Hari ini, kerana teknik pembelajaran mesin digunakan secara meluas pada pelbagai aplikasi, pembelajaran mesin telah menjadi penting kepada perkhidmatan dalam talian.
Morphware ialah sistem pembelajaran mesin terdesentralisasi yang memberi ganjaran kepada pemilik pemecut dengan melelong kuasa pengkomputeran terbiar mereka dan kemudian memudahkan subrutin yang berkaitan, yang boleh bagi pihak saintis data untuk melatih dan menguji model pembelajaran mesin dalam kapasiti terdesentralisasi.
Jenis model pembelajaran mesin termasuk algoritma pembelajaran separuh atau tidak diselia.
Latihan algoritma pembelajaran yang diselia boleh dilihat sebagai pencarian kombinasi pemberat yang optimum untuk digunakan pada set input atau untuk meramalkan output yang diingini.
Dorongan kerja ini adalah kerumitan pengiraan. Perkakasan yang digunakan untuk membuat permainan video juga boleh mempercepatkan latihan algoritma pembelajaran yang diselia.
Apakah Morphware?
Salah satu masalah utama dalam model pembelajaran mesin ialah sumber pengiraan yang diperlukan untuk menjalankan beban kerja pembelajaran mesin terkini meningkat dua kali ganda lebih kurang setiap tiga setengah bulan.
Untuk menangani isu ini, Morphware membangunkan rangkaian peer-to-peer yang membolehkan ahli sains data, jurutera pembelajaran mesin dan pelajar sains komputer membayar pemain permainan video atau orang lain untuk melatih model bagi pihak mereka.
Walaupun mesin perkakasan membantu saintis data mempercepatkan pembangunan model pembelajaran mesin, kos tinggi bagi pemecut perkakasan ini juga menjadi penghalang bagi ramai saintis data.
Apakah Model Pembelajaran Mesin?
Model pembelajaran mesin boleh berbeza mengikut tahap penyeliaan dan parameterisasi. Tujuan melatih model berparameter diselia adalah untuk menurunkan kadar ralat yang menjangkau jarak berangka antara ramalan dan pemerhatian.
Melatih model pembelajaran mesin dilaksanakan dengan pra-pemprosesan, dan diikuti dengan ujian. Saintis data memisahkan data yang disediakan untuk model pembelajaran mesin semasa mereka berlatih daripada data yang disediakan kepada mereka semasa tempoh ujian mereka.
Oleh itu, dapat dilihat bahawa model itu tidak melebihi set data yang tersedia, serta prestasi, yang mungkin lebih teruk pada data yang tidak kelihatan.
Biasanya, data latihan dan ujian dipilih daripada fail atau direktori yang sama dalam pra-pemprosesan.
Kelahiran pembelajaran mendalam adalah ledakan besar moden Sebagai model perisian yang asasnya baharu, pembelajaran mendalam membolehkan berbilion neuron perisian dan bertrilion sambungan dilatih, secara selari.
Menjalankan algoritma rangkaian saraf dalam dan belajar daripada contoh, pengkomputeran dipercepatkan ialah pendekatan yang ideal dan GPU ialah pemproses yang ideal.
Ia merupakan gabungan baharu untuk mencipta generasi baharu untuk platform pengkomputeran dengan prestasi yang lebih baik, produktiviti pengaturcaraan dan kebolehaksesan terbuka.
Model pembelajaran mendalam dikenali sebagai subset model pembelajaran mesin. Mereka sangat intensif secara pengiraan untuk dilatih kerana lapisan pembolehubah terpendam yang saling berkaitan.
Apakah Penyelesaian Morphware?
Mata wang platform utama Morphware Token digunakan untuk transaksi ini.
Tokenomik
Jumlah bekalan Morphware Token ialah 1,232,922,769 dan ia boleh dibakar, tetapi tidak boleh dicetak.
Melalui tapak web yang direka bentuk, dibangunkan dan digunakan oleh Morphware, pengguna boleh membeli token platform.
Kurang daripada dua peratus daripada jumlah bekalan Morphware Token akan dijual pada bulan pertama.
Bagaimana Morphware Berfungsi
Proses model pembelajaran mesin ialah analisis data dan kemudian merupakan kitaran berulang yang bergolak antara pemilihan model dan kejuruteraan ciri.
Tujuan kerja ini adalah untuk membantu pengguna akhir seperti saintis data beralih lebih cepat dengan mencipta akses kepada rangkaian komputer terdesentralisasi yang boleh mempercepatkan beban kerja mereka.
Pengguna akhir digandingkan dengan dan membayar, nod pekerja melalui bidaan termeterai, lelongan terbalik harga kedua. Mereka membayar nod pekerja untuk melatih model mereka dan nod pengesah untuk menguji model yang dilatih oleh nod pekerja oleh Morphware Token.
Peranan dan tanggungjawab ahli rangkaian termasuk dua jenis rakan sebaya autonomi.
