DeepBrain Chain führt die ersten KI-Trainingsmodelle auf Testnet aus
Künstliche Intelligenz (KI) wird schnell zu einem zentralen Bestandteil unseres täglichen Lebens.
Persönliche Assistenten wie Google Assistant und Siri verlassen sich bei der Verarbeitung von Spracheingaben auf KI. Empfehlungs-Engines, die Songs, Restaurants oder Nachrichten vorschlagen, werden ebenfalls von AI unterstützt. Dann gibt es schlagzeilengreifende Projekte wie AlphaGo, bei denen ein künstliches neuronales Netzwerk verwendet wurde, um menschliche Spieler in einem der komplexesten Strategiespiele zu besiegen, die jemals erstellt wurden.
Es besteht kein Zweifel, dass wir in eine Zukunft eintreten, die von KI angetrieben wird. Einige Organisationen verwenden es sogar, um nach Krankheiten suchen und Suche nach Exoplaneten. Die Kosten für die Ausführung dieser Anwendungen sind jedoch schwer zu ignorieren. Viele Startups geben bis zu 20-30% ihrer Mittel allein für Hardware-Betriebskosten aus.
DeepBrain Chain hofft, das Problem steigender Verarbeitungskosten durch lösen zu können kombinieren Blockchain-Technologie mit künstlicher Intelligenz. Frühe Schätzungen gehen davon aus, dass Unternehmen durch den Kauf von Daten und die Verarbeitung von Leistung über DeepBrain bis zu 70% einsparen können, anstatt ihre eigene Infrastruktur aufzubauen.
Kürzlich kündigte das DeepBrain Chain-Team seine ersten erfolgreichen Läufe von KI-Modellen im Testnetz an und signalisierte damit die ersten Schritte des Projekts zur öffentlichen Verfügbarkeit.
Kostenprobleme
In den letzten 5 Jahren wurden mehr als 5.000 KI-Startups gestartet. Venture Scanner Berichte Die Finanzierung dieser Projekte hat eine durchschnittliche jährliche Wachstumsrate von 83% und erreichte 2017 einen Wert von über 14 Mrd. USD. Im ersten Quartal 2018 wurden branchenweit Rekordfinanzierungen in Höhe von 2,5 Mrd. USD erzielt, was einem Anstieg von 11% gegenüber dem ersten Quartal 2017 entspricht.
AlphaGo ist eine der bekanntesten Anwendungen von Deep Learning und künstlicher Intelligenz. Der Entwickler DeepMind wurde 2014 von Google gekauft. Trotz der bekannt gewordenen Erfolge des Unternehmens veröffentlicht DeepMind weiterhin Beiträge finanzielle Verluste Jedes Jahr wurden allein im Jahr 2016 Schulden in Höhe von über 162 Millionen US-Dollar getätigt.
Betriebskosten und Anwaltskosten spielen eine große Rolle in der Finanzlage von DeepMind, aber der Betrieb von AlphaGo ist auch nicht gerade billig. Die Version von AlphaGo, die den südkoreanischen Go-Profi Lee Sedol spielte, lief auf 1.920 Standardprozessoren und 280 modifizierten GPUs, was zu Betriebskosten von 3.000 USD für ein einzelnes Spiel beitrug.
Um ein KI-Modell mit nennenswerter Genauigkeit ausführen zu können, sind Tausende von Stunden Training erforderlich. Es ist leicht zu erkennen, wie KI-Unternehmen hohe Hardware-Kosten verursachen können, um ein einziges Produkt für künstliche Intelligenz auf den Markt zu bringen.
Andere Unternehmen, die mit maschinellem Lernen und künstlicher Intelligenz arbeiten, haben ähnliche Probleme wie DeepMind. Die meisten von ihnen können sich nicht auf die bodenlosen Taschen einer Muttergesellschaft von der Größe von Google verlassen, um ihre Finanzierung aufrechtzuerhalten. Die Kostensenkung ist für den weiteren Betrieb von entscheidender Bedeutung, und die 30%, die für Hardware aufgewendet werden, sind ein guter Anfang.
AI-Finanzierung von 2011-2018 – Bild über venturescanner.com
Geben Sie DeepBrain Chain ein
Die Blockchain-Technologie ist die perfekte Lösung, um die steigenden Kosten für die Ausführung von KI-Anwendungen einzudämmen. Es ist ein schnell wachsender, skalierbarer und profitabler Sektor, der dank der Beliebtheit von Kryptowährungen allmählich in den Mainstream eingedrungen ist.
DeepBrain Chain wird als dezentraler Marktplatz für Daten- und Verarbeitungsleistung fungieren. Es läuft derzeit auf dem NEO Blockchain wird aber in seine eigene Sidechain aufgeteilt, sobald das Mainnet veröffentlicht wird. Unternehmen können dann die für die Ausführung ihrer Anwendungen erforderliche Rechenleistung erwerben, ohne in eine eigene dedizierte Infrastruktur investieren zu müssen.
DeepBrain wird die Anforderungen dieser Organisationen erfüllen, indem ein flexibles, leistungsstarkes Netzwerk mit geringer Latenz bereitgestellt wird, das die Privatsphäre durch Dezentralisierung und Verschlüsselung schützt. Frühe Schätzungen gehen für die meisten Kunden von Kosteneinsparungen von mindestens 70% aus.
Testnet-Erfolge
Am 3. Juni 2018 führte das Entwicklungsteam von DeepBrain Chain erfolgreich drei Arten von realen KI-Trainingsmodellen im privaten Testnetz durch. Die Ergebnisse dieser Tests wurden nicht bekannt gegeben, aber der Zweck bestand nicht darin, die KI zu testen, sondern nur die Fähigkeit des Testnetzes, die Programme in einer Arbeitsumgebung auszuführen.
