售前客服二维码
文章均源于网络收集编辑侵删
提示:仅接受技术开发咨询!
智云链生态系统
智云链生态系统主要由两部分构成,NBAI 基金会与智云链系统。NBAI 基金会⽀持资助区块链研发平台、人工智能联合实验室以及工程师培养中心的发展和运营管理。智云链系统则集合了 DAI App、科研应用及高校教育等顶层应用,智云链区块链,以及人工智能矿机和人工智能数据中心的底层⽀持。
智云链生态系统的经济模型如图 2 所示。开发者向用户提供 DAI App,用户根据开发者制定的规则⽀付 NBAI 代币或免费使用 App。开发者向 NBAI 提交人工智能任务,并根据 NBAI 预估的费用⽀付 NBAI 代币,之后 NBAI 将任务公开,矿工自由从智云链接收并处理任务,完成任务后矿工获得相应 NBAI 代币作为报酬。用户与矿工之间可以通过交易所进行 NBAI 代币交易,从而实现了一套完整的价值流转增值经济模型。
1. 智云链
在智云链系统中,有大量的人工智能深度学习的模型(如 RNN,CNN 和LSTM)训练,需要大量的 GPU 运算来完成。为了解决这个问题,我们必须改变区块链挖矿方式,不再单纯以工作量证明(PoW)为解决方案,而是采用初期 PoW后期群体工作证明(Proof of Group) 的方式发放代币。现有的矿机可以进行人工智能计算来获得代币回报。在初期仍然使用 Ethash 作为工作量证明(PoW)方式保证出块的稳定性,但是中期将启用群体工作证明(PoG)来完成。
1.1 Helix (PoW)
一个加载智能合约的人工智能独立公链将发布。因此项目的第一阶段将使用独立的 ether 链实现。独立的 ether 链有以下优点:
• 较少的流量延迟
• 自定义的 gas
有利于激励矿工通过智能合约获得收益,而不是依靠智能合约的 gas 收益。
• 自定义的难度
可以提高出块速度,调整代币生产的速度。
每个人工智能节点根据计算能力的不同,可以通过智能合约取得任务池⾥的任务进行计算,在提交结果后获得代币回报。智能合约的 hash 会记载在块中用于标识任务的地址。合约中会设定任务地址和工作量以及工作费用。
然而,目前比特币已经吸引全球大部分的算力,其它使用 PoW 共识机制的区块链应用已经难以获得足够高的算力来保障自⾝的安全。挖矿造成大量的资源浪费,必将导致环境破坏能源短缺,致使全人类都需要为之买单。区块的确认时间难以缩短,达成共识的周期较长,已经不适合现阶段流行的商业应用,且 PoW 共识机制对均衡攻击尚无解决方案 。综上所述,我们认为智云链生态系统需要应用一套全新的共识机制来解决工作量证明存在的潜在漏洞和优化智云链的共识机制。
1.2 Orion (PoG)
由于人工智能的训练数据⾮常庞大,在系统内拿取数据的时间会变得⾮常的关键,云计算的特性则是节点之间的距离越近通信的成本越低,相应的计算的效率就越高。根据这个特性以及对 PoW 共识机制现存问题的思考,我们将使用一种新型的群体工作证明(Proof of Group)。在 PoG 中我们将结合使用共识系统和智云链信用机制来保障效率与安全。
我们给出如下定义:
定义 1 工作节点与记账节点
工作节点是主要的人工智能计算任务执行节点,它的主要作用就是用来执行人工智能运算任务。
记账节点除了普通的计算功能还可以负责管理其他节点和记账的功能。当 AI任务需要分布式执行时,记账节点负责分配任务给本区域所有的 node 执行,任务执行结果写入 IPFS,而任务完成的合约则由记账节点通过拜占庭共识提交主链进行验证。
当一个新工作节点加入系统时,他将⾸先⼴播搜索周围的节点。
• 发现了周围节点的响应时间在时间 t 内,选择加入周围的节点网络成为其中一个 worker。
