今日、機械学習技術はさまざまなアプリケーションに広く適用されているため、機械学習はオンラインサービスにとって重要になっています。
Morphware は、アクセラレータの所有者がアイドル状態のコンピューティング能力を競売にかけることによって報酬を与え、関連するサブルーチンを促進する分散型機械学習システムです。このサブルーチンは、データ サイエンティストに代わって、分散型能力で機械学習モデルをトレーニングおよびテストすることができます。
機械学習モデルのタイプには、教師あり半または教師なし学習アルゴリズムが含まれます。
教師あり学習アルゴリズムのトレーニングは、入力のセットに適用する、または望ましい出力を予測するための重みの最適な組み合わせの検索と見なすことができます。
この作業の推進力は、計算の複雑さです。 ビデオゲームのレンダリングに使用されるハードウェアは、教師あり学習アルゴリズムのトレーニングを加速することもできます。
モーフウェアとは何ですか？
機械学習モデルの重要な問題のXNUMXつは、最先端の機械学習ワークロードを実行するために必要な計算リソースが、約XNUMXか月半ごとに倍増していることです。
この問題に対処するために、Morphwareは、データサイエンティスト、機械学習エンジニア、コンピューターサイエンスの学生が、ビデオゲームプレーヤーなどに代わってモデルをトレーニングするための料金を支払うことができるピアツーピアネットワークを開発しています。
ハードウェアマシンは、データサイエンティストが機械学習モデルの開発を加速するのに役立ちますが、これらのハードウェアアクセラレータの高コストは、多くのデータサイエンティストにとっての障壁でもあります。
機械学習モデルとは何ですか？
機械学習モデルは、監視とパラメーター化の程度によって異なります。 教師ありパラメーター化モデルをトレーニングする目的は、予測と観測の間の数値距離にまたがるエラー率を下げることです。
機械学習モデルのトレーニングは、前処理とそれに続くテストによって実装されます。 データサイエンティストは、トレーニング中に機械学習モデルで利用できるようになったデータを、テスト期間中に利用できるようになったデータから分離します。
したがって、モデルが利用可能なデータのセットやパフォーマンスに適合しすぎていないことがわかります。パフォーマンスは、見えないデータでは悪化する可能性があります。
通常、トレーニングとテストのデータは、前処理で同じファイルまたはディレクトリから選択されます。
ディープラーニングの誕生は現代のビッグバンです根本的に新しいソフトウェアモデルとして、ディープラーニングは数十億のソフトウェアニューロンと数兆の接続を並行してトレーニングすることを可能にします。
ディープニューラルネットワークアルゴリズムを実行し、例から学ぶことで、高速コンピューティングは理想的なアプローチであり、GPUは理想的なプロセッサです。
これは、パフォーマンス、プログラミングの生産性、およびオープンなアクセシビリティを備えたコンピューティングプラットフォームの新世代を作成するための新しい組み合わせです。
深層学習モデルは、機械学習モデルのサブセットとして知られています。 それらは潜在変数の相互接続された層のために訓練するのに特に計算集約的です。
モーフウェアのソリューションは何ですか？
これらのトランザクションには、メインプラットフォームの通貨であるモーフウェアトークンが使用されます。
Tokenomics
モーフウェアトークンの総供給量は1,232,922,769で、燃焼可能ですが、採掘可能ではありません。
Morphwareによって設計、開発、および展開されたWebサイトを通じて、ユーザーはプラットフォームトークンを購入できます。
モーフウェアトークンの総供給量のXNUMX％未満が最初の月に販売されます。
モーフウェアのしくみ
機械学習モデルのプロセスはデータ分析であり、モデルの選択と特徴工学の間を行き来する反復サイクルです。
この作業の目的は、データサイエンティストなどのエンドユーザーが、ワークロードを加速できるコンピューターの分散型ネットワークへのアクセスを作成することにより、より高速に反復できるようにすることです。
エンドユーザーは、封印された入札、第XNUMXの価格の逆オークションを介して、ワーカーノードとペアになって支払います。 彼らは、モデルをトレーニングするためにワーカーノードに支払い、モーフウェアトークンによってワーカーノードによってトレーニングされたモデルをテストするためにバリデーターノードに支払います。
ネットワークのメンバーの役割と責任には、XNUMXつの自律型ピアタイプが含まれます。