Untuk bekerja dengan Morphware, pengguna akhir hanya memuat naik model mereka, dalam bentuk buku nota Jupyter atau fail Python, data latihan dan ujian.
Seterusnya, mereka perlu menentukan tahap ketepatan sasaran dan memberikan ramalan tempoh masa yang diperlukan untuk mencapai tahap ketepatan tersebut. Mengklik hantar untuk menyelesaikan.
Pengguna akhir menyerahkan model untuk dilatih oleh pekerja dan diuji oleh pengesah. Sementara itu, pekerja ialah nod yang memperoleh token melalui model latihan yang diserahkan oleh pengguna akhir.
Pengesah ialah nod yang memperoleh token dengan menguji model yang dilatih oleh pekerja.
Sebaik sahaja pengguna akhir menyerahkan model, ia akan dilatih oleh pekerja dan diuji oleh pengesah, melalui platform, yang berkomunikasi dengan rangkaian melalui daemon hujung belakangnya.
Daemon bertanggungjawab untuk bukan sahaja mencipta algoritma dan set data masing-masing untuk perkara yang diserahkan oleh pengguna akhir melalui pelanggan tetapi juga menghantar permintaan awal kerja kepada kontrak pintar.
Di samping itu, daemon bertanggungjawab untuk latihan dan ujian model, oleh pekerja dan pengesah.
Penghantaran dibantu rakan sebaya membenarkan penyebaran algoritma dan set data yang sepadan daripada pengguna akhir kepada pekerja atau pengesah.
Walau bagaimanapun, keperluan kerja awal daripada pengguna akhir dan respons yang berkaitan kepada pengguna akhir daripada pekerja atau pengesah semuanya disiarkan ke kontrak pintar.
Keperluan kerja awal termasuk anggaran masa jalan bagi tempoh latihan, magnet berkaitan algoritma, set latihan dan set ujian data.
Respons daripada pekerja termasuk pautan magnet kepada model yang mereka latih, yang kemudiannya diuji oleh banyak pengesah.
Jika model yang dilatih memenuhi ambang prestasi yang diperlukan, pekerja dan pengesah akan menerima token sebagai ganjaran.
Perkara yang Menjadikan Morphware Cemerlang
Morphware ialah pasaran dua hala.
Pasaran menyediakan perkhidmatan saintis data yang boleh menggunakan platform untuk mengakses kuasa pengkomputeran jauh melalui rangkaian komputer seperti CPU, GPU, RAM sebagai cara mereka menggunakan AWS, tetapi pada kos yang lebih rendah dan dengan antara muka yang lebih mesra pengguna.
Sebaliknya, Morphware juga memberi perkhidmatan kepada pemilik lebihan kuasa pengkomputeran yang ingin mendapatkan wang dan ganjaran dengan menjual kuasa pengkomputeran mereka.
Oleh itu, segmen pelanggannya menumpukan pada saintis data, pemain permainan atau orang yang mempunyai kuasa pengkomputeran yang berlebihan yang ingin memperoleh wang.
Pada masa ini, senarai pelanggan Morphware terus berkembang termasuk seorang saintis data yang bekerja pada Makmal Mobiliti kereta pandu sendiri, organisasi pelajar yang memerlukan sokongan sains data dan syarikat automotif seperti Suzu, Mitsubishi atau Volvo.
Morphware juga telah bekerjasama dengan Tellor. Di bawah perkongsian ini, Tellor akan membayar Morphware untuk menggunakan oracle mereka untuk beberapa bulan pertama.
Berbanding dengan pesaing lain dalam pasaran, Morphware mempunyai kelebihan daya saing. Strategi pasarannya yang unik menjadikan produknya lebih murah daripada yang lain.
Menutup Fikiran tentang Morphware
Memandangkan model pembelajaran mesin menjadi semakin kompleks, projek untuk ekosistem baharu model pembelajaran mesin yang berdagang melalui rangkaian berasaskan Blockchain telah diterokai.
Oleh itu, pengguna akhir atau pembeli boleh memperoleh model yang diminati daripada pasaran pembelajaran mesin manakala pekerja atau penjual yang berminat untuk membelanjakan pengiraan tempatan pada data untuk meningkatkan kualiti model tersebut.
Oleh itu, perkaitan berkadar antara data tempatan dan kualiti model terlatih dipertimbangkan, dan penilaian data penjual dalam melatih model dianggarkan.
Projek ini menunjukkan prestasi masa larian yang kompetitif, kos pelaksanaan yang lebih rendah, dan keadilan dari segi insentif untuk peserta.
Morphware ialah salah satu platform perintis yang memperkenalkan rangkaian peer-to-peer di mana pengguna akhir boleh membayar pemain permainan video untuk melatih model pembelajaran mesin, bagi pihak mereka, dalam mata wang Morphware Token platform.
Untuk mengetahui lebih lanjut mengenai Morphware – sila klik di sini!
Sumber: https://blockonomi.com/morphware-guide/