Смарт контракты, как известно используются в блокчейн технологии, и представляют собой компьютерную программу, которая напрямую контролирует передачу цифровых валют или активов между сторонами при определенных условиях. Однако, несмотря на многие игры и DApps использующих схему пирамиды, одна функция является важной причиной, по которой смарт контракты пока не очень успешны — AI Smart Contracts.
Так что же такое ИИ?
Искусственный интеллект (ИИ) — не новый термин, он существует с 1950-х годов. Искусственный интеллект можно определить как человеческий интеллект, демонстрируемый машинами. В более ранних работах ИИ использовались такие методы, как A *, нечеткая логика, экспертные системы и старый добрый ИИ (GOFAI), те же самые правила if-then, которые использовались при кодировании большинства приложений, включая смарт контракты.
Deep Blue, AI, созданный IBM, победившей в 1997 году чемпиона мира по шахматам Гарри Каспарова, использовал метод, называемый алгоритмами поиска, для оценки миллионов ходов на каждом шагу. Когда мы говорим об искусственном интеллекте в настоящее время, мы на самом деле говорим о машинном обучении (Machine Learning), ступеньке к достижению искусственного интеллекта.
Машинное обучение работает путем построения моделей, которые фиксируют коэффициенты и взаимосвязи между элементами из исторических данных, а затем используют эти модели для прогнозирования будущих результатов.
В 1959 году Артур Самюэль, один из первых пионеров машинного обучения, разработал первую в мире программу машинного обучения, которая научилась играть в шашки лучше, чем он. В настоящее время в Интернете легко доступны расширенные статистические данные, такие как Basketball-Reference.com для статистики NBA и Kaggle, рай для ученых, занимающихся данными, для обсуждения своих выводов и сбора данных. Существуют курсы с открытым исходным кодом, такие как Fast.ai и deeplearning.ai, которые делают глубокое обучение, способ реализации машинного обучения, доступным каждому. Какой фанат спорта не хотел бы создавать свою собственную систему прогнозирования матчей?
В 2016 году Alpha Go победила чемпиона мира Go Ли Седола в настольной игре Go (Go — китайская настольная игра, цель которой — окружить больше территории, чем противник). Alpha Go, разработанная Google, использовала комбинацию методов машинного обучения и поиска по дереву (прим.tree — в программировании), и была обучена с использованием базы данных, насчитывающей около 30 миллионов ходов, а затем использовала усиленное обучение, подмножество машинного обучения, чтобы сыграть против себя, чтобы улучшить свою игру.
В отличие от Deep Blue, AlphaGo — это программа, которая не привязана к конкретному аппаратному обеспечению. Кроме того, AlphaGo основана на общих принципах машинного обучения и практически не использует (в отличие от шахмат) ни алгоритмов, ни оценочных функций, специфичных для игры в го. При разработке AlphaGo авторы использовали только самую элементарную теорию игры в го, программа достигла высокого уровня игры, обучаясь сама на партиях профессионалов.
Таким образом, её методы машинного обучения могут быть использованы в других областях применения искусственного интеллекта. В частности, команда разработчиков планирует применить опыт, полученный при написании AlphaGo, для создания системы медицинской диагностики.
В недавнем интервью MIT Technology Review Йошуа Бенжио, один из отцов ИИ, выразил свою обеспокоенность тем, что лишь несколько компаний, доминируют в области ИИ. Он верит в демократию в исследованиях ИИ, поскольку исследования ИИ, как правило, ведут к концентрации власти и денег. Джереми Ховард, мастер Kaggle и генеральный директор Fast.ai, заявил, что «для того, чтобы полностью реализовать свой потенциал (ИИ), технология должна быть намного проще в использовании, более надежной и интуитивно понятной».
ИИ может использоваться в блокчейне различными способами :
Сделать смарт контракты «умными» — чтобы расширить и диверсифицировать возможности смарт контрактов. Cortex стремится интегрировать ИИ в смарт контракты, чтобы позволить функциональным возможностям ИИ создавать действительно интеллектуальные «смарт» контракты и улучшенные DApp с более разнообразными вариантами использования .