• 周围没有任何节点的响应时间在时间 t 内,自己被选举成一个记账节点。
定义 2 如何成为记账节点
在一个节点网络内,工作节点成为记账节点的方式有两种:
• 如果网络内原记账节点消失,那么信用最高的节点自动成为记账节点。
定义 3 虚拟工作组
若⼲的工作节点会合成一个工作组。工作组中的备份系数定义为可以同时记账的节点数,假设一共有 n 个节点在节点中,则备份系数可以为 1 < k < n + 1; 当 k= n 时,则转变为 Helix 系统。备份系统是一种在组内保持账本的一种方式。然而矿工为了尽量获得挖矿的收入,可能会人为试图调高备份的系数 k,对此,系统设计成主要收入来自于 AI 计算,挖矿产出应该是低于 AI 节点的运算收入。
定义 4 组间通信
工作组之间共同组成了一个记账网络,该网络使用拜占庭共识系统进行联合记账 。充分保证了防⽌ 51% 攻击和记账效率之间的平衡。
最终,当拥有足够的网络节点,系统将接受这笔交易,且这一系列分层的群体共识使得攻击者无法拥有完整共识信息,从而无法实现攻击。只有这样,任何参与者才会考虑交易入驻。PoG 共识可以确保人工智能任务以及交易信息的完整性。
1.3 任务的执行
任务池包含两种任务:
• 系统生成任务。例如 Ethash,蛋⽩质测序等,标准单位回报。
• 用户任务。用户为解决某些问题提交任务,用户会设定任务回报。
无论哪种任务都会附带一个小型的智能合约统,用于将合约以及计算结果提交。挖矿将同时获得任务回报和记账回报。
一个标准的训练任务包含以下内容:
• 任务使用的训练数据。数据集可以来自 foundation 提供或者自定义。
• 任务使用的训练脚本。训练方法来自于标准的深度学习模型(RNN,CNN,LSTM 等)以及其他自定义方法。
• 训练报酬。训练任务由 AI 矿机完成,需要指定报酬的数量,越高的费用会提高训练的优先级。
任务系统存储在集成 IPFS 上,用于存放运算加密后的算法代码以及任务代码。
当矿机接受到计算任务后,会返回本⾝的硬件参数,从远程下载计算任务单元以及训练数据集。标准的 Distributed TensorFlow 进行封装后,加入适当的冗余计算以保障计算结果的可靠性。
1.4 跨链服务调用
作为去中心化的人工智能系统,很多组件都将是去中心化的,然而全部自行设计开发是⾮常低效的,系统应该是与其他去中心化服务联通并且可以方便的跨链使用。跨链分为两种:价值跨链与技术跨链。
价值跨链是通过去中心化交易所实现跨链交易,例如在以德上通过智能合约交换得到所需的服务的代币,然后使用这种代币驱动相应的服务进行。该技术简单易行但是性能低下。但是如果在系统中提前兑换好服务需要使用的代币就可以降低延时。在目前条件下 USDT、比特币都会是典型的价值跨链媒介。
技术跨链的案例有比特币与莱特币的跨链原⼦交易达成,采用 Segwit 隔离见证,不同币种之间可以进行跨链交易。此外,Zcash 和以太坊之间正在进行零知识验证交易,零知识证明使 Zcash 代币成为不可追踪的,通过在公共 Zcash 区块链上创建私人交易。一个底层链需要被设计出用于跨链交易。目前已有大量的 ICO 项目在进行跨链方面的尝试,例如 Ethcore 公司在跨链通信领域的 Polkadot 项目,其设计核心理念为解决两大阻⽌区块链技术传播和接受的难题:即时拓展性和延伸性。该项目目前以以太坊为主,实现其与私链的互联,并以其他公有链网络为升级目标,在其技术成熟之后集成会极大提高项目的适用范围和性能 。
2.人工智能数据中心与矿机
2.1 人工智能数据中心
为了在大规模的用户加入之前保证一定的 AI 算力供应,我们位于将与魁北克的大规模的第三方互联网数据中心合作,为人工智能挖矿计算提供初期的算力。魁北克具有全球极具竞争力的电费,寒冷的气候,充足的人才以及多达 34 个数据中心。此外,世界著名的大公司包括 IBM,诺基亚,亚马逊,微软的数据中心机房均建设在此地。
