تقوم سلسلة DeepBrain بتشغيل نماذج تدريب الذكاء الاصطناعي الأولى على Testnet

أصبح الذكاء الاصطناعي (AI) سريعًا جزءًا أساسيًا من حياتنا اليومية.

يعتمد المساعدون الشخصيون مثل Google Assistant و Siri على الذكاء الاصطناعي لمعالجة إدخال الكلام. محركات التوصية التي تقترح الأغاني أو المطاعم أو القصص الإخبارية مدعومة أيضًا من قبل الذكاء الاصطناعي. ثم هناك مشاريع استحوذت على العناوين الرئيسية مثل AlphaGo ، والتي استخدمت شبكة عصبية اصطناعية لهزيمة اللاعبين البشريين في واحدة من أكثر الألعاب الإستراتيجية تعقيدًا التي تم إنشاؤها على الإطلاق.

ليس هناك شك في أننا ندخل مستقبلًا مدعومًا بالذكاء الاصطناعي. حتى أن بعض المنظمات تستخدمه في مسح للأمراض و البحث عن الكواكب الخارجية. لكن من الصعب تجاهل تكلفة تشغيل هذه التطبيقات. تنفق العديد من الشركات الناشئة ما يصل إلى 20-30٪ من تمويلها على تكاليف تشغيل الأجهزة وحدها.

تأمل سلسلة DeepBrain في معالجة مشكلة ارتفاع تكاليف المعالجة من خلال الجمع تقنية blockchain مع الذكاء الاصطناعي. تشير التقديرات الأولية إلى أن المؤسسات يمكنها توفير ما يصل إلى 70٪ من خلال شراء البيانات وقوة المعالجة من خلال DeepBrain بدلاً من بناء البنية التحتية الخاصة بها.

أعلن فريق DeepBrain Chain مؤخرًا عن أول تشغيل ناجح لنماذج الذكاء الاصطناعي على شبكة الاختبار ، مما يشير إلى الخطوات الأولية للمشروع لإتاحتها للجمهور.

مشاكل التكلفة

تم إطلاق أكثر من 5000 شركة ناشئة في مجال الذكاء الاصطناعي في السنوات الخمس الماضية. فينشر سكانر التقارير بلغ معدل النمو السنوي المركب لتمويل هذه المشاريع 83٪ ، حيث وصل إلى أكثر من 14 مليار دولار في عام 2017. سجل الربع الأول من عام 2018 رقماً قياسياً قدره 2.5 مليار دولار في التمويل على مستوى الصناعة ، بزيادة قدرها 11٪ عن الربع الأول من عام 2017.

AlphaGo هو أحد أشهر تطبيقات التعلم العميق والذكاء الاصطناعي. اشترت Google مطورها ، DeepMind ، في عام 2014. وعلى الرغم من نجاحات المشروع التي حظيت بتغطية إعلامية جيدة ، تواصل DeepMind نشر خسائر مالية في كل عام ، تزيد الديون عن 162 مليون دولار في عام 2016 وحده.

تلعب تكاليف التشغيل والرسوم القانونية دورًا كبيرًا في الحالة المالية لشركة DeepMind ، ولكن تشغيل AlphaGo ليس رخيصًا تمامًا أيضًا. إصدار AlphaGo الذي لعب دور لاعب Go الكوري الجنوبي المحترف Lee Sedol يعمل على 1920 معالجًا قياسيًا و 280 وحدة معالجة رسومات معدلة ، مما يساهم في تكلفة تشغيل تبلغ 3000 دولار للعبة واحدة.

يتطلب الحصول على أي نموذج ذكاء اصطناعي يعمل بدقة ملحوظة آلاف الساعات من التدريب. من السهل أن ترى كيف يمكن لمؤسسات الذكاء الاصطناعي أن تكسب فواتير أجهزة عالية في محاولة لإطلاق منتج ذكاء اصطناعي واحد.

