Kecerdasan buatan (AI) dengan cepat menjadi bagian sentral dari kehidupan kita sehari-hari.
Asisten pribadi seperti Asisten Google dan Siri mengandalkan AI untuk memproses masukan ucapan. Mesin rekomendasi yang menyarankan lagu, restoran, atau berita juga didukung oleh AI. Lalu ada proyek perebutan berita utama seperti AlphaGo, yang menggunakan jaringan saraf tiruan untuk mengalahkan pemain manusia di salah satu game strategi paling kompleks yang pernah dibuat..
Tidak diragukan lagi kita sedang memasuki masa depan yang diberdayakan oleh AI. Beberapa organisasi bahkan menggunakannya untuk memindai penyakit dan mencari exoplanet. Tetapi biaya menjalankan aplikasi ini sulit untuk diabaikan. Banyak perusahaan rintisan menghabiskan sebanyak 20-30% dari dana mereka untuk biaya operasional perangkat keras saja.
DeepBrain Chain berharap dapat mengatasi masalah kenaikan biaya pemrosesan menggabungkan teknologi blockchain dengan kecerdasan buatan. Perkiraan awal menunjukkan perusahaan dapat menghemat hingga 70% dengan membeli data dan daya pemrosesan melalui DeepBrain daripada membangun infrastruktur mereka sendiri.
Baru-baru ini, tim DeepBrain Chain mengumumkan keberhasilan pertama mereka menjalankan model AI di testnet, menandakan langkah awal proyek untuk ketersediaan publik..
Masalah Biaya
Lebih dari 5.000 startup AI telah diluncurkan dalam 5 tahun terakhir. Venture Scanner laporan pendanaan untuk proyek-proyek ini memiliki tingkat pertumbuhan tahunan gabungan sebesar 83%, mencapai lebih dari $ 14 miliar pada 2017. Q1 2018 memiliki rekor $ 2,5 miliar dalam pendanaan seluruh industri, meningkat 11% selama Q1 2017.
AlphaGo adalah salah satu aplikasi pembelajaran mendalam dan kecerdasan buatan yang paling terkenal. Pengembangnya, DeepMind, dibeli oleh Google pada tahun 2014. Meskipun usaha tersebut sukses dipublikasikan dengan baik, DeepMind terus memposting kerugian finansial setiap tahun, memiliki hutang lebih dari $ 162 juta pada tahun 2016 saja.
Biaya operasi dan biaya hukum memainkan peran besar dalam kondisi keuangan DeepMind, tetapi menjalankan AlphaGo juga tidak bisa dibilang murah. Versi AlphaGo yang memainkan pemain Go profesional Korea Selatan Lee Sedol berjalan pada 1.920 prosesor standar dan 280 GPU yang dimodifikasi, berkontribusi pada biaya operasi sebesar $ 3.000 untuk satu game.
Membuat model AI apa pun berfungsi dengan akurasi yang cukup membutuhkan ribuan jam pelatihan. Sangat mudah untuk melihat bagaimana perusahaan AI dapat mengumpulkan tagihan perangkat keras yang tinggi dalam upaya untuk meluncurkan satu produk kecerdasan buatan.
Perusahaan lain yang bekerja dengan pembelajaran mesin dan kecerdasan buatan menghadapi masalah yang sama seperti DeepMind. Kebanyakan dari mereka tidak dapat mengandalkan kantong tanpa dasar dari perusahaan induk sebesar Google untuk membuat mereka tetap didanai. Pemotongan biaya sangat penting untuk kelanjutan pengoperasian, dan 30% untuk perangkat keras adalah tempat yang tepat untuk memulai.
Pendanaan AI dari 2011-2018 – Gambar melalui venturescanner.com
Masuk ke DeepBrain Chain
Teknologi Blockchain adalah solusi sempurna untuk mengekang meningkatnya biaya menjalankan aplikasi AI. Ini adalah sektor yang tumbuh cepat, dapat diskalakan, dan menguntungkan yang mulai masuk ke arus utama, berkat popularitas mata uang kripto.
DeepBrain Chain akan beroperasi sebagai pasar terdesentralisasi untuk data dan kekuatan pemrosesan. Saat ini berjalan di Blockchain NEO tetapi akan terpecah ke sidechainnya sendiri setelah mainnet dirilis. Perusahaan kemudian dapat membeli jumlah daya pemrosesan yang diperlukan untuk menjalankan aplikasi mereka tanpa harus berinvestasi dalam infrastruktur khusus milik mereka sendiri.
DeepBrain akan memenuhi kebutuhan organisasi ini dengan menyediakan jaringan latensi rendah, berkinerja tinggi, dan fleksibel yang menjaga privasi melalui desentralisasi dan enkripsi. Perkiraan awal memproyeksikan penghematan biaya setidaknya 70% untuk sebagian besar klien.
Testnet Berhasil
Pada 3 Juni 2018, tim pengembangan DeepBrain Chain berhasil menjalankan tiga jenis model pelatihan AI dunia nyata di testnet pribadi. Hasil pengujian ini tidak diumumkan, tetapi tujuannya bukan untuk menguji AI, hanya kemampuan testnet untuk menjalankan program di lingkungan kerja..