魁北克作为人工智能数据中心的优势:
• 充足的⽔资源与低廉的电费。
据 Ontario Hydro 和 Hydro Québec 2013 年的统计数据显示,加拿大拥有全球最低廉的电费,在加拿大的所有省份中,魁北克的电费又是最低 [16],且90% 以上使用⽔电站能源。
• 较低的气温
魁北克有长达九个⽉的冬季,且冬季平均气温低于零下十度,即使在夏季平均气温也低于二十度。低温让机房的散热耗能大大下降。
• 充足的人工智能的人才储备
⾕歌、脸书、微软均在蒙特利尔设立了人工智能中心。这⾥汇聚了大量的人工智能领域的人才。比如蒙特利尔大学计算机科学与运筹学系的约书亚 · 本吉奥(Yoshua Bengio)教授就是世界顶级人工智能研究学者,他是蒙特利尔学习算法研究所的负责人,高级机器学习在人工智能领域的三位奠基人之一。
此外加拿大政府也对人工智能的研发给予充分的⽀持。联邦政府总已给蒙特利尔大学特批 2.13 亿加元的经费,同时省政府也计划在未来五年内追加 1 亿加元的投资。
• Nebula AI 已经与世界一流学府麦吉尔大学医学院达成 AI 方面的联合研发合作,致力于研究人工智能在外科方面的创新应用。
2.2 人工智能矿机
一张 1080Ti 显卡的计算能力为 7514 GFLOP/s。在 GTX 1080Ti 上使用 Caffe框架训练 130 万条图像数据的 GoogLeNet 模型,迭代 30 次的计算时间为 19 小时43 分钟。六卡并行计算的时间可以缩短为 3.5 小时。
任何⽀持 CUDA 运算(主要为 Nvidia 系列显卡)的 GPU 矿机均可安装 AI 挖矿系统。AI 矿机上预装了常见的人工智能算法,如 CNN,RNN,DNN 等,以及大量其他常用的库,如 TensorFlow 等,系统附带的升级客户端可以自动对 AI 预装⽀持库进行更新。第一批计算矿机将主要预装 python 3.6 ⽀持库。⽀持 Ethash 的记账客户端也跟系统一起集成。
在 AI 矿机上可以获得三种收入:
• 记账运算收入
以 Equahash 为基础的算法⽀持记账部分收入。但该部分收入一般小于 AI 计算的收入。
• AI 计算收入
AI 的计算收入为矿工最要的收入来源。
• IPFS 收入
矿机可以开启双挖模式,⽀持 Sia,storj 类型的⽂件共享币种挖矿。IPFS 同样可以用于⽀付 AI 计算中存储数据之用。
3. DAI App 开发
以太坊社区把基于智能合约的应用称为去中心化的应用程序(Decentralized Application)。DApp 的设计目标是让智能合约有一个友好的界面,外加一些额外的功能,例如 IPFS。DApp 可以在一台能与以太坊节点交互的中心化服务器上运行。例如著名的 etherdelta, 以太猫等等。
然而对于去中心化人工智能应用程序 (DAI App),仅靠目前的智能合约是不够的。原因有以下几点:
• 以太坊智能合约并不带有人工智能计算功能
EVM 是一个图灵完备的合约虚拟机,但是其共识计算系统只能执行简单的任务,无法执行复杂的人工智能计算。
• 以太坊挖矿客户端也不⽀持人工智能计算所需要的计算库
人工智能的运行很大程度上取决于各种开发包的⽀持,分布式计算是其主要任务。相关计算任务所需的⽀持库可以用单独的计算客户端实现。
然而作为一个商业化可用人工智能应用,区块链的超级账本以及⽀付功能仍然是系统的核心部分。且由于人工智能计算资源的稀缺性,共享计算能力将成为一个⾮常有用的功能。每个用户均可链接到链上利用区块链租借计算能力完成计算任务,每个 DAI App 的开发者根据自⾝的需求,编写出符合标准的智能合约。
