Aujourd'hui, alors que les techniques d'apprentissage automatique sont largement appliquées à une gamme d'applications, l'apprentissage automatique est devenu important pour les services en ligne.
Morphware est un système d'apprentissage automatique décentralisé qui récompense les propriétaires d'accélérateurs en vendant aux enchères leur puissance de calcul inactive, puis facilite les sous-routines associées, qui peuvent être au nom des scientifiques des données pour former et tester les modèles d'apprentissage automatique dans une capacité décentralisée.
Les types de modèles d'apprentissage automatique comprennent des algorithmes d'apprentissage semi-supervisés ou non supervisés.
L'apprentissage d'un algorithme d'apprentissage supervisé peut être vu comme une recherche de la combinaison optimale de poids à appliquer à un ensemble d'entrées ou pour prédire une sortie souhaitable.
L'impulsion de ce travail est la complexité de calcul. Le matériel utilisé pour rendre les jeux vidéo peut également accélérer la formation des algorithmes d'apprentissage supervisé.
Qu'est-ce qu'un Morphware ?
L'un des principaux problèmes des modèles d'apprentissage automatique est que les ressources de calcul nécessaires pour exécuter des charges de travail d'apprentissage automatique de pointe doublent environ tous les trois mois et demi.
Pour résoudre ce problème, Morphware développe un réseau peer-to-peer qui permet aux scientifiques des données, aux ingénieurs en apprentissage automatique et aux étudiants en informatique de payer des joueurs de jeux vidéo ou d'autres personnes pour former des modèles en leur nom.
Bien que les machines matérielles aident les scientifiques des données à accélérer le développement de modèles d'apprentissage automatique, le coût élevé de ces accélérateurs matériels constitue également un obstacle pour de nombreux scientifiques des données.
Que sont les modèles d'apprentissage automatique ?
Les modèles d'apprentissage automatique peuvent varier selon le degré de supervision et de paramétrage. Le but de la formation d'un modèle paramétré supervisé est de réduire le taux d'erreur qui couvre la distance numérique entre une prédiction et une observation.
L'entraînement d'un modèle d'apprentissage automatique est mis en œuvre par un prétraitement, suivi de tests. Les scientifiques des données séparent les données mises à la disposition des modèles d'apprentissage automatique pendant leur formation des données mises à leur disposition pendant leur période de test.
Par conséquent, on peut voir que le modèle ne surajuste pas l'ensemble des données disponibles, ainsi que les performances, qui peuvent être moins bonnes sur des données non vues.
Normalement, les données d'entraînement et de test sont sélectionnées à partir du même fichier ou répertoire lors du prétraitement.
La naissance du deep learning est le big bang de la modernité En tant que modèle logiciel fondamentalement nouveau, le deep learning permet de former en parallèle des milliards de neurones logiciels et des billions de connexions.
Exécutant des algorithmes de réseaux neuronaux profonds et apprenant à partir d'exemples, le calcul accéléré est une approche idéale et le GPU est le processeur idéal.
Il s'agit d'une nouvelle combinaison pour créer une nouvelle génération de plates-formes informatiques avec de meilleures performances, une productivité de programmation et une accessibilité ouverte.
Les modèles d'apprentissage en profondeur sont connus comme un sous-ensemble de modèles d'apprentissage automatique. Ils sont particulièrement gourmands en calculs à former en raison de leurs couches interconnectées de variables latentes.
Quelle est la solution de Morphware ?
La devise principale de la plateforme Morphware Token est utilisée pour ces transactions.
Tokenomics
L'offre totale de jetons Morphware est de 1,232,922,769 XNUMX XNUMX XNUMX et ils peuvent être brûlés, mais pas monnayables.
Grâce à un site Web conçu, développé et déployé par Morphware, les utilisateurs peuvent acheter le jeton de plate-forme.
Moins de deux pour cent de l'offre totale de Morphware Tokens seront à vendre au cours du premier mois.
Comment fonctionne Morphware
Le processus d'un modèle d'apprentissage automatique est l'analyse des données, puis un cycle itératif qui oscille entre la sélection du modèle et l'ingénierie des fonctionnalités.
Le but de ce travail est d'aider les utilisateurs finaux tels que les data scientists à itérer plus rapidement en créant un accès à un réseau décentralisé d'ordinateurs qui peut accélérer leurs charges de travail.
Les utilisateurs finaux sont jumelés à des nœuds de travail et les paient via une enchère inversée à offre scellée et au second prix. Ils paient des nœuds de travail pour former leurs modèles et des nœuds de validation pour tester les modèles formés par les nœuds de travail par Morphware Tokens.