Morphwareを使用するには、エンドユーザーはモデルをJupyterノートブックまたはPythonファイルの形式で、トレーニングおよびテストデータをアップロードするだけです。
次に、目標の精度レベルを指定し、その精度レベルに到達するまでにかかる時間を予測する必要があります。 [送信]をクリックして終了します。
エンドユーザーは、ワーカーによってトレーニングされ、バリデーターによってテストされるモデルを提出します。 一方、ワーカーは、エンドユーザーによって提出されたモデルをトレーニングすることによってトークンを獲得するノードです。
バリデーターは、ワーカーによってトレーニングされたモデルをテストすることによってトークンを獲得するノードです。
エンドユーザーがモデルを送信すると、バックエンドデーモンを介してネットワークと通信するプラットフォームを介して、ワーカーによってトレーニングされ、バリデーターによってテストされます。
デーモンは、エンドユーザーがクライアントを介して送信するアルゴリズムとそれぞれのデータセットを作成するだけでなく、スマートコントラクトに最初の作業要請を送信する役割も果たします。
さらに、デーモンは、ワーカーとバリデーターによるモデルのトレーニングとテストを担当します。
ピア支援配信により、アルゴリズムと対応するデータセットをエンドユーザーからワーカーまたはバリデーターに伝播できます。
ただし、エンドユーザーからの初期作業要件と、ワーカーまたはバリデーターからのエンドユーザーへの関連する応答はすべてスマートコントラクトに投稿されます。
初期の作業要件には、トレーニング期間の推定実行時間、アルゴリズム関連のマグネット、トレーニングセット、およびデータのテストセットが含まれます。
作業者からの応答には、トレーニングしたモデルへのマグネットリンクが含まれ、その後、多くのバリデーターによってテストされます。
トレーニングされたモデルが必要なパフォーマンスのしきい値を満たしている場合、ワーカーとバリデーターは報酬としてトークンを受け取ります。
モーフウェアを際立たせるもの
モーフウェアは両面マーケットプレイスです。
マーケットプレイスは、プラットフォームを使用して、AWSと同じようにCPU、GPU、RAMなどのコンピューターのネットワークを介してリモートコンピューティングパワーにアクセスできるデータサイエンティストにサービスを提供しますが、コストは低く、よりユーザーフレンドリーなインターフェイスを備えています。
一方、Morphwareは、コンピューティング能力を販売することでお金と報酬を獲得しようとしている過剰なコンピューティング能力の所有者にもサービスを提供します。
したがって、その顧客セグメントは、データサイエンティスト、ゲーマー、またはお金を稼ぎたい過剰なコンピューティング能力を持つ人々に焦点を当てています。
現在、自動運転車のモビリティラボに取り組んでいるデータサイエンティスト、データサイエンスのサポートが必要な学生組織、鈴、三菱、ボルボなどの自動車会社など、Morphwareのクライアントリストは増え続けています。
MorphwareはTellorとも提携しています。 このパートナーシップの下で、Tellerは最初の数か月間オラクルを使用したことに対してMorphwareに支払う予定です。
市場の他の競合他社と比較して、Morphwareには競争上の優位性があります。 その独自の市場戦略により、その製品は他の製品よりも安価になっています。
モーフウェアに関するまとめ
機械学習モデルがますます複雑になるにつれて、ブロックチェーンベースのネットワークを介して取引される機械学習モデルの新しいエコシステムのプロジェクトが検討されてきました。
そのため、エンドユーザーまたは購入者は機械学習市場から関心のあるモデルを取得でき、データにローカル計算を使用してそのモデルの品質を向上させることに関心のある労働者または販売者はモデルを取得できます。
そのため、ローカルデータとトレーニング済みモデルの品質との比例関係が考慮され、モデルのトレーニングにおける販売者のデータの評価が推定されます。
このプロジェクトは、競争力のある実行時のパフォーマンス、実行コストの削減、および参加者へのインセンティブの観点からの公平性を示しています。
Morphwareは、エンドユーザーがプラットフォームの通貨であるMorphware Tokenを使用して、ビデオゲームプレーヤーに代わって機械学習モデルをトレーニングするために支払うことができるピアツーピアネットワークを導入する先駆的なプラットフォームのXNUMXつです。
モーフウェアの詳細については、ここをクリックしてください。
ソース：https：//blockonomi.com/morphware-guide/