DeepBrain Chain стартира първите модели за обучение на AI в Testnet
Изкуственият интелект (AI) бързо се превръща в централна част от нашето ежедневие.
Личните асистенти като Google Assistant и Siri разчитат на AI за обработка на въвеждането на реч. Системите за препоръки, които предлагат песни, ресторанти или новинарски материали, също се задвижват от AI. След това има проекти за привличане на заглавия като AlphaGo, които използваха изкуствена невронна мрежа, за да победят човешките играчи в една от най-сложните стратегически игри, създавани някога.
Няма съмнение, че навлизаме в бъдеще, задвижвано от AI. Някои организации дори го използват сканиране за заболявания и търсене на екзопланети. Но цената за стартиране на тези приложения е трудна за пренебрегване. Много стартиращи компании харчат 20-30% от финансирането си само за оперативни разходи за хардуер.
DeepBrain Chain се надява да реши проблема с нарастващите разходи за обработка до комбиниране блокчейн технология с изкуствен интелект. Ранните оценки показват, че предприятията могат да спестят до 70%, като купуват данни и обработват мощност чрез DeepBrain, вместо да изграждат собствена инфраструктура.
Наскоро екипът на DeepBrain Chain обяви първите си успешни пускания на модели с изкуствен интелект в тестовата мрежа, сигнализирайки първоначалните стъпки на проекта към публичната наличност.
Проблеми с разходите
През последните 5 години стартираха над 5000 стартиращи компании с изкуствен интелект. Венчурен скенер доклади финансирането на тези проекти има сложен годишен темп на растеж от 83%, достигайки над 14 милиарда щатски долара през 2017 г. Първото тримесечие на 2018 г. имаше рекордни 2,5 милиарда щатски долара финансиране в цялата индустрия, увеличение от 11% спрямо първото тримесечие на 2017 г..
AlphaGo е едно от най-известните приложения на дълбокото обучение и изкуствения интелект. Неговият разработчик, DeepMind, е закупен от Google през 2014 г. Въпреки добре рекламираните успехи на предприятието, DeepMind продължава да публикува финансови загуби всяка година, натрупвайки дълг от над 162 милиона долара само през 2016 година.
Оперативните разходи и юрисконсултските такси играят голяма роля за финансовото състояние на DeepMind, но и AlphaGo не е съвсем евтино. Версията на AlphaGo, която играе южнокорейския професионален играч на Go Lee Lee Sedol, работеше на 1920 стандартни процесора и 280 модифицирани графични процесора, допринасяйки за оперативни разходи от $ 3000 за една игра.
Постигането на какъвто и да е модел на AI с забележителна точност изисква хиляди часове обучение. Лесно е да се види как предприятията с изкуствен интелект могат да натрупват високи сметки за хардуер в опит да пуснат един продукт с изкуствен интелект.
Други компании, работещи с машинно обучение и изкуствен интелект, са изправени пред подобни проблеми като DeepMind. Повечето от тях не могат да разчитат на бездънните джобове на компания майка с размерите на Google, за да ги финансират. Намаляването на разходите е от решаващо значение за продължаването на експлоатацията и 30%, които се насочват към хардуера, е чудесно място за начало.
Финансиране от AI от 2011-2018 г. – Изображение чрез venturescanner.com
Въведете DeepBrain Chain
Технологията Blockchain е идеалното решение за ограничаване на нарастващите разходи за стартиране на AI приложения. Това е бързо развиващ се, мащабируем и печеливш сектор, който започна да прониква в масовия поток, благодарение на популярността на криптовалутите.
DeepBrain Chain ще работи като децентрализиран пазар за данни и процесорна мощ. В момента тя работи на NEO блокчейн но ще се раздели на собствената си верига, след като основната мрежа бъде пусната. След това предприятията могат да закупят количествата обработваща мощност, необходими за изпълнението на техните приложения, без да се налага да инвестират в собствена специализирана инфраструктура.
DeepBrain ще отговори на нуждите на тези организации, като предостави гъвкава, високопроизводителна мрежа с ниско забавяне, която запазва поверителността чрез децентрализация и криптиране. Ранните прогнози предвиждат спестяване на разходи от най-малко 70% за повечето клиенти.
Успехи на Testnet
На 3 юни 2018 г. екипът за разработка на DeepBrain Chain успешно пусна три типа реални модели за обучение на AI в частната тестова мрежа. Резултатите от този тест не бяха обявени, но целта не беше да се тества AI, а само способността на testnet да изпълнява програмите в работна среда.
