0xDeCA10B

Teilen von Updatable -Modellen (SUM) auf Blockchain

(ehemals dezentrale und kollaborative KI auf Blockchain)

Demo	Simulation	Sicherheit

Das Teilen von Updatable -Modellen (SUM) auf Blockchain ist ein Rahmen, um öffentlich verfügbare Modelle für maschinelles Lernen zu hosten und zu trainieren. Im Idealfall ist die Verwendung eines Modells, um eine Vorhersage zu erhalten, kostenlos. Das Hinzufügen von Daten besteht aus der Validierung um drei Schritte, wie unten beschrieben.

1. Der Incentivemechanismus bestätigt die Anfrage, Daten hinzuzufügen, beispielsweise in einigen Fällen ein "Anteil" oder eine Einzahlung erforderlich. In einigen Fällen kann der Anreizmechanismus später auch ausgelöst werden, um den Benutzern Zahlungen oder virtuelle "Karma" -Punkte zu liefern.
2. Der Datahandler speichert Daten und Meta-Daten auf der Blockchain. Dies stellt sicher, dass es für alle zukünftigen Verwendungszwecke zugänglich ist und nicht auf diesen intelligenten Vertrag beschränkt ist.
3. Das Modell des maschinellen Lernens wird nach vordefinierten Trainingsalgorithmen aktualisiert. Zusätzlich zum Hinzufügen von Daten kann jeder das Modell für kostenlose Vorhersagen abfragen.

Die Grundlagen des Frameworks finden Sie in unserem Blog -Beitrag. Eine Demo eines Anreizmechanismus finden Sie hier. Weitere Details finden Sie im ersten Papier, in dem der Rahmen beschrieben wird, der in Blockchain-2019, der IEEE International Conference on Blockchain, akzeptiert wird.

Dieses Repository enthält:

• Demos präsentieren einige Beweise von Konzeptsystemen mithilfe der Ethereum -Blockchain. Es gibt ein lokal einsetzbares Test -Blockchain- und Demo -Dashboard, um mit intelligenten Verträgen in Solidität zu interagieren.
• Simulationstools, die in Python geschrieben wurden, um schnell zu sehen, wie Modelle und Anreizmechanismen beim Einsatz funktionieren würden.

FAQ/Bedenken

Sind intelligente Verträge nicht nur für einfachen Code?

Es gibt viele Optionen. Wir können das Rahmen auf einfache Modelle beschränken: Perceptron, Naive Bayes, nächstgelegener Schwerpunkt usw. Wir können auch die Berechnung außerhalb der Kette mit On-Chain-Berechnungen auf einige Arten kombinieren, wie z.

• Codieren Sie sich abseits einer höheren dimensionalen Darstellung und haben nur die endgültigen Schichten des Modells, das fein abgestimmt, On-Chain,
• Verwenden einer sicheren Mehrparteienberechnung oder
• Verwenden externer APIs oder wie sie als Blockchain -Raum, Orakel genannt werden, um das Modell zu trainieren und zu betreiben

Wir können auch Algorithmen verwenden, für die nicht alle Modelle Parameter aktualisiert werden müssen (z. B. Perceptron). Wir hoffen, mehr Forschung auf effiziente Weise zu inspirieren, um komplexere Modelle zu aktualisieren.

Einige dieser Vorschläge sind nicht im wahren Geist dieses Systems, um Modelle vollständig zu teilen, aber für einige Anwendungen können sie geeignet sein. Zumindest würden die Daten geteilt, damit andere sie weiterhin verwenden können, um ihre eigenen Modelle zu trainieren.

Werden Transaktionsgebühren zu hoch sein?

Die Gebühren in Ethereum sind für einfache Modelle niedrig genug: ein paar Cent im Juli 2019. Einfache maschinelle Lernmodelle sind für viele Anwendungen gut. Wie in der vorherigen Antwort beschrieben, gibt es Möglichkeiten, Transaktionen einfach zu halten. Die Gebühren nehmen ab: Ethereum wechselt auf den Beweis für den Einsatz. Andere Blockchains haben möglicherweise niedrigere oder möglicherweise keine Gebühren.

Was ist mit dem Speichern von Modellen außerhalb des Ketten?

Das Speichern der Modellparameter außerhalb des Kettens, z. B. mit IPFS, ist eine Option, aber viele der beliebten Lösungen haben keine robuste Spiegelung, um sicherzustellen, dass das Modell weiterhin verfügbar ist, wenn ein Knoten sinkt. Eines der Hauptziele dieses Projekts ist es, Modelle zu teilen und ihre Verfügbarkeit zu verbessern. Der einfachste Weg, dies zu tun, besteht darin, das Modell in einem intelligenten Vertrag zu speichern und auszubilden.

Wir freuen uns, Verbesserungen vorzunehmen! Wenn Sie eine Lösung kennen, die billiger und robuster wäre als das Speichern von Modellen auf einer Blockchain wie Ethereum, lassen Sie es uns wissen, indem Sie ein Problem einreichen!

Was ist, wenn ich nur schlechte Daten spam?

Dies hängt von dem ausgewählten Incentive -Mechanismus (IM) ab, aber im Wesentlichen werden Sie viel Geld verlieren. Andere werden bemerken, dass das Modell schlecht abschneidet oder nicht wie erwartet funktioniert, und dann aufhören, dazu beizutragen. Abhängig von der IM, beispielsweise in Einzahlung, Rückerstattung und Einnahme: Selbsteinschätzung, werden andere, die bereits "gute" Daten eingereicht haben, Ihre Einzahlungen gerne ohne weitere Daten einreichen.

Darüber hinaus können Menschen Ihre Daten leicht automatisch mithilfe von Techniken aus unbeaufsichtigtem Lernen wie dem Clustering automatisch korrigieren. Sie können dann die Daten offline für ihr eigenes privates Modell verwenden oder sogar ