网站首页 bet36体育投注mobile.365588.combet365亚洲手机版bte365手机版app365bet会员登录bet36365官网体育

mobile.365588.com

当前位置:主页 > mobile.365588.com >

基于区块链的自动学习市场

发布时间:2019-03-21
标题:基于块链的机器学习市场
简介:如果区块链真的想影响世界,它与人工智能相结合取得了非常重要的进步。人工智能的发展是缺乏足够的质量数据,通过这些数据多是由技术巨头奖励拥有良好的网络彼此在打开的块链中的所有数据提供者形成你。数据科学家,用户和无服务提供商。在形成可靠环路时可以创建比以往更强大的人工智能的系统当然,这涉及着陆困难,例如多部件着陆,隐私保护,个人信息测量等。。不同纳税人的价值
基于区块链数据市场的机器学习模型有可能创造出世界上最强大的人工智能。
一个是能够在不泄露高度机密的私人数据的情况下创建模型,另一个是基于块链激励,并且块链系统提供最佳数据以使其更加智能化并吸引模特。在开放市场中,每个人都可以在保护其隐私的同时销售数据。开发人员在提供激励时提供算法所需的最佳数据。
虽然很难建立这样一个系统,它似乎是一个简单的初始版本的这个市场,从公开的数据和算法竞争时代的垄断时代,目前大型的Web 2.0企业数据我认为它会演变成。Web 3.0两者都是直接销售的。
起源
Numerai是对冲基金,以建立自己的股市模型和加密的市场数据发送到数据科学家,并结合最好的模型把它们发送到“元模型”。如果该模型运行良好,数据科学家将受益。
我认为竞争数据科学家是一个很棒的想法记住我:是否有可能创建一个可以应用于更一般场景的完全分布式系统我的回答是肯定的。
履行
例如,让我们为加密货币交易创建一个完全分布式系统以下是类似系统的元素。
数据
数据提供者对数据感兴趣并使其可供建模者使用。
建立一个模型
建模者创建模型并选择训练数据,但是在不揭示基础数据的安全性的情况下执行模型训练。
元模型构造
元模型基于一种算法创建,该算法将每个模型的公平性考虑在内。
创建元模型是可选的。您可以想象所使用的模型是尚未集成到元模型中的模型。
使用元模型
智能合约使用元模型并通过分布式业务链进行交易。
分配利润和损失
这种利益或损失将在元模型的贡献者之间分配,具体取决于模型的智慧。如果模型导致损失,部分或全部资产将被没收。同时,对于模型的数据提供者,实施利润分配或类似资本减少的机制。
可验证的计算
每个步骤的计算是分散的,集中的和困难的任务(使用可验证的游戏,如Truebit)或使用安全多部分计算的分散工作。
住宿
由于链存储过于昂贵,因此数据和模型托管在IPFS或安全的多方计算机网络上。
为什么这个系统功能强大
激励措施吸引了世界上最好的数据。
由于数据通常是大多数机器学习的最重要的限制因素,因此吸引数据的激励是系统中最有效的部分。正确设计的数据激励结构将把来自世界的最佳数据带到应用程序中,几乎不可能用数千或数百万个数据源关闭该系统。
算法之间的冲突 想象一下,Facebook以前所未有的算法和模型之间的公开冲突来分发Facebook,成千上万的“信息流”算法相互竞争。
透明的奖励机制
数据提供者和模型的公允价值增加,因为所有计算都可以得到验证。
自动化链中的执行
所有运行都通过链自动完成,值直接转换为标记。这创建了一个自动化,高度可靠的封闭循环。
网络效应
由于用户,数据提供者,数据科学家的多边网络的影响,系统迅速自我提升,性能提高越多,吸引的资金就越多。它吸引了更多的数据提供者和数据科学家,而不是让系统更智能,并吸引更多资金来实现它。
隐私保护
除了前一点,另一个重要的事情是保护隐私。
1)人们发送个人数据。
2)避免了数据和模型的经济价值的逃逸,如果他们不公开加密,数据和模型使用的是自由复制,这些人将无法贡献任何工作。免费骑手 搭便车问题的一个解决方案是个人交易数据,其价值随着时间的推移而下降,即使购买者决定再次出售或发布数据。因此,更复杂和更强大的方法是使用安全计算方法。
安全计算
通过安全的计算方法,该模型可以在不过滤数据本身的情况下训练数据安全分析当前使用和正在研究的三种主要形式:同态加密(HE),安全多零件计算(MPC)和零知识测试同态加密通常为时已晚,因此主要用于机器学习的是多部分计算。它们比传统计算慢几个数量级,并且代表了系统的主要瓶颈,但近年来它们得到了改进。
最终推荐系统
为了说明私人机器学习的可能性,想象一下名为“最后推荐系统”的应用程序:浏览历史记录,应用程序中的所有操作,手机图像,数据中的数据位置,消耗个人历史,便携式检测设备,短信,家用相机,未来的ARCamara眼镜这将为您提供建议:您应该访问的下一个网站,您想要阅读的文章,您想听到一首歌或者你想买一个产品。