تواجه الشركات الأخرى التي تعمل مع التعلم الآلي والذكاء الاصطناعي مشاكل مماثلة مثل DeepMind. لا يستطيع معظمهم الاعتماد على الجيوب التي لا نهاية لها لشركة أم بحجم Google للحفاظ على تمويلها. يعد خفض التكاليف أمرًا بالغ الأهمية لاستمرار التشغيل ، وتعتبر نسبة 30٪ المخصصة للأجهزة مكانًا رائعًا للبدء.

تمويل الذكاء الاصطناعي من 2011-2018 – صورة عبر موقع venturescanner.com

أدخل سلسلة DeepBrain

تقنية Blockchain هي الحل الأمثل للحد من ارتفاع تكاليف تشغيل تطبيقات الذكاء الاصطناعي. إنه قطاع سريع النمو وقابل للتطوير ومربح بدأ في اقتحام الاتجاه السائد ، وذلك بفضل شعبية العملات المشفرة.

ستعمل سلسلة DeepBrain كسوق لامركزي للبيانات وقوة المعالجة. يتم تشغيله حاليًا على blockchain NEO ولكن سيتم تقسيمها إلى السلسلة الجانبية الخاصة بها بمجرد إطلاق الشبكة الرئيسية. يمكن للشركات بعد ذلك شراء كميات طاقة المعالجة المطلوبة لتشغيل تطبيقاتها دون الحاجة إلى الاستثمار في بنية تحتية مخصصة خاصة بها.

سوف يفي DeepBrain باحتياجات هذه المنظمات من خلال توفير شبكة مرنة وعالية الأداء وزمن انتقال منخفض تحافظ على الخصوصية من خلال اللامركزية والتشفير. تتوقع التقديرات المبكرة توفيرًا في التكاليف بنسبة 70٪ على الأقل لمعظم العملاء.

نجاحات Testnet

في 3 يونيو 2018 ، نجح فريق تطوير DeepBrain Chain في تشغيل ثلاثة أنواع من نماذج التدريب على الذكاء الاصطناعي في العالم الحقيقي على شبكة الاختبار الخاصة. لم يتم الإعلان عن نتائج هذه الاختبارات ، ولكن الغرض لم يكن اختبار الذكاء الاصطناعي ، فقط قدرة testnet على تشغيل البرامج في بيئة العمل.

كان أول اختبار ناجح هو قاعدة بيانات المعهد الوطني المعدل للمعايير والتكنولوجيا (MNIST) ، وهي نوع من “Hello World” للتعلم الآلي. نجح فريق DeepBrain في تشغيل MNIST على شبكة الاختبار بمجموعة فرعية محدودة من 250 صورة.

يحتوي اختبار MNIST الكامل على 60.000 صورة لأرقام مكتوبة بخط اليد مأخوذة من طلاب المدارس الثانوية وموظفي مكتب الإحصاء الأمريكي. يجب أن تستخدم منظمة العفو الدولية التعرف على الصور في كل مسح لتفسير العلامات وتحديد أكبر عدد ممكن من الأرقام بشكل صحيح.

كان اختبار الذكاء الاصطناعي الثاني عبارة عن نموذج معالجة لغة طبيعية يتم تشغيله باستخدام الشبكات العصبية التلافيفية (CNN). سي إن إن تحليل الصور كمجموعات من وحدات البكسل في وقت واحد ، مما يسمح لها باكتشاف الأشكال والحواف من خلال مقارنة الاختلافات في بيانات المصفوفة. عند تكليفها بمعالجة اللغة ، تكون شبكات CNN قادرة على “رؤية” الكلمات في المستند وفك رموز المعاني البسيطة من السياق.

أخيرًا ، نجح فريق DeepBrain في تشغيل نموذج تصنيف نص صيني باستخدام نسخة مدربة مسبقًا من doc2vector. هذا البرنامج هو امتداد ل word2vec التي تُنشئ زخارف كلمة من مستندات نصية ممسوحة ضوئيًا. يستخدم النموذج بشكل شائع لإعادة بناء السياق اللغوي من مدخلات المستندات ، مما يسمح أساسًا للشبكات العصبية بفهم اللغة المكتوبة.

