Astăzi, deoarece tehnicile de învățare automată sunt aplicate pe scară largă într-o serie de aplicații, învățarea automată a devenit importantă pentru serviciile online.
Morphware is a decentralized machine learning system that rewards owners of accelerators by auctioning off their idle computing power and then facilitates the associated sub-routines, which can be on behalf of the data scientists to train and test the machine learning models in a decentralized capacity.
Tipurile de modele de învățare automată includ algoritmi de învățare supravegheat semi-sau nesupravegheat.
Antrenarea unui algoritm de învățare supravegheată poate fi văzută ca o căutare a combinației optime de ponderi pentru a se aplica unui set de intrări sau pentru a prezice o ieșire dorită.
Impulsul acestei lucrări este complexitatea computațională. Hardware-ul care este folosit pentru a reda jocuri video poate accelera, de asemenea, antrenamentul algoritmilor de învățare supravegheată.
Ce este Morphware?
Una dintre problemele cheie ale modelelor de învățare automată este resursele de calcul necesare pentru a rula sarcinile de lucru de învățare automată de ultimă generație se dublează aproximativ la fiecare trei luni și jumătate.
Pentru a rezolva această problemă, Morphware dezvoltă o rețea peer-to-peer care le permite oamenilor de știință de date, inginerilor de învățare automată și studenților la informatică să plătească jucătorilor de jocuri video sau altora pentru a antrena modele în numele lor.
Deși mașinile hardware îi ajută pe oamenii de știință de date să accelereze dezvoltarea modelelor de învățare automată, costul ridicat al acestor acceleratoare hardware este, de asemenea, o barieră pentru mulți oameni de știință de date.
Ce sunt modelele de învățare automată?
Modelele de învățare automată pot varia în funcție de gradul de supraveghere și parametrizare. Scopul antrenării unui model supravegheat-parametrat este de a reduce rata de eroare care se întinde pe distanța numerică dintre o predicție și o observație.
Antrenarea unui model de învățare automată este implementată prin preprocesare și urmată de testare. Oamenii de știință de date separă datele care sunt puse la dispoziție modelelor de învățare automată în timp ce se antrenează de datele care le sunt puse la dispoziție în timpul perioadei de testare.
Prin urmare, se poate observa că modelul nu depășește setul de date disponibile, precum și performanțele, care pot fi mai proaste în cazul datelor nevăzute.
În mod normal, datele de instruire și testare sunt selectate din același fișier sau director în preprocesare.
Nașterea învățării profunde este big bang-ul modern Ca model de software fundamental nou, învățarea profundă permite antrenarea în paralel a miliarde de neuroni software și trilioane de conexiuni.
Rulând algoritmi de rețele neuronale profunde și învățând din exemple, calculul accelerat este o abordare ideală, iar GPU-ul este procesorul ideal.
Este o nouă combinație pentru a crea o nouă generație de platforme de calcul cu performanțe mai bune, productivitate de programare și accesibilitate deschisă.
Modelele de învățare profundă sunt cunoscute ca un subset de modele de învățare automată. Ele sunt deosebit de intensive din punct de vedere computațional pentru a fi antrenate din cauza straturilor lor interconectate de variabile latente.
Care este soluția Morphware?
Moneda principală a platformei Morphware Token este utilizată pentru aceste tranzacții.
Tokenomică
Furnizarea totală a Jetonului Morphware este de 1,232,922,769 și acestea pot fi incinerate, dar nu pot fi inventate.
Printr-un site web care este proiectat, dezvoltat și implementat de Morphware, utilizatorii pot cumpăra simbolul platformei.
Mai puțin de două procente din oferta totală de jetoane Morphware va fi de vânzare în prima lună.
Cum funcționează Morphware
Procesul unui model de învățare automată este analiza datelor și apoi este un ciclu iterativ care oscilează între selecția modelului și ingineria caracteristicilor.
Scopul acestei lucrări este de a ajuta utilizatorii finali, cum ar fi oamenii de știință de date, să repete mai rapid prin crearea accesului la o rețea descentralizată de computere care le poate accelera sarcinile de lucru.
Utilizatorii finali sunt asociați și plătesc nodurile lucrătorilor printr-o licitație inversă cu licitație sigilată, la al doilea preț. Ei plătesc nodurile de lucru pentru a-și antrena modelele și nodurile de validare pentru a testa modelele antrenate de nodurile de lucru de Morphware Tokens.
Rolurile și responsabilitățile membrilor rețelei includ două tipuri de colegi autonomi.