这个推荐系统非常有效,比谷歌,Facebook或其他现有数据孤岛更强大,拥有最完整的视图,并从数据中学习更多时间,数据变得私密太多而无法使用。
与传统的加密货币交易系统一样,即使是专注于不同领域的模型(例如推荐用于网站的音乐),用户也会与加密数据竞争并向用户推荐内容。付费用户提供数据或关注。
谷歌的协作学习和Apple的差异化隐私在私人机器学习的方向上迈出了一步,但仍然有必要赢得用户的信任,用户可以直接看到他们的安全,数据分离和其他问题不允许验证。目前的方法
目前还没有很多项目,大多数团队都在努力解决一个小问题。
Numumerai使用加密数据(尽管它不是完全同态的),它使用众包模型和元模型。以太坊令牌NumeraireRealize未来表现(每周股票交易时间),而不是通过回测。 数据科学家不需要在游戏中使用Numeraire作为芯片来改善未来的性能,但目前数据是集中管理的,而最重要的部分是有限的。
到目前为止,还没有人成功创建基于区块链的数据交换市场。
例如,Openmined学习基于Unity的机器学习模型,并构建一个安全的多方计算机网络(如家庭折叠),可以在包括游戏机在内的任何设备上运行。Enigma也有类似的策略。
元模型可以使数据提供者的所有者和模型与模型的智能成比例,模型被标记化,随着时间的推移支付股息。最初的Openmined视频显示了我见过的最接近的想法。
哪种方法先行
我不知道最好的结构是什么,但我仍然有个人意见。
我对块链项目进行评估的想法是,块链的本机特征在一定范围内,从原生物理特性到数字原生特征,以及块链原生特征,那很好。引入受信任的第三方会增加复杂性并降低在其他系统上构建的易用性。
也就是说,如果创建的值是可量化的,则系统可以正常工作。建议直接使用想要成为干净闭路系统的令牌比较识别需要说服保险公司与先前加密货币交易系统的X射线肿瘤的系统。X射线模型值得谈判它们的价值,并让一些人来验证模型的成功或失败。
这并不意味着没有出现具有更活跃的数字原生属性的社会。如果它与货币市场相关联则是另一种情况。模型在链中运行,系统奖励令牌并再次创建一个干净的闭合循环。目前看来还不是很清楚,但我希望块链原生项目会随着时间的推移而扩展。
灵感
首先,分布式机器学习市场可以克服当今技术巨头对数据的垄断在过去二十年中,巨头们形成了自己的数据网络并在互联网上拥有宝贵的资源标准化和商业化。围绕数据的强大网络效应因此,值的创建从数据转移到算法。
换句话说,他们为AI创建了一个直接的商业模式,培养了它并对其进行了培训。
其次,他们建立了世界上最强大的人工智能系统。最好的数据和模型都被直接的经济激励所吸引。Web 2.0的时代可能是下一个赢家虽然可能需要几年时间,但地址似乎是正确的。 第三,正如推荐系统中所建议的那样,搜索是颠倒的而不是人们在寻找产品,而是产品为人们而战(这个框架来自Brad)。推荐系统基于个体相关性的定义,算法模型竞争向其推荐最相关的内容。
第四,它们允许我们在没有透露我们的个人数据的情况下,基于Google和Facebook等公司机器获得强大的学习服务。
第五,机器学习速度加快,不仅是来自大型Web 2.0公司的工程师,而且任何工程师都可以访问开放数据市场。
挑战
首先,安全的计算方法仍然很慢,机器学习计算成本很高,但另一方面,一切都得到了改善,因为人们对安全的计算机方法感兴趣。,MPC和ZKP在过去6个月内出现。 特定数据和模型集对于元模型是值得的,但仍然难以计算值。
组织和格式化协作数据也是一项挑战,有工具,标准化和小公司的组合来解决这个问题。
最后,具有讽刺意味的是,用于为这样的系统创建通用构造的业务模型不是那么清楚,以至于创建单个实例。
结论
结合自动学习和区块链激励可以在各种应用中实现最强大的机器智能,但是有一些主要的技术问题可以解决,但长期可能性非常大,大型互联网公司的一些数据这些系统几乎不可能自己存在,强化自己和消费者的隐私数据,阻止它们并通过创建它们来创建它们。它有点类似于召唤Moloku,一个前所未有的强大的异教神。
------
风险警告:并非所有Blue Fox Notes项目均构成投资建议。投资是危险的。投资必须考虑个人风险承受能力建议进行彻底的项目检查,并仔细制定自己的投资决策。
(作者:。蓝狐指出,该字符串的内容被称为内容平台的一个免费的平台“的内容是太多”文章是作者的意见的表示,也意在代表链的官方立场没有
编辑负责人:

下一篇:没有了

上一篇:多伦多的多功能空间。

返回列表
365bet英文