Първият успешен тест беше базата данни на модифицирания Национален институт за стандарти и технологии (MNIST), нещо като „Hello World“ за машинно обучение. Екипът на DeepBrain успешно пусна MNIST в тестовата мрежа с ограничена подгрупа от 250 изображения.
Пълният тест MNIST съдържа 60 000 изображения на ръкописни цифри, взети от ученици от гимназията и служители на Бюрото за преброяване на населението на САЩ. ИИ трябва да използва разпознаване на изображения при всяко сканиране, за да интерпретирате маркировката и да идентифицирате правилно възможно най-много числа.
Вторият тест за изкуствен интелект е модел за обработка на естествен език, изпълнен с помощта на Convolutional Neural Networks (CNN). CNN анализира изображенията като групи от пиксели наведнъж, което му позволява да открива фигури и ръбове чрез сравняване на разликите в матричните данни. Когато имат задачата да обработват езика, CNN могат да „виждат“ думи в документ и да дешифрират прости значения от контекста.
И накрая, екипът на DeepBrain успешно изпълни китайски модел за категоризация на текст, използвайки предварително обучена версия на doc2vector. Тази програма е разширение на word2vec който конструира вградени думи от сканирани документи с текст. Моделът обикновено се използва за възстановяване на лингвистичния контекст от входовете на документи, като по същество позволява на невронните мрежи да разбират писмения език.
Пътна карта и етапи
През януари 2018 г. DeepBrain обяви партньорство с лицензополучател на Disney за поредица от Играчки Мики Маус които слушат и отговарят на въвеждането на реч. Образователният робот е доставил повече от 3 милиона бройки през 2017 г. DeepBrain ще съдейства за надграждане на своите възможности за обучение за следващата си продуктова серия.
Най-забележителното предстоящо събитие е стартирането на тестовата мрежа на DeepBrain Chain, планирано за края на юни. С успеха на първоначалните тестове, екипът чувства, че продуктът е готов да приема публични заявления. Пускането на mainnet ще последва месеци по-късно с планирано стартиране за октомври 2018 г..
The Проект Skynet беше открит в средата на юни 2018 г., за да помогне за укрепването на мрежата в подготовка за публично публикуване. Потребителите, които отговарят на хардуерните изисквания, могат да кандидатстват за присъединяване към Skynet и да спечелят права на приоритет за копаене на mainnet, допълнителни точки на консенсус и безплатно използване на ресурси DeepBrain, докато Skynet Project работи.
DeepBrain Chain е изковал a партньорство с SingularityNET, отворено, децентрализирано AI стеково решение, което има за цел да демократизира достъпа до изкуствен интелект. Съюзът ще позволи споделяне на данни и услуги за обработка между двете платформи чрез рамка, която екипите изграждат в момента.
Пътната карта на DeepBrain Chain носи платформата през старта на основната мрежа през октомври 2018 г. и включва тестване и усъвършенстване през 2019 г..
Бъдещето на DeepBrain Chain
DeepBrain Chain е първата в света базирана на блокчейн AI изчислителна платформа и пристигна точно навреме, за да се възползва от процъфтяващата индустрия.
Техническите гиганти Google и Baidu са похарчили между 20-30 милиарда долара за разработване на AI. Самата индустрия може да си струва повече от трилион долара до 2035 г. За да го поставим в перспектива, нетните приходи от износ на петрол на ОПЕК достигнаха своя съвременен връх от 917 млрд. долара през 2012 г. и оттогава спаднаха почти наполовина.
В момента DeepBrain Chain фокусира голяма част от усилията си върху предприятия в Китай, държава уравновесен да стане световен лидер в изкуствения интелект. Изпълнителният директор на DeepBrain Хе Йонг отдава това на това колко лесно е да се събират и използват данни в Китай в сравнение с други страни.
Има някои опасения относно способността и желанието на DeepBrain да се разшири в други територии, най-вече в Европа и САЩ. Както подсказва партньорството със SingularityNET, DeepBrain Chain не възнамерява да остане завинаги фокусиран върху Китай проект.
Засега бъдещето изглежда светло за DeepBrain Chain. Той попадна на място в нашите функции на вълнуващи NEO проекти и обещаващи AI блокчейн проекти по-рано тази година. Ако стартирането на testnet и mainnet върви безпроблемно, DeepBrain Chain може да бъде първият проект, към който компаниите се обръщат, когато търсят партньорства с AI.
Свързани: Блокчейн и изкуствен интелект: Ползите от децентрализирания ИИ