Снизить рыночные барьеры. Для обучения модели требуются тонны вычислительных мощностей, которые требуют огромных денег. DeepBrain Chain использует технологии искусственного интеллекта и блокчейна для разработки распределенной вычислительной платформы искусственного интеллекта, которая является недорогой и защищает конфиденциальность для нового способа обучения искусственного интеллекта. Cortex также предоставит автономное решение с низкими затратами для компаний, занимающихся искусственным интеллектом, для проведения исследований в области искусственного интеллекта.
Помочь объяснить искусственному интеллекту. В настоящее время искусственный интеллект представляет собой скорее «черный ящик», в то время как блокчейн имеет тенденцию быть более прозрачным при всех транзакциях. Cortex позволяет загружать модели искусственного интеллекта в цепочку блоков и делает логический вывод искусственного интеллекта (также называемый выполнением машинного обучения) цепью, которая создает контрольный журнал для повышения достоверности результатов.
Демократизировать модели искусственного интеллекта. Вместо того, чтобы полагаться на крупные компании в получении доступа к машинному обучению модели, важно иметь модели под контролем пользователя. SingularityNET позволяет любому создавать, совместно использовать и монетизировать службы ИИ в масштабе.
Болевые точки запуска ИИ на блокчейне
Это задача не из легких, запуск модели машинного обучения на блокчейне. Успешные модели глубокого обучения часто требуют значительного количества вычислительных ресурсов, мощности и денег для запуска, что создает препятствие для хорошей работы на блокчейне, по мере увеличения масштаба сетей глубокого обучения увеличивается сложность вычислений и размер модели также увеличивается соответственно.
Фактическое использование модели требует эффективных инструментов вывода, которые возвращают одинаковые результаты вывода на разных машинах. Ответы предполагают, что мы могли бы изменить модели, которые требуют меньше памяти и вычислительных мощностей, но с меньшей точностью — сжатие и квантование.
Сжатие модифицирует большие громоздкие модели, которые уменьшают требования к памяти, сохраняя при этом как можно большую точность. Более легкие модели означают меньше места для хранения и более удобны для совместного использования при меньшей пропускной способности. Квантование — это процесс уменьшения количества битов, необходимых для хранения целочисленного значения, путем уменьшения точности целого числа.
Квантование в глубоком обучении сочетает в себе высокую производительность с легким логическим выводом, что снижает затраты на вычисления и память. Квантование позволяет выполнять модели на блокчейне с относительно низкой стоимостью, но также обеспечивает согласованные предполагаемые результаты.
TinyPNG использует квантование для преобразования 24-битных файлов PNG в гораздо меньшие 8-битные индексированные цветные изображения. С учетом сжатия и квантования моделей Cortex предложила «Synapse», механизм целочисленного вывода для выполнения детерминированного вывода AI, чтобы сделать машинное обучение доступным в блокчейне.
Одна из основных возможностей Synapse — гарантировать точно такой же результат модели искусственного интеллекта в гетерогенной вычислительной среде. Определенность имеет решающее значение в цепочке блоков, так как консенсус должен быть сформирован на основе результатов смарт контракта. Очень важно для широко используемых механизмов логического вывода AI (TVM, NNVM и т.д.) — гарантировать определенность, поскольку современный графический процессор вводит параллели в поток выполнения.
Synapse использует как квантование AI-моделей, так и детерминированное ускорение GPU, чтобы сделать AI DApps доступными. С помощью аппаратного ускорения GPU подпрограммы вывода AI могут вести себя как выделенная функция SHA на виртуальной машине блокчейна, общедоступная для проверки и детерминированна.
Подводя итоги
AI Smart Contracts — крайне необходимая функция для реального случая использования DApp. AI — это простой термин, который может применяться ко всему, от приложений на основе правил до человеческого интеллекта, который еще не был изобретен. Когда мы говорим об искусственном интеллекте сегодня, мы говорим о машинном обучении, подходе к достижению искусственного интеллекта. Машинное обучение — это программное обеспечение, которое учится на примерах, в которых вы предоставляете большие наборы соответствующих данных для обучения алгоритмов. Разработка моделей машинного обучения с квантованием и сжатием памяти требует меньшего объема памяти и вычислительных ресурсов. Детерминистский вывод AI, предложенный Cortex, гарантирует такой же вывод в гетерогенных вычислительных средах.
Кристина Пналина
Marcus Aurelius
