DeepBrain Chain executa els primers models d’entrenament d’IA a Testnet
La intel·ligència artificial (IA) s’està convertint ràpidament en una part central de la nostra vida quotidiana.
Els assistents personals com l’Assistent de Google i Siri confien en la IA per processar l’entrada de veu. Els motors de recomanacions que suggereixen cançons, restaurants o notícies també funcionen amb IA. A continuació, hi ha projectes capturadors de títols com AlphaGo, que utilitzava una xarxa neuronal artificial per derrotar els jugadors humans en un dels jocs d’estratègia més complexos mai creats.
No hi ha dubte que entrem en un futur impulsat per la IA. Algunes organitzacions fins i tot ho fan servir per fer-ho explorar si hi ha malalties i cerca d’exoplanetes. Però és difícil ignorar el cost d’executar aquestes aplicacions. Moltes empreses inicials gasten fins al 20-30% del seu finançament només en costos operatius de maquinari.
DeepBrain Chain espera solucionar el problema de l’augment dels costos de processament combinant tecnologia blockchain amb intel·ligència artificial. Les primeres estimacions suggereixen que les empreses poden estalviar fins a un 70% comprant dades i energia de processament mitjançant DeepBrain en lloc de construir la seva pròpia infraestructura.
Recentment, l’equip de DeepBrain Chain va anunciar les seves primeres versions amb èxit de models d’IA a la xarxa de proves, indicant els passos inicials del projecte cap a la disponibilitat pública..
Problemes de cost
En els darrers 5 anys s’han llançat més de 5.000 startups d’IA. Venture Scanner informes el finançament per a aquests projectes té una taxa de creixement anual composta del 83%, que va superar els 14.000 milions de dòlars el 2017. El primer trimestre de 2018 va tenir un rècord de finançament a tota la indústria de 2.500 milions de dòlars, un augment de l’11% respecte al primer trimestre del 2017.
AlphaGo és una de les aplicacions més famoses d’aprenentatge profund i intel·ligència artificial. Google va comprar el seu desenvolupador, DeepMind, el 2014. Tot i els èxits ben publicitats de l’empresa, DeepMind continua publicant pèrdues financeres cada any, amb un deute de més de 162 milions de dòlars només el 2016.
Els costos d’explotació i les despeses legals tenen un paper important en l’estat financer de DeepMind, però el fet d’executar AlphaGo tampoc no és precisament barat. La versió d’AlphaGo que interpretava al jugador sud-coreà de Go, Lee Sedol, funcionava amb 1.920 processadors estàndard i 280 GPU modificades, cosa que va contribuir a un cost operatiu de 3.000 dòlars per un sol joc.
Per aconseguir que qualsevol model d’IA funcioni amb una precisió apreciable es requereixen milers d’hores d’entrenament. És fàcil veure com les empreses d’intel·ligència artificial poden acumular factures de maquinari elevades en un intent de llançar un sol producte d’intel·ligència artificial.
Altres empreses que treballen amb l’aprenentatge automàtic i la intel·ligència artificial s’enfronten a problemes similars a DeepMind. La majoria no poden confiar en les butxaques sense fons d’una empresa matriu de la mida de Google per mantenir-les finançades. La reducció dels costos és crucial per al funcionament continuat i el 30% que es destina al maquinari és un bon lloc per començar.
Finançament d’IA de 2011-2018: imatge a través de venturescanner.com
Introduïu la cadena DeepBrain
La tecnologia Blockchain és la solució perfecta per frenar els costos creixents de l’execució d’aplicacions d’IA. És un sector de creixement ràpid, escalable i rendible que ha començat a irrompre en el corrent principal, gràcies a la popularitat de les criptomonedes..
DeepBrain Chain funcionarà com un mercat descentralitzat de dades i energia de processament. Actualment funciona al Cadena de blocs NEO però es dividirà a la seva pròpia cadena lateral un cop es publiqui mainnet. Les empreses poden adquirir la quantitat de potència de processament necessària per executar les seves aplicacions sense haver d’invertir en una infraestructura dedicada pròpia.
DeepBrain satisfarà les necessitats d’aquestes organitzacions proporcionant una xarxa flexible, d’alt rendiment i baixa latència que preserva la privadesa mitjançant la descentralització i el xifratge. Les primeres estimacions projecten un estalvi de costos d’almenys el 70% per a la majoria de clients.
Èxits de Testnet
El 3 de juny de 2018, l’equip de desenvolupament de DeepBrain Chain va executar amb èxit tres tipus de models d’entrenament en IA del món real al testnet privat. Els resultats d’aquesta prova no es van anunciar, però el propòsit no era provar la IA, només la capacitat del testnet per executar els programes en un entorn de treball.