Les rôles et responsabilités des membres du réseau comprennent deux types de pairs autonomes.
Pour travailler avec Morphware, les utilisateurs finaux téléchargent simplement leur modèle, sous la forme d'un cahier Jupyter ou d'un fichier Python, les données d'entraînement et de test.
Ensuite, ils doivent spécifier le niveau de précision cible et donner une prédiction du temps qu'il faudra pour atteindre ce niveau de précision. Cliquez sur Soumettre pour terminer.
Les utilisateurs finaux soumettent des modèles à former par les travailleurs et testés par les validateurs. Pendant ce temps, les travailleurs sont les nœuds qui gagnent des jetons en formant des modèles soumis par les utilisateurs finaux.
Les validateurs sont les nœuds qui gagnent des jetons en testant des modèles formés par les travailleurs.
Une fois que l'utilisateur final soumet le modèle, il sera formé par les travailleurs et testé par les validateurs, via la plate-forme, qui communique avec le réseau via son démon back-end.
Le démon est chargé non seulement de créer des algorithmes et leurs ensembles de données respectifs pour ce qui est soumis par l'utilisateur final via le client, mais également d'envoyer la sollicitation initiale de travail au contrat intelligent.
De plus, le démon est responsable de la formation et des tests des modèles, par les travailleurs et les validateurs.
La livraison assistée par les pairs permet la propagation d'un algorithme et de l'ensemble de données correspondant d'un utilisateur final à un travailleur ou à un validateur.
Cependant, les exigences de travail initiales de l'utilisateur final et les réponses pertinentes à l'utilisateur final des travailleurs ou des validateurs sont toutes publiées sur le contrat intelligent.
Les exigences de travail initiales incluent la durée d'exécution estimée de la période de formation, l'aimant lié à l'algorithme, l'ensemble de formation et l'ensemble de données de test.
Une réponse d'un travailleur comprend un lien magnétique vers le modèle qu'il a formé, qui est ensuite testé par de nombreux validateurs.
Si le modèle formé atteint le seuil de performance requis, le travailleur et les validateurs recevront des jetons en récompense.
Ce qui rend Morphware exceptionnel
Morphware est un marché à deux faces.
Le marché sert les scientifiques des données qui peuvent utiliser la plate-forme pour accéder à la puissance de calcul à distance via le réseau d'ordinateurs tels que les processeurs, les GPU, la RAM comme ils utiliseraient AWS, mais à moindre coût et avec une interface plus conviviale.
D'autre part, Morphware sert également les propriétaires de puissance de calcul excédentaire qui cherchent à gagner de l'argent et des récompenses en vendant leur puissance de calcul.
Par conséquent, ses segments de clientèle se concentrent sur les scientifiques des données, les joueurs ou les personnes disposant d'une puissance de calcul excessive qui souhaitent gagner de l'argent.
Actuellement, la liste des clients de Morphware n'a cessé de s'allonger, y compris un data scientist travaillant sur un laboratoire de mobilité automobile autonome, des organisations étudiantes qui ont besoin d'un soutien en science des données et des entreprises automobiles telles que Suzu, Mitsubishi ou Volvo.
Morphware s'est également associé à Tellor. Dans le cadre de ce partenariat, Tellor va payer Morphware pour l'utilisation de leur oracle pendant les premiers mois.
Par rapport aux autres concurrents du marché, Morphware dispose d'un avantage concurrentiel. Sa stratégie de marché unique rend son produit moins cher que les autres.
Réflexions finales sur Morphware
Alors que les modèles d'apprentissage automatique deviennent de plus en plus complexes, les projets d'un nouvel écosystème de modèles d'apprentissage automatique s'échangeant sur un réseau basé sur la Blockchain ont été explorés.
Ainsi, les utilisateurs finaux ou les acheteurs peuvent acquérir le modèle qui les intéresse sur le marché de l'apprentissage automatique, tandis que les travailleurs ou les vendeurs qui souhaitent dépenser des calculs locaux sur des données pour améliorer la qualité de ce modèle.
Ainsi, la relation proportionnelle entre les données locales et la qualité des modèles formés est considérée, et les évaluations des données du vendeur dans la formation des modèles sont estimées.
Le projet montre une performance d'exécution compétitive, un coût d'exécution inférieur et une équité en termes d'incitations pour les participants.
Morphware est l'une des plateformes pionnières qui introduit un réseau peer-to-peer où les utilisateurs finaux peuvent payer les joueurs de jeux vidéo pour former des modèles d'apprentissage automatique, en leur nom, dans la devise de la plateforme Morphware Token.
Pour en savoir plus sur Morphware, veuillez cliquer ici !
Source : https://blockonomi.com/morphware-guide/