在训练深度学习模型时,将执行两项主要的操作:正向传递和反向传递。在正向传递中,输入通过神经网络并在处理输入后生成输出。而在反向传递中,需根据正向得到的误差来更新神经网络的权重。在神经网络的训练过程中,一个最重要的问题就是训练速度,特别是对于深度学习而⾔,参数的调整会消耗大量的时间。神经网络的计算密集部分由多个矩阵算法组成,而 GPU 在矩阵运算和数值计算方面具有独特的优势,特别是浮点和并行计算的性能上能优于 CPU 数十到数百倍。在使用 GPU 训练深度学习模型时,还能便于在云端进行分类和预测,从而在耗费功率更低、占用基础设施更少的情况下能够⽀持远比从前更大的数据量和吞吐量。因此,通过智能合约获得足够多的计算能力进行人工智能计算是一个行之有效的手段。
我们以典型的风格转移深度学习模型(Gatys et al.) 为例,比较 GTX 1080 TiGPU, K80 GPU (AWS P2), i5 7500 CPU 和 CPU (AWS P2) 运用 tensorflow 框架计算的时间。
GTX 1080 Ti GPU 的性能优于 i5 7500 CPU 接近 50 倍。
Nebula AI 能够提供⾮常具有市场竞争力的计算能力。Nebula AI 的人工智能矿机使用 Nvidia 1080 Ti, 以 Amazon P2.xlarge instance(Nvidia Tesla K80)为例我们做以下计算:Nvidia 1080 Ti 的价格为 1000 加币,每小时电费消耗 0.1 加币,假设一张 1080 Ti 的寿命为两年,其每小时运算单价为 1000/(36 × 2 × 24) + 0.1 = 0.157加币/小时。
通过官方测试数据可知,Nvidia 1080 Ti 的 Tensorflow GPU 性能为 AmazonP2.xlarge instance 的四倍 ,而 P2.xlarge 的价格为 0.9 加币/小时,是 NebulaAI 提供的计算能力单价的 23 倍。用户需要将数据上传⾄ Amazon 服务器进行计算,无法保证数据的私有,使用去中心化的智云链则能解决此问题。
4. 高校教育
智云链为全球各大高校的科研计算提供丰富的接又,能够极大的提高科研人员的工作效率,降低研发成本,打破跨界多领域高级编程需求与底层配置对接的壁垒。智云链生态系统提供的 PaaS(Platform as a Service)能够使得高校学生抛开不必要的底层配置,更专注于兴趣领域的学习。
5. Nebula AI 基金会
Nebula AI 生态系统预期成为一个使用 NBAI 加密货币的生态系统合作伙伴社区。Nebula 基金会旨在成为面向这个生态系统成员的一个独立、⾮盈利、民主的治理机构。
一个区块链 AI 基金会将成立用于人工智能基础链的推⼴教育以及创业资助活动。我们⿎励社区任何人的加入和一切愿意将系统集成到 Nebula AI 的平台上的DAI App 的研发互动活动。
基于独立性原则,社区基金会的钱包采取 3/4 多重签名。若增加签名,需经过财务及人事管理委员会。大额的代币进行冷存储;小额的代币使用多重签名的方式。
5.1 人工智能联合实验室
Nebula AI 基金会将于蒙特利尔大学,多伦多大学,麦吉尔大学展开在 AI、区块链、分布式计算方向的⼴泛合作。加拿大决心在中部的多伦多 — 滑铁卢、东部的蒙特利尔以及西部的埃德蒙顿地区打造新兴的超级人工智能中心,建立完善的资金、业务和人力生态链。在 2017 年,联邦财政公布的政府年度预算亦表明将着重拨款以上地区的人工智能产业,在国家发展政策层面将人工智能提⾄第一位。
