Mākslīgais intelekts (AI) strauji kļūst par mūsu ikdienas centrālo daļu.

Personīgie asistenti, piemēram, Google palīgs un Siri, runas ievades apstrādē paļaujas uz mākslīgo intelektu. Ieteikumu dzinējus, kas iesaka dziesmas, restorānus vai ziņas, arī nodrošina AI. Tad ir tādi virsrakstu satveršanas projekti kā AlphaGo, kas izmantoja mākslīgu neironu tīklu, lai uzvarētu cilvēku spēlētājus vienā no vissarežģītākajām jebkad izveidotajām stratēģijas spēlēm.

Nav šaubu, ka mēs ienākam nākotnē, ko nodrošina AI. Dažas organizācijas to pat izmanto meklēt slimības un meklēt eksoplanētas. Bet šo programmu palaišanas izmaksas ir grūti ignorēt. Daudzi iesācēji pat 20-30% no sava finansējuma tērē tikai aparatūras darbības izmaksām.

DeepBrain ķēde cer līdz 2013. Gadam risināt problēmu ar pieaugošajām apstrādes izmaksām apvienojot blokķēdes tehnoloģija ar mākslīgo intelektu. Pirmie aprēķini liecina, ka uzņēmumi var ietaupīt pat 70%, iegādājoties datus un apstrādes jaudu, izmantojot DeepBrain, nevis veidojot savu infrastruktūru.

Nesen DeepBrain Chain komanda paziņoja par saviem pirmajiem veiksmīgajiem AI modeļu testēšanas testā, norādot projekta sākotnējos soļus uz publisku pieejamību.

Izmaksu problēmas

Pēdējo 5 gadu laikā ir sākuši darboties vairāk nekā 5000 AI jaunuzņēmumi. Venture skeneris atskaites Šo projektu finansējuma saliktais gada pieauguma temps ir 83%, 2017. gadā sasniedzot vairāk nekā 14 miljardus ASV dolāru. 2018. gada 1. ceturksnī nozares mēroga finansējums bija rekordliels 2,5 miljardu ASV dolāru apmērā, kas ir par 11% vairāk nekā 2017. gada 1. ceturksnī..

AlphaGo ir viens no slavenākajiem dziļās mācīšanās un mākslīgā intelekta pielietojumiem. Tās izstrādātāju DeepMind 2014. gadā iegādājās Google. Neskatoties uz plaši popularizētajiem uzņēmuma panākumiem, DeepMind turpina publicēt finansiālie zaudējumi katru gadu, tikai 2016. gadā palielinoties parādam, kas pārsniedz USD 162 miljonus.

Ekspluatācijas izmaksām un juridiskajām nodevām ir liela nozīme DeepMind finanšu stāvoklī, taču arī AlphaGo vadīšana nav gluži lēta. AlphaGo versija, kurā spēlēja Dienvidkorejas profesionālo Go spēlētāju Lī Sedolu, darbojās ar 1 920 standarta procesoriem un 280 modificētiem GPU, tādējādi veicinot 3000 USD darbības izmaksas par vienu spēli..

Lai jebkurš AI modelis darbotos ar ievērojamu precizitāti, ir vajadzīgas tūkstošiem stundu ilgas apmācības. Ir viegli saprast, kā AI uzņēmumi var sakrāt lielus rēķinus par aparatūru, mēģinot laist tirgū vienu mākslīgā intelekta produktu.

Citas kompānijas, kas strādā ar mašīnmācīšanos un mākslīgo intelektu, saskaras ar līdzīgām problēmām kā DeepMind. Lielākā daļa no viņiem nevar paļauties uz Google lieluma mātes uzņēmuma kabatām bez dibena, lai saglabātu to finansējumu. Izmaksu samazināšana ir izšķiroša, lai turpinātu darbu, un 30%, kas tiek tērēti aparatūrai, ir lieliska vieta, kur sākt.

AI finansējums no 2011. līdz 2018. gadam – attēls, izmantojot venturescanner.com

Ievadiet DeepBrain ķēdi

Blockchain tehnoloģija ir ideāls risinājums, lai ierobežotu AI lietojumprogrammu darbības pieaugošās izmaksas. Tas ir strauji augošs, mērogojams un ienesīgs sektors, kas, pateicoties kriptovalūtu popularitātei, ir sācis iekļūt galvenajā plūsmā..

DeepBrain ķēde darbosies kā decentralizēta datu un apstrādes jaudas tirgus. Pašlaik tā darbojas NEO blokķēde bet sadalīsies savā blakusķēdē, tiklīdz mainnets izlaidīs. Pēc tam uzņēmumi var iegādāties apstrādes jaudas apjomus, kas nepieciešami, lai palaistu viņu lietojumprogrammas, neveicot ieguldījumus īpašā atsevišķā infrastruktūrā.

DeepBrain apmierinās šo organizāciju vajadzības, nodrošinot elastīgu, augstas veiktspējas un zemas aiztures tīklu, kas saglabā privātumu, izmantojot decentralizāciju un šifrēšanu. Agrīnās aplēses liecina, ka lielākajai daļai klientu izmaksu ietaupījums ir vismaz 70%.

Testnet veiksmīgi

2018. gada 3. jūnijā DeepBrain Chain izstrādes komanda veiksmīgi veica trīs veidu reālās pasaules AI apmācības modeļus privātajā testnet. Šo testu rezultāti netika paziņoti, taču mērķis nebija pārbaudīt AI, tikai testnet spēja palaist programmas darba vidē.