Der erste erfolgreiche Test war die MNIST-Datenbank (Modified National Institute of Standards and Technology), eine Art „Hallo Welt“ für maschinelles Lernen. Das DeepBrain-Team hat MNIST erfolgreich im Testnetz mit einer begrenzten Teilmenge von 250 Bildern ausgeführt.
Der vollständige MNIST-Test enthält 60.000 Bilder handgeschriebener Ziffern, die von Schülern und Mitarbeitern des US-Volkszählungsamtes entnommen wurden. Die KI muss verwenden Bilderkennung bei jedem Scan, um die Markierungen zu interpretieren und so viele Zahlen wie möglich korrekt zu identifizieren.
Der zweite AI-Test war ein Verarbeitungsmodell für natürliche Sprache, das unter Verwendung von Convolutional Neural Networks (CNN) durchgeführt wurde.. CNNs Analysieren Sie Bilder als Gruppen von Pixeln gleichzeitig, um Formen und Kanten durch Vergleichen von Unterschieden in Matrixdaten zu erkennen. Wenn CNNs mit der Sprachverarbeitung beauftragt sind, können sie Wörter in einem Dokument „sehen“ und einfache Bedeutungen aus dem Kontext entschlüsseln.
Schließlich führte das DeepBrain-Team erfolgreich ein chinesisches Textkategorisierungsmodell mit einer vorab geschulten Version von doc2vector aus. Dieses Programm ist eine Erweiterung von word2vec das konstruiert Worteinbettungen aus gescannten Textdokumenten. Das Modell wird üblicherweise verwendet, um den sprachlichen Kontext aus Dokumenteingaben zu rekonstruieren, sodass neuronale Netze im Wesentlichen die geschriebene Sprache verstehen können.
Roadmap und Meilensteine
Im Januar 2018 gab DeepBrain eine Partnerschaft mit einem Disney-Lizenznehmer für eine Reihe von bekannt Mickey-Mouse-Spielzeug die zuhören und auf Spracheingaben reagieren. Der Lernroboter hat 2017 mehr als 3 Millionen Einheiten ausgeliefert. DeepBrain wird dabei helfen, seine Lernfähigkeiten für den nächsten Produktlauf zu verbessern.
Das bemerkenswerteste bevorstehende Ereignis ist der Start des Testnetzes von DeepBrain Chain, das für Ende Juni geplant ist. Nach dem Erfolg der ersten Tests ist das Team der Ansicht, dass das Produkt bereit ist, öffentliche Anwendungen anzunehmen. Die Mainnet-Version wird Monate später mit einem geplanten Start im Oktober 2018 folgen.
Das Skynet-Projekt wurde Mitte Juni 2018 eröffnet, um das Netzwerk in Vorbereitung auf den Börsengang zu stärken. Benutzer, die die Hardwareanforderungen erfüllen, können sich bei Skynet anmelden und Prioritätsrechte für das Mainnet-Mining, zusätzliche Konsensknotenpunkte und die kostenlose Nutzung von DeepBrain-Ressourcen erwerben, während Skynet Project betriebsbereit ist.
DeepBrain Chain hat a geschmiedet Partnerschaft mit SingularityNET, einer offenen, dezentralen AI-Stack-Lösung, die den Zugang zu künstlicher Intelligenz demokratisieren soll. Die Allianz wird den Austausch von Daten und Verarbeitungsdiensten zwischen beiden Plattformen über ein Framework ermöglichen, das die Teams derzeit aufbauen.
Die Roadmap von DeepBrain Chain führt die Plattform durch den Mainnet-Start im Oktober 2018 und umfasst Tests und Verbesserungen während des gesamten Jahres 2019.
Zukunft der DeepBrain-Kette
DeepBrain Chain ist die weltweit erste Blockchain-basierte KI-Computerplattform und kam gerade rechtzeitig, um von einer boomenden Branche zu profitieren.
Die Technologiegiganten Google und Baidu haben zwischen 20 und 30 Milliarden US-Dollar für die Entwicklung von KI ausgegeben. Die Branche selbst könnte über a wert sein Billionen Dollar Um das ins rechte Licht zu rücken: Die Nettoeinnahmen der OPEC aus Ölexporten erreichten 2012 mit 917 Milliarden US-Dollar ihren heutigen Höchststand und sind seitdem um fast die Hälfte gesunken.
DeepBrain Chain konzentriert derzeit einen Großteil seiner Bemühungen auf Unternehmen in China, einem Land bereit weltweit führend in der künstlichen Intelligenz zu werden. He Yong, CEO von DeepBrain, führt dies darauf zurück, wie einfach es ist, Daten in China im Vergleich zu anderen Ländern zu sammeln und zu nutzen.
Es gibt einige Bedenken hinsichtlich der Fähigkeit und Bereitschaft von DeepBrain, in andere Gebiete zu expandieren, insbesondere nach Europa und in die USA. Wie aus der Partnerschaft mit SingularityNET hervorgeht, beabsichtigt DeepBrain Chain nicht, für immer ein auf China ausgerichtetes Projekt zu bleiben.
Bisher sieht die Zukunft für DeepBrain Chain vielversprechend aus. Es landete einen Platz in unseren Features auf spannende NEO-Projekte und vielversprechende KI-Blockchain-Projekte früher in diesem Jahr. Wenn der Start von Testnetz und Hauptnetz reibungslos verläuft, könnte DeepBrain Chain das erste Projekt sein, an das sich Unternehmen bei der Beschaffung von KI-Partnerschaften wenden.
Verbunden: Blockchain und künstliche Intelligenz: Die Vorteile der dezentralen KI