Сьогодні, оскільки методи машинного навчання широко застосовуються в ряді додатків, машинне навчання стало важливим для онлайн-сервісів.
Morphware — це децентралізована система машинного навчання, яка винагороджує власників прискорювачів, продаючи їх неактивні обчислювальні потужності, а потім полегшує пов’язані підпрограми, які від імені науковців даних можуть навчати та тестувати моделі машинного навчання в децентралізованому режимі.
Типи моделей машинного навчання включають контрольовані алгоритми напів- або неконтрольованого навчання.
Навчання алгоритму навчання під керівництвом можна розглядати як пошук оптимальної комбінації ваг для застосування до набору вхідних даних або для передбачення бажаного результату.
Поштовхом до цієї роботи є обчислювальна складність. Апаратне забезпечення, яке використовується для відтворення відеоігор, також може прискорити навчання алгоритмам навчання під наглядом.
Що таке Morphware?
Однією з ключових проблем у моделях машинного навчання є обчислювальні ресурси, необхідні для виконання найсучасніших робочих навантажень машинного навчання, подвоюються приблизно кожні три з половиною місяці.
Щоб вирішити цю проблему, Morphware розробляє однорангову мережу, яка дозволяє практикуючим науковцям з даних, інженерам з машинного навчання та студентам інформатики платити гравцям у відеоігри або іншим особам за навчання моделей від їхнього імені.
Хоча апаратні машини допомагають науковцям з даних прискорити розробку моделей машинного навчання, висока вартість цих апаратних прискорювачів також є перешкодою для багатьох дослідників даних.
Що таке моделі машинного навчання?
Моделі машинного навчання можуть відрізнятися за ступенем контролю та параметризації. Метою навчання моделі з контрольованою параметризацією є зниження частоти помилок, що охоплює числову відстань між прогнозом і спостереженням.
Навчання моделі машинного навчання реалізується шляхом попередньої обробки з подальшим тестуванням. Дослідники даних відокремлюють дані, які надаються моделям машинного навчання під час навчання, від даних, які надаються їм під час їхнього тестування.
Таким чином, видно, що модель не переповнює набір доступних даних, а також продуктивність, яка може бути гіршою на невидимих даних.
Зазвичай дані навчання та тестування вибираються з одного файлу або каталогу під час попередньої обробки.
Народження глибокого навчання – це великий вибух сучасності. Як принципово нова модель програмного забезпечення, глибоке навчання дозволяє паралельно тренувати мільярди програмних нейронів і трильйони з’єднань.
Завдяки запуску глибоких алгоритмів нейронної мережі та навчання на прикладах прискорені обчислення є ідеальним підходом, а графічний процесор — ідеальним процесором.
Це нова комбінація для створення нового покоління для обчислювальних платформ з кращою продуктивністю, продуктивністю програмування та відкритою доступністю.
Моделі глибокого навчання відомі як підмножина моделей машинного навчання. Вони особливо інтенсивні з обчислювальної точки зору для навчання через їхні взаємопов’язані шари прихованих змінних.
Що таке рішення Morphware?
Для цих транзакцій використовується валюта Morphware Token основної платформи.
Токеноміка
Загальна кількість токенів Morphware становить 1,232,922,769 XNUMX XNUMX XNUMX, і вони спалюються, але не карбуються.
Через веб-сайт, який розроблено, розроблено та розгорнуто Morphware, користувачі можуть придбати токен платформи.
Менше двох відсотків від загальної кількості токенів Morphware буде продано протягом першого місяця.
Як працює Morphware
Процес моделі машинного навчання – це аналіз даних, а потім ітераційний цикл, який коливається між вибором моделі та розробкою функцій.
Мета цієї роботи полягає в тому, щоб допомогти кінцевим користувачам, таким як науковці даних, швидше виконувати ітерації, створюючи доступ до децентралізованої мережі комп’ютерів, що може прискорити їх робоче навантаження.
Кінцеві користувачі об’єднуються з робочими вузлами і платять за допомогою зворотного аукціону з закритою ставкою за другою ціною. Вони платять робочим вузлам за навчання своїх моделей і вузлам-валідаторам за тестування моделей, навчених робочими вузлами за допомогою Morphware Tokens.