خارطة الطريق والمعالم

في يناير 2018 ، أعلن DeepBrain عن شراكة مع أحد المرخص لهم من Disney في سلسلة من  لعب ميكي ماوس التي تستمع وتستجيب لمدخلات الكلام. قام الروبوت التعليمي بشحن أكثر من 3 ملايين وحدة في عام 2017. سيساعد DeepBrain في ترقية قدرات التعلم الخاصة به لتشغيل المنتج التالي.

أبرز حدث قادم هو إطلاق شبكة اختبار DeepBrain Chain المقرر عقدها في نهاية شهر يونيو. مع نجاح الاختبارات الأولية ، يشعر الفريق أن المنتج جاهز لقبول التطبيقات العامة. سيتبع إصدار mainnet بعد أشهر مع إطلاق مجدول في أكتوبر 2018.

ال مشروع Skynet تم افتتاحه في منتصف يونيو 2018 للمساعدة في تعزيز الشبكة استعدادًا للطرح للجمهور. يمكن للمستخدمين الذين يستوفون متطلبات الأجهزة التقدم للانضمام إلى Skynet وكسب حقوق أولوية تعدين الشبكة الرئيسية ونقاط عقد توافق إضافية واستخدام مجاني لموارد DeepBrain أثناء تشغيل Skynet Project.

لقد صاغت سلسلة DeepBrain ملف شراكة مع SingularityNET ، حل مكدس AI مفتوح وغير مركزي يهدف إلى إضفاء الطابع الديمقراطي على الوصول إلى الذكاء الاصطناعي. سيسمح التحالف بمشاركة البيانات وخدمات المعالجة بين كلا النظامين الأساسيين من خلال إطار عمل تقوم الفرق حاليًا ببنائه.

تحمل خارطة طريق DeepBrain Chain المنصة من خلال إطلاق mainnet في أكتوبر 2018 وتتضمن الاختبار والتحسين طوال عام 2019.

مستقبل سلسلة DeepBrain

DeepBrain Chain هي أول منصة حوسبة تستند إلى blockchain في العالم ، وقد وصلت في الوقت المناسب للاستفادة من الصناعة المزدهرة.

أنفق عملاقا التكنولوجيا في Google و Baidu ما بين 20 إلى 30 مليار دولار على تطوير الذكاء الاصطناعي. يمكن أن تكون قيمة الصناعة نفسها أكثر من أ تريليون دولار بحلول عام 2035. لوضع ذلك في المنظور الصحيح ، بلغت عائدات صادرات النفط الصافية لأوبك ذروتها الحالية عند 917 مليار دولار في عام 2012 وانخفضت بنحو النصف منذ ذلك الحين.

تركز DeepBrain Chain حاليًا الكثير من جهودها على الشركات في الصين ، وهي بلد متوازن لتصبح رائدًا عالميًا في مجال الذكاء الاصطناعي. يعزو الرئيس التنفيذي لشركة DeepBrain He Yong ذلك إلى مدى سهولة جمع واستخدام البيانات في الصين مقارنة بالدول الأخرى.

هناك بعض المخاوف بشأن قدرة DeepBrain واستعدادها للتوسع في مناطق أخرى ، وعلى الأخص أوروبا والولايات المتحدة. كما تقترح الشراكة مع SingularityNET ، فإن DeepBrain Chain لا تنوي الاستمرار في مشروع يركز على الصين إلى الأبد.

حتى الآن ، يبدو المستقبل مشرقًا لسلسلة DeepBrain. لقد حطت مكانًا في ميزاتنا على مشاريع NEO المثيرة و مشاريع blockchain AI الواعدة في وقت سابق من هذا العام. إذا تم إطلاق testnet و mainnet بسلاسة ، فقد يكون DeepBrain Chain أول مشروع تلجأ إليه الشركات عند البحث عن شراكات الذكاء الاصطناعي.

متعلق ب: Blockchain والذكاء الاصطناعي: فوائد الذكاء الاصطناعي اللامركزي