekeningen, inclusief AI, over de hele markt. Hier zijn enkele belangrijke voorbeelden.

Golem (GLM)

Golem is een AI-gerichte gedecentraliseerde compute-marktplaats die gebruikers in staat stelt beloningen in de vorm van tokens te verdienen door hun ongebruikte rekenkracht te delen. Het protocol maakt het iedereen mogelijk toegang te krijgen tot enorme rekenkracht zonder dure hardware aan te schaffen. De kern van Golems benadering is een gedecentraliseerde marktplaats. Hier kunnen gebruikers GLM-tokens veiligstellen die CPU-kracht leveren aan ontwikkelaars, onderzoekers en gebruikers.

Opmerkelijk is dat Golem gebruikers in staat stelt grote computationele taken te nemen en deze te delegeren aan kleinere oplossingen die verspreid zijn over de gemeenschap van actieve gebruikers. Deze strategie verlaagt kosten en verbetert efficiëntie en decentralisatie. Hierdoor is Golem een populair project dat een van de eerste was die computation as a service leverde met behulp van blockchain-systemen. Tegenwoordig wordt het erkend als een pionierend platform met een sterke gebruikersbasis.

Render (RENDER)

Render is een geïndustrialiseerd AI-aangedreven blockchain-systeem dat bijna onbeperkte rekenkracht biedt aan AI-ontwikkelaars. Het protocol richtte zich oorspronkelijk op het benutten van zijn enorme gedecentraliseerde rekenkracht om de enorme hoeveelheid high-definition video en effecten te ontwikkelen en verwerken die nodig zijn voor de huidige gaming, onderzoek en entertainment.

Render versterkt de wetenschappelijke, entertainment- en onderzoeksgemeenschappen via zijn unieke en bewezen aanpak. Het platform maakt gebruik van Ethereum voor validatie, terwijl het het OctaneRender-protocol integreert om de 3D-verwerkingsprestaties te verbeteren. Degenen die CPU-kracht aan de gemeenschap leveren, verdienen RENDER-tokens op basis van de hoeveelheid rekenkracht die ze leveren.

Beursgenoteerd bedrijf dat innovatieve AI-oplossingen ontwikkelt

Verschillende AI-bedrijven ontwikkelen AI die op een dag met uw leven zal interageren. In veel gevallen denkt u misschien aan grote bedrijven zoals Microsoft (MSFT ) bij het bespreken van AI-ontwikkeling. Er zijn echter verschillende beursgenoteerde AI-opties die het bekijken waard zijn. Hier is een voorbeeld van een bedrijf dat AI gebruikt om broodnodige diensten aan de markt te leveren.

1. BrainChip (BRCHF)

Brainchip is een innovatieve software- en hardwareleverancier voor de AI-gezondheidsindustrie. Het platform introduceert een neuromorfisch computermodel dat is ontworpen om te representeren hoe neuronen in de hersenen werken. Deze strategie heeft bewezen energie-efficiënt te zijn en hoge prestaties te leveren.

BrainChip (BRN.AX ) is een pionier op het AI-gebied en leidt de weg in AIoT (Artificial Intelligence of Things)-netwerken. Dit concept combineert de lage kosten en beschikbaarheid van IoT (Internet of Things) slimme apparaten met de mogelijkheden van geavanceerde AI-algoritmen. Het resultaat is een zeer capabel systeem dat operaties kan monitoren, problemen kan ontdekken voordat ze zich voordoen, en snel haalbare oplossingen kan presenteren.

DRL-verzoekcrowdsourcing – De juiste weg

De introductie van een DRLaaS-optie zal helpen de integratie over de markt heen te stimuleren. Deze aanpak heeft een bewezen staat van dienst in het vergroten van gebruikersbegrip en toegang in andere AI-sectoren. Daarom is het perfect toepasbaar op de DRL-markt. U kunt verwachten dat er veel meer AI-integratie zal plaatsvinden naarmate DRL-diensten beschikbaar komen voor de massa in de toekomst.

Leer meer over andere AI Projecten in het Nederlands.