Pirmais veiksmīgais tests bija Modificētā Nacionālā standartu un tehnoloģiju institūta (MNIST) datu bāze, sava veida “Hello World” mašīnmācībai. DeepBrain komanda veiksmīgi palaida MNIST testa tīklā ar ierobežotu 250 attēlu apakškopu.

Pilnajā MNIST testā ir 60 000 ar roku rakstītu ciparu attēlu, kas ņemti no vidusskolas studentiem un ASV Tautas skaitīšanas biroja darbiniekiem. AI ir jāizmanto attēla atpazīšana katrā skenēšanā, lai interpretētu marķējumus un pareizi identificētu pēc iespējas vairāk skaitļu.

Otrais AI tests bija dabiskās valodas apstrādes modelis, kas tika palaists, izmantojot konvolucionālos neironu tīklus (CNN). CNN analizēt attēlus kā pikseļu grupas vienlaikus, ļaujot tai noteikt formas un malas, salīdzinot matricas datu atšķirības. Uzdodot valodas apstrādei, CNN var “redzēt” vārdus dokumentā un atšifrēt vienkāršas nozīmes no konteksta.

Visbeidzot, DeepBrain komanda veiksmīgi vadīja ķīniešu teksta kategoriju modeli, izmantojot iepriekš apmācītu doc2vector versiju. Šī programma ir programmas paplašinājums word2vec kas konstruē vārdu iestrādes no skenētiem teksta dokumentiem. Modeli parasti izmanto, lai rekonstruētu lingvistisko kontekstu no dokumentu ievades, būtībā ļaujot neironu tīkliem saprast rakstisko valodu.

Ceļvedis un pagrieziena punkti

2018. gada janvārī DeepBrain paziņoja par partnerību ar Disney licenciātu sērijā  Mikipeles rotaļlietas kas klausās runas ievadu un atbild uz to. Izglītības robots 2017. gadā nosūtīja vairāk nekā 3 miljonus vienību. DeepBrain palīdzēs uzlabot savas mācīšanās iespējas nākamajam produkta izpildījumam.

Ievērojamākais gaidāmais notikums ir DeepBrain Chain testnet palaišana, kas paredzēta jūnija beigās. Pēc sākotnējo testu panākumiem komanda uzskata, ka produkts ir gatavs pieņemt publiskus pieteikumus. Mainnet izlaidums sekos mēnešus vēlāk, kā paredzēts 2018. gada oktobrī.

The Skynet projekts tika atvērts 2018. gada jūnija vidū, lai palīdzētu stiprināt tīklu, gatavojoties publiskai izmantošanai. Lietotāji, kas atbilst aparatūras prasībām, var pieteikties, lai pievienotos Skynet un nopelnītu Mainnet ieguves prioritātes tiesības, papildu vienprātības mezglu punktus un bezmaksas DeepBrain resursu izmantošanu, kamēr darbojas Skynet Project.

DeepBrain ķēde ir viltojusi a partnerattiecības ar SingularityNET, atvērtu, decentralizētu AI kaudzes risinājumu, kura mērķis ir demokratizēt piekļuvi mākslīgajam intelektam. Alianse ļaus koplietot datus un apstrādes pakalpojumus starp abām platformām, izmantojot sistēmu, kuru komandas pašlaik veido.

DeepBrain ķēdes ceļvedis nodrošina platformas izlaidi 2018. gada oktobrī un piedāvā testēšanu un pilnveidošanu visu 2019. gadu..

DeepBrain ķēdes nākotne

DeepBrain ķēde ir pasaulē pirmā uz blockchain balstītā AI skaitļošanas platforma, un tā ieradās tieši laikā, lai gūtu labumu no strauji augošās nozares.

Tehnikas giganti Google un Baidu AI izstrādei ir iztērējuši no 20 līdz 30 miljardiem USD. Pati nozare varētu būt vairāk nekā vērts triljoni dolāru līdz 2035. gadam. Runājot par to perspektīvā, OPEC neto naftas eksporta ieņēmumi sasniedza mūsdienu maksimumu – 917 miljardus USD 2012. gadā un kopš tā laika ir samazinājušies gandrīz uz pusi.

Pašlaik DeepBrain ķēde lielākoties koncentrējas uz uzņēmumiem Ķīnā, valstī gatavs kļūt par pasaules līderi mākslīgā intelekta jomā. DeepBrain izpilddirektors He Yong to saista ar to, cik viegli ir apkopot un izmantot datus Ķīnā, salīdzinot ar citām valstīm.

Pastāv zināmas bažas par DeepBrain spēju un vēlmi paplašināties citās teritorijās, īpaši Eiropā un Amerikas Savienotajās Valstīs. Kā liecina partnerība ar SingularityNET, DeepBrain Chain neplāno mūžīgi palikt uz Ķīnu vērstā projektā.

Pagaidām DeepBrain Chain nākotne izskatās gaiša. Tas ieguva vietu mūsu funkcijās aizraujoši NEO projekti un daudzsološi AI blokķēdes projekti agrāk šajā gadā. Ja testnet un mainnet palaišana norit gludi, DeepBrain Chain varētu būt pirmais projekts, pie kura uzņēmumi vēršas, iegūstot AI partnerības.

Saistīts: Blokķēde un mākslīgais intelekts: decentralizēta AI priekšrocības