Pentru a lucra cu Morphware, utilizatorii finali trebuie doar să-și încarce modelul, sub forma unui notebook Jupyter sau a unui fișier Python, datele de instruire și testare.
Apoi, trebuie să specifice nivelul de precizie țintă și să ofere o predicție pentru cât timp va dura pentru a atinge acel nivel de precizie. Făcând clic pe Trimite pentru a finaliza.
Utilizatorii finali trimit modele pentru a fi instruiți de lucrători și testate de validatori. Între timp, lucrătorii sunt nodurile care câștigă jetoane prin modelele de instruire prezentate de utilizatorii finali.
Validatorii sunt nodurile care câștigă jetoane testând modele antrenate de lucrători.
Odată ce utilizatorul final trimite modelul, acesta va fi instruit de lucrători și testat de validatori, prin intermediul platformei, care comunică cu rețeaua prin demonul său back-end.
Demonul este responsabil nu numai pentru crearea algoritmilor și a seturilor de date ale acestora pentru ceea ce este transmis de utilizatorul final prin intermediul clientului, ci și pentru trimiterea solicitării inițiale de lucru către contractul inteligent.
În plus, demonul este responsabil pentru instruirea și testarea modelelor, de către lucrători și validatori.
Livrarea asistată de egali permite propagarea unui algoritm și a unui set de date corespunzător de la un utilizator final la un lucrător sau un validator.
Cu toate acestea, cerințele inițiale de lucru de la utilizatorul final și răspunsurile relevante pentru utilizatorul final de la lucrători sau validatori sunt toate postate în contractul inteligent.
Cerințele inițiale de lucru includ durata estimată a perioadei de antrenament, magnetul legat de algoritm, setul de antrenament și setul de date de testare.
Un răspuns de la un lucrător include o legătură magnetică la modelul pe care l-a antrenat, care este ulterior testat de mulți validatori.
Dacă modelul care a fost antrenat îndeplinește pragul de performanță necesar, lucrătorul și validatorii vor primi jetoane drept recompensă.
Ce face ca Morphware să fie remarcabil
Morphware este o piață cu două fețe.
Piața deservește oamenii de știință de date care pot folosi platforma pentru a accesa puterea de calcul de la distanță prin rețeaua de computere, cum ar fi CPU-uri, GPU-uri, RAM, așa cum ar folosi AWS, dar la un cost mai mic și cu o interfață mai ușor de utilizat.
Pe de altă parte, Morphware deservește și proprietarii de putere de calcul în exces, care caută să câștige bani și recompense prin vânzarea puterii lor de calcul.
Prin urmare, segmentele sale de clienți se concentrează pe cercetătorii de date, jucătorii sau persoanele cu putere de calcul în exces care doresc să câștige bani.
În prezent, lista de clienți ai Morphware a crescut continuu, incluzând un cercetător de date care lucrează la un laborator de mobilitate cu mașini autonome, organizații studențești care au nevoie de suport pentru știința datelor și companii de automobile precum Suzu, Mitsubishi sau Volvo.
Morphware a colaborat și cu Tellor. În cadrul acestui parteneriat, Tellor va plăti lui Morphware pentru utilizarea oracolului lor în primele câteva luni.
În comparație cu alți concurenți de pe piață, Morphware are un avantaj competitiv. Strategia sa unică de piață face produsul său mai ieftin decât altele.
Gânduri finale despre Morphware
Pe măsură ce modelele de învățare automată devin din ce în ce mai complexe, proiectele pentru un nou ecosistem de modele de învățare automată care tranzacționează printr-o rețea bazată pe Blockchain au fost explorate.
Ca atare, utilizatorii finali sau cumpărătorii pot achiziționa modelul de interes de pe piața învățării automate, în timp ce lucrătorii sau vânzătorii care sunt interesați să cheltuiască calculele locale pe date pentru a îmbunătăți calitatea modelului respectiv.
Astfel, se ia în considerare relația proporțională dintre datele locale și calitatea modelelor instruite și se estimează evaluările datelor vânzătorului în pregătirea modelelor.
Proiectul arată o performanță competitivă în timp de execuție, un cost de execuție mai mic și corectitudine în ceea ce privește stimulentele pentru participanți.
Morphware este una dintre platformele de pionierat care introduce o rețea peer-to-peer în care utilizatorii finali pot plăti jucătorilor de jocuri video pentru a antrena modele de învățare automată, în numele lor, în moneda platformei, Morphware Token.
Pentru a afla mai multe despre Morphware - vă rugăm să faceți clic aici!
Sursa: https://blokonomi.com/morphware-guide/