Ролі та обов'язки членів мережі включають два автономних типи однолітків.
Щоб працювати з Morphware, кінцеві користувачі просто завантажують свою модель у вигляді записника Jupyter або файлу Python, дані навчання та тестування.
Далі їм потрібно вказати цільовий рівень точності та дати прогноз, скільки часу знадобиться для досягнення цього рівня точності. Щоб завершити, натисніть кнопку "Відправити".
Кінцеві користувачі подають моделі для навчання працівникам і перевірки валідаторами. У той же час працівники є вузлами, які заробляють токени за допомогою навчальних моделей, поданих кінцевими користувачами.
Валідатори — це вузли, які заробляють токени, тестуючи моделі, навчені працівниками.
Після того, як кінцевий користувач подає модель, її навчатимуть працівники та перевірятимуть валідатори через платформу, яка зв’язується з мережею через свій внутрішній демон.
Демон відповідає не тільки за створення алгоритмів та відповідних наборів даних для того, що подає кінцевий користувач через клієнта, але й за надсилання початкового запиту на роботу в смарт-контракт.
Крім того, демон відповідає за навчання та тестування моделей працівниками та валідаторами.
Однорангова доставка дозволяє передавати алгоритм і відповідний набір даних від кінцевого користувача до працівника або валідатора.
Однак початкові вимоги до роботи від кінцевого користувача та відповідні відповіді кінцевому користувачеві від працівників або валідаторів публікуються в смарт-контракті.
Початкові вимоги до роботи включають приблизний час виконання періоду навчання, пов’язаний з алгоритмом магніт, навчальний набір та набір даних для тестування.
Відповідь від працівника містить магнітне посилання на модель, яку вони навчили, яка згодом перевіряється багатьма валідаторами.
Якщо модель, яку навчали, відповідає необхідному порогу продуктивності, працівник і валідатори отримають токени як винагороду.
Що робить Morphware видатним
Morphware — це двосторонній ринок.
Ринок обслуговує науковців з даних, які можуть використовувати платформу для доступу до віддаленої обчислювальної потужності через мережу комп’ютерів, таких як центральні процесори, графічні процесори, оперативна пам’ять, як вони б використовували AWS, але за меншою ціною та з більш зручним інтерфейсом.
З іншого боку, Morphware також служить власникам надлишкової обчислювальної потужності, які хочуть заробити гроші та винагороди, продаючи свої обчислювальні потужності.
Тому його клієнтські сегменти зосереджені на дослідниках даних, геймерах або людей із надмірною обчислювальною потужністю, які хочуть заробляти гроші.
Наразі список клієнтів Morphware постійно збільшується, включно з науковцями з даних, які працюють над лабораторією мобільності безпілотних автомобілів, студентськими організаціями, яким потрібна підтримка науки про дані, і автомобільними компаніями, такими як Suzu, Mitsubishi або Volvo.
Morphware також співпрацює з Tellor. У рамках цього партнерства Tellor збирається платити Morphware за використання їх оракула протягом перших кількох місяців.
У порівнянні з іншими конкурентами на ринку Morphware має конкурентну перевагу. Його унікальна стратегія ринку робить його продукт дешевшим за інші.
Заключні думки про Morphware
Оскільки моделі машинного навчання стають дедалі складнішими, були досліджені проекти для нової екосистеми моделей машинного навчання, що торгують через мережу на основі блокчейна.
Таким чином, кінцеві користувачі або покупці можуть придбати цікаву модель на ринку машинного навчання, в той час як працівники або продавці, які зацікавлені в проведенні локальних обчислень на даних, щоб підвищити якість цієї моделі.
Таким чином, розглядається пропорційний зв’язок між локальними даними та якістю навчених моделей, а також оцінюються оцінки даних продавця при навчанні моделей.
Проект демонструє конкурентоспроможну продуктивність, меншу вартість виконання та справедливість у плані заохочення для учасників.
Morphware — одна з платформ, що впроваджує однорангову мережу, де кінцеві користувачі можуть платити гравцям відеоігор за навчання моделей машинного навчання від їхнього імені у валюті платформи Morphware Token.
Щоб дізнатися більше про Morphware – будь ласка, натисніть тут!
Джерело: https://blokonomi.com/morphware-guide/