蒙特利尔大学约书亚 · 本吉奥(Yoshua Bengio)教授及团队在过去 10 年中进行的研究,打下了基础,把蒙特利尔推到了人工智能的前线。Bengio 也在蒙特利尔大学的算法研究所(MILA)继续学术研究。MILA 由数据颂赞研究所(IVADO)⽀持。Nebula AI 正在与 MILA 积极沟通推进合作研发工作。
北美顶尖医学院麦吉尔大学医学院外科创新项目(Surgical Innovation program(Department of Surgery))与 Nebula AI 开始了一项由 Mitacs 计划⽀持的 AI 医学影像方向的研发活动。Mitacs 计划是加拿大信息技术与综合系统数学组织发起设立的合作项目,已运行十余年。著名医学教授 Jake Barralet 是该计划的领导人。
2018 年 2 ⽉,在硅⾕成立研发实验室与本地的高校、业界就人工智能应用以及区块链研究展开⼴泛充分的合作。
5.2 区块链研发平台
Nebula AI 将组成以 Nebula AI 区块链工程师以及社区贡献者为核心,联合高校科研与业界领先技术等资源的区块链研发平台。同时为区块链工程师培养中心提供技术⽀持与人力资源。
Nebula AI 的研发平台包括开发样例,开发 API/SDK 接又,在线学习视频,技术⽀援小组以及多种应用场景实施中心。分布在世界各国的研发人员和社区合作者将共同为 Nebula AI 平台提升功能和易用性。
5.3 人工智能与区块链工程师培养中心
每一个成功的项目都离不开大量的工程师。目前市场处于紧缺 AI 人才的阶段。Nebula AI 以资金和项目平台合作的方式,与本地的 ECV learning 等教育机构合作。Nebula AI 的 AI 科学家们也将充当项目讲师,招聘大量的 AI 实习生,持续的为人工智能产业提供高素质的人才。2018 年 1 ⽉ 27 ⽇由熊腾科博⼠主讲的人工智能工程师培养项目成功赢来第一批学员。他们将成为 Nebula AI 未来坚实的研发团队后备力量。区块链培养项目也已于二⽉中旬开课。
智云链架构设计
1. 智云链逻辑架构
智云链的逻辑结构主要由行业应用需求、开发者、DAI App、基础设施和 NebulaAI 相互交流组成,其中 Nebula AI 分别提供 PaaS(Platform as a Service)以及智云链区块链。大量金融、医疗、生物等行业的人工智能开发需求,促使开发者根据不同的行业应用需求开发 DAI App,并通过部署应用,加入 Nebula AI 生态系统提供解决方案,获取收益。Nebula AI 将提供丰富的接又和应用,方便开发者的使用。智云链提供的去中心化区块链结合 Nebula AI 的信用机制,将着手解决敏感数据及模型的 P2P 信任和大数据处理的效率问题。
2. 智云链系统架构
如上图 所示,智云链的系统架构主要由智云链、开发者、用户、交易中心、矿工和任务池等构成。Nebula AI 不仅提供了去中心化的智云链区块链,还提供了NBAI 代币交易中心,用来完善价值在智云链生态系统中的传递。
Nebula AI 提供了共享 AI 云计算平台,PaaS(Platform as a Service)更是能让⾮ IT 领域的细分行业从业者实现快速开发部署,减轻对系统环境以及计算能力的依赖。
3. API/SDK ⽀持
一些常见的预付或追加费用的智能合约可以用 SDK 程序化地生成接入,API则是在某个中心化服务⾥提供接又。第一批⽀持的 SDK 将是 python 为主要编程语⾔,java,.net 将陆续⽀持。
有了 SDK 的⽀持,用户可以程序化地驱动 AI 计算,从而为用户提供更多的便捷性,并且使用户成为与中心化系统的一个接又点。
智云链优化设计
1. 数据安全加密