Tes pertama yang berhasil adalah database Modified National Institute of Standards and Technology (MNIST), semacam “Hello World” untuk pembelajaran mesin. Tim DeepBrain berhasil menjalankan MNIST di testnet dengan subset terbatas sebanyak 250 gambar.
Tes MNIST lengkap berisi 60.000 gambar angka tulisan tangan yang diambil dari sampel siswa sekolah menengah dan anggota staf Biro Sensus AS. AI harus digunakan pengenalan gambar pada setiap pemindaian untuk menafsirkan tanda dan mengidentifikasi nomor sebanyak mungkin dengan benar.
Tes AI kedua adalah model pemrosesan bahasa alami yang dijalankan menggunakan Convolutional Neural Networks (CNN). CNN menganalisis gambar sebagai kumpulan piksel pada satu waktu, memungkinkannya mendeteksi bentuk dan tepi dengan membandingkan perbedaan dalam data matriks. Saat ditugaskan untuk pemrosesan bahasa, CNN dapat “melihat” kata-kata dalam dokumen dan menguraikan makna sederhana dari konteks.
Akhirnya, tim DeepBrain berhasil menjalankan model kategorisasi teks berbahasa Mandarin menggunakan versi doc2vector yang telah dilatih sebelumnya. Program ini merupakan perpanjangan dari word2vec.dll yang membangun embeddings kata dari dokumen teks yang dipindai. Model ini biasanya digunakan untuk merekonstruksi konteks linguistik dari masukan dokumen, yang pada dasarnya memungkinkan jaringan saraf untuk memahami bahasa tertulis.
Peta Jalan dan Tonggak Sejarah
Pada Januari 2018, DeepBrain mengumumkan kemitraan dengan pemegang lisensi Disney dalam serangkaian Mainan Mickey Mouse yang mendengarkan dan menanggapi masukan ucapan. Robot pendidikan mengirimkan lebih dari 3 juta unit pada tahun 2017. DeepBrain akan membantu meningkatkan kemampuan pembelajarannya untuk menjalankan produk berikutnya.
Acara mendatang yang paling penting adalah peluncuran testnet DeepBrain Chain yang dijadwalkan pada akhir Juni. Dengan keberhasilan pengujian awal, tim merasa produk tersebut siap menerima aplikasi publik. Rilis mainnet akan menyusul beberapa bulan kemudian dengan jadwal peluncuran Oktober 2018.
Itu Proyek Skynet dibuka pada pertengahan Juni 2018 untuk membantu memperkuat jaringan dalam persiapan go public. Pengguna yang memenuhi persyaratan perangkat keras dapat mendaftar untuk bergabung dengan Skynet dan mendapatkan hak prioritas penambangan mainnet, poin node konsensus tambahan, dan penggunaan sumber daya DeepBrain secara gratis selama Skynet Project beroperasi..
DeepBrain Chain telah menempa a kemitraan dengan SingularityNET, solusi tumpukan AI terbuka dan terdesentralisasi yang bertujuan untuk mendemokratisasi akses ke kecerdasan buatan. Aliansi akan memungkinkan berbagi data dan layanan pemrosesan antara kedua platform melalui kerangka kerja yang sedang dibangun oleh tim.
Roadmap DeepBrain Chain membawa platform melalui peluncuran mainnet pada Oktober 2018 dan mencakup pengujian dan penyempurnaan sepanjang 2019.
Masa Depan Rantai Otak Dalam
DeepBrain Chain adalah platform komputasi AI berbasis blockchain pertama di dunia, dan tiba tepat pada waktunya untuk memanfaatkan industri yang sedang berkembang pesat.
Raksasa teknologi Google dan Baidu telah menghabiskan antara $ 20-30 miliar untuk pengembangan AI. Industri itu sendiri bisa bernilai lebih dari a triliun dolar pada tahun 2035. Untuk menempatkannya dalam perspektif, pendapatan ekspor minyak bersih OPEC mencapai puncaknya saat ini di $ 917 miliar pada tahun 2012 dan telah turun hampir setengahnya sejak saat itu..
DeepBrain Chain saat ini memfokuskan sebagian besar upayanya pada perusahaan di China, sebuah negara siap untuk menjadi pemimpin dunia dalam kecerdasan buatan. CEO DeepBrain He Yong mengaitkan ini dengan betapa mudahnya mengumpulkan dan memanfaatkan data di China dibandingkan dengan negara lain.
Ada beberapa kekhawatiran tentang kemampuan dan keinginan DeepBrain untuk memperluas ke wilayah lain, terutama Eropa dan Amerika Serikat. Seperti yang disarankan oleh kemitraan dengan SingularityNET, DeepBrain Chain tidak bermaksud untuk tetap menjadi proyek yang berfokus pada China selamanya.
Sejauh ini, masa depan DeepBrain Chain terlihat cerah. Itu mendarat di tempat di fitur kami di proyek NEO yang menarik dan proyek blockchain AI yang menjanjikan awal tahun ini. Jika peluncuran testnet dan mainnet berjalan lancar, DeepBrain Chain bisa menjadi proyek pertama yang digunakan perusahaan ketika mencari kemitraan AI.
Terkait: Blockchain dan Kecerdasan Buatan: Manfaat AI yang Terdesentralisasi