La primera prova amb èxit va ser la base de dades Modified National Institute of Standards and Technology (MNIST), una mena de “Hello World” per a l’aprenentatge automàtic. L’equip de DeepBrain va executar MNIST amb èxit a la xarxa de proves amb un subconjunt limitat de 250 imatges.
La prova completa del MNIST conté 60.000 imatges de dígits manuscrits provats per estudiants de secundària i membres del personal de l’Oficina del cens dels Estats Units. La IA ha de fer servir reconeixement d’imatges a cada exploració per interpretar les marques i identificar correctament el màxim nombre possible.
La segona prova d’IA va ser un model de processament de llenguatge natural executat amb xarxes neuronals convolucionals (CNN). CNN analitzeu les imatges com a grups de píxels alhora, cosa que permet detectar formes i arestes comparant diferències en les dades de la matriu. Quan s’encarreguen de processar el llenguatge, les xarxes CNN són capaces de “veure” paraules en un document i desxifrar significats senzills del context.
Finalment, l’equip de DeepBrain va executar amb èxit un model de categorització de text xinès mitjançant una versió prèviament entrenada de doc2vector. Aquest programa és una extensió de word2vec que construeix incrustacions de paraules a partir de documents de text escanejats. El model s’utilitza habitualment per reconstruir el context lingüístic a partir d’entrades de documents, permetent essencialment a les xarxes neuronals entendre el llenguatge escrit.
Full de ruta i fites
Al gener de 2018, DeepBrain va anunciar una associació amb un llicenciatari de Disney per a una sèrie de Joguines de Mickey Mouse que escolten i responen a l’entrada de veu. El robot educatiu va enviar més de 3 milions d’unitats el 2017. DeepBrain ajudarà a millorar les seves capacitats d’aprenentatge per a la seva pròxima tirada de productes.
El proper esdeveniment més destacat és el llançament del testnet de DeepBrain Chain previst per a finals de juny. Amb l’èxit de les proves inicials, l’equip considera que el producte està preparat per acceptar sol·licituds públiques. El llançament de mainnet seguirà mesos més tard amb un llançament previst per a octubre de 2018.
El Projecte Skynet es va obrir a mitjans de juny de 2018 per ajudar a reforçar la xarxa en preparació per fer pública la borsa. Els usuaris que compleixin els requisits de maquinari es poden sol·licitar per unir-se a Skynet i obtenir drets de prioritat de mineria de mainnet, punts de node de consens addicionals i ús gratuït dels recursos DeepBrain mentre el Projecte Skynet estigui operatiu..
DeepBrain Chain ha forjat un associació amb SingularityNET, una solució de pila d’IA descentralitzada i oberta que pretén democratitzar l’accés a la intel·ligència artificial. L’aliança permetrà compartir dades i serveis de processament entre ambdues plataformes a través d’un marc que els equips estan construint actualment.
El full de ruta de DeepBrain Chain transporta la plataforma durant el llançament de mainnet a l’octubre del 2018 i inclou proves i perfeccionament durant tot el 2019.
Futur de la cadena DeepBrain
DeepBrain Chain és la primera plataforma informàtica d’IA basada en blockchain del món i va arribar just a temps per aprofitar una indústria en auge.
Els gegants tècnics Google i Baidu han gastat entre 20 i 30.000 milions de dòlars en desenvolupament d’IA. La pròpia indústria podria valer la pena bilions de dòlars per al 2035. Per posar-ho en perspectiva, els ingressos nets d’exportació de petroli de l’OPEP van assolir el màxim actual en els 917.000 milions de dòlars el 2012 i des de llavors han caigut gairebé la meitat.
Actualment, DeepBrain Chain centra gran part dels seus esforços en empreses de la Xina, un país preparat per convertir-se en un líder mundial en intel·ligència artificial. He Yong, CEO de DeepBrain, ho atribueix a la facilitat de recopilar i utilitzar dades a la Xina en comparació amb altres països.
Hi ha algunes preocupacions sobre la capacitat i la voluntat de DeepBrain d’expandir-se a altres territoris, sobretot a Europa i als Estats Units. Com suggereix l’associació amb SingularityNET, DeepBrain Chain no té la intenció de mantenir un projecte centrat a la Xina per sempre.
Fins ara, el futur sembla brillant per a DeepBrain Chain. Va aconseguir un lloc a les nostres funcions emocionants projectes NEO i prometedors projectes de blockchain d’IA a principis d’aquest any. Si els llançaments de testnet i mainnet funcionen sense problemes, DeepBrain Chain podria ser el primer projecte al qual recorren les empreses a l’hora d’obtenir associacions d’IA.
Relacionat: Blockchain i intel·ligència artificial: els beneficis de la IA descentralitzada