数据的保存将使用同态加密方案 (Homomorphic Encryption) 进行存储,秘密同态的思想是指:对几个数据的加密结果进行运算后再解密,得到的结果与这些数据未加密时执行某一运算所得的结果一致。目前出现的同态加密方案可被分为三种类型:部分同态加密、浅同态加密和全同态加密。部分同态只能实现某一种代数运算(或、乘、加);浅同态能同时实现有限次的加运算和乘运算;全同态能实现任意次的加运算和乘运算。同态加密方案除了可以实现加密功能外,还可以用于密⽂数据的计算。
一旦运算法则被保留下来,那么数据结构也会随之被保留下来。因此在机器学习的过程中,我们只需要数据结构,就可以对加密信息进行解密和机器学习。
2. 分布式系统优化
通过对大数据进行等值分割处理能够加速数据的传输,智云链上的工作节点收到任务进行并发处理,之后各节点将结果返回⾄选定的聚合处理节点进行任务的合并,最后返回任务所有者。在这些传输与处理过程中,我们将通过对节点选举、数据存取、负载均衡、网络安全及冗余机制的研究对智云链进行优化。
当智云链从开发者接收到大数据级的人工智能任务后,单个矿工无法独自处理任务,我们需要将任务进行拆分并交付给多个矿工进行计算,并最终通过任务聚合返回给开发者最终结果。这一系列操作需要依赖于完备且优化的分布式系统设计。智云链也将在满足高吞吐、低延迟和高并发等性能需求方面做出优化。
虽然传统的分布式系统结构仅有三层,但是根据业务需求,往往会被设计成更多层次。一个多层结构常常会具备各种各样的代理进程和路由。这些代理进程之间,大多应用是通过 TCP 来连接前后两端。然而为了避免 TCP 的高故障率及高维护开销,智云链将应用消息队列机制实现进程间通讯。 智云链使用 NoSQL 来实现数据存储层的分布的解决方案。NoSQL 除了高承载量和高速访问的优势外,它只能使用一条索引来检索和写入。这种约束带来了分布式实现上的优势,系统可以按这条主索引定义数据存放的进程。这样一个大数据级别的任务数据,就能安全地发送到不同的节点。
由于分布式系统涉及⾮常多的网络通信,且系统实现依赖于异步⾮阻塞编程模型,开发人员在对分布式系统的编程中会生成大量回调函数。任务指令会被分散到多个进程,通过多次网络通信组合完成。然而,回调这种异步编程模型⾮常不利于代码维护。为了解决这个问题,智云链应用 Future/Promise 模型进行了回掉函数集中优化。
智云链代币 NBAI
1. 代币方案
1.1 代币的使用价值
系统的代币用于购买计算能力,当训练数据比较小的时候,消耗的代币比较少,当训练数据大的时候消耗的代币相应增多。⽀付的费用与训练成本和当前代币的价值有关。为每个 1080Ti 的显卡计算一分钟产生的计算能力,也就是 7514 GFLOP/s× 60。
1.2 代币的应用场合
代币会在以下三种情况下使用:
• 开发者测试
开发者在测试中会消耗一些代币用于模型的训练。根据⽀付的代币的多少,训练模型所需的训练时间会减少 50% 90% 不等。
• DAI 应用的使用
DAI App 可能被开发者设置成付费 app,则使用者必须付代币才能使用这些人工智能服务,比如本⽩⽪书中的预测数字货币⾛势 app。
• DAI 训练服务购买
在用户使用训练服务来取得更精细的模型时,可能会被要求⽀付训练费用才可以重新训练模型。
1.3 用户使用场景
· 量化交易
量化交易从很早开始就运用机器进行辅助工作,分析师通过各种量化模型,设计一些指标,观察数据分布,将机器当做一个运算器来使用。直到近些年机器学习的崛起,数据可以快速海量地进行分析、拟合和预测,从而更加精确预⾔未来金融产品的行情⾛向,然而这些模型的计算需要大量的人工智能计算能力。如果采用传统的方式,每个交易部门都需要自行建立一套数据中心。而共享计算能力可以省去昂贵的维护费用。让金融交易公司更加专注于预测本⾝。
· 人工智能学习者计划
高校目前开始逐渐开设人工智能课程,这种趋势在未来几年将会更加流行,学生学习的时候一般会选择在本机运行小任务,在学校机房运行耗时的任务。然而这些碎⽚化的任务,完全可以用区块链算力云解决。低成本的 AI 计算服务⾮常适合学生完成各种运算练习,快速修改自己的模型。
· 生物医学人工智能
肿瘤的早期筛查意义重大,但由于早期癌症病变区域小,传统方法难以判断良恶性,给临床诊断造成了困难,医生往往需要通过活检的方式进行检测,不仅增加了医疗成本,也给病人带来巨大痛苦。而将人工智能运用于医学影像识别和多学科协作诊断,可以有效突破这一难点,提高医生诊断能力、帮助快速决策,促进医疗服务向个体化、精准化转变。
2. DAI App 开发者收益模式
1. DAI App 任务类型
• I 类 DAI App — 需要训练模型的 App
这一类 App 用户必须⽀付代币来驱动运算,运算需要消耗大量的资源。训练时间根据任务的不同可能需要几小时甚⾄几百小时。
• II 类 DAI App — 无需训练模型或使用已有模型的 App
无训练模型的 DAI App 无需消耗计算能力,只需要⽀付一定的智能合约费用即可应用。也可以调用 I 类 DAI App 模型计算结果来生成应用。这一类 DAIApp 的开销比较低。
2. 计算任务
一个标准的算力⽀付合约将包含以下基本元素:
• AI 任务的数据地址
• AI 任务的程序脚本
• AI 任务执行结果输出地址
• AI 任务的报酬
3. 任务发布
当任务发布在链上时,所有的 AI 矿机都可以从系统中接受任务。任务被矿机执行时会被标识成 “进行中” 的状态,用户可以设置几个不同等级的冗余计算以保证更高正确率的结果。Nounce 可以设置为 1,2,3 等不同级别,以对应不同的冗余计算度。数字越大意味着需要更多的计算来保证计算结果的准确性。相应的费用也会更高。
4. 费用计算
AI 计算一般分为训练阶段和使用阶段。在训练阶段将使用大量的训练资源,绝大部分算力将在此处被使用。而在使用阶段,由于训练的结束,将消耗较少的算力。
在任务启动时,智能合约会预先收取一部分的预付开销,在计算结束时,将再次计算总开销,同时需要客户再次付清余款以取得数据。
为了保证交易的正常进行,用户需要有一定的保证金数额才能开始预约服务,多重签名的自动合约将锁住双方的资金以保证交易的正常进行。
5. 任务执行
矿机客户端从链上读取任务方案,并且解析成可执行的人工智能代码。人工智能和训练用数据可以存放于外部的链接中,当任务开始执行时。会按照以下方案执行代码:
• 解析加密任务
• 远程下载数据
• 将任务设置为执行状态
• 写入运算的进度和结果
• 矿机绑定地址获得回报
6. 计算结束
DApp 的使用者下载执行结果,可以直接用于 web 的展示或者离线使用。执行结果可以使用 API 方式获得,解密后使用。
3. 智云链 AI 应用案例
对冲基金、银行以及像 Goldman Sachs 一样的大型国际公司正在从基于智能技术的外汇和股票交易中获益。这些公司通过 “深度学习 (Deep learning)” — 可以不断发展演化的数学统计的预测模型和概率模型 — 来预测各种金融市场的短期和长期效果,而像 Pantera Capital 的加密货币玩家、桑坦德银行和花旗银行这类金融机构也在观察如何从加密货币市场中获取利润。
在深度学习模型的设计、搭建、训练和优化过程中,需要大量的计算能力,而每个用户在每次进行参数调整时都需要进行模型的运算。那么在此时,通过智能合约来获得足够多的计算能力进行人工智能的计算则是一个行之有效的手段。标准的系统流程如图 所示:
文章均源于网络收集编辑侵删
提示:仅接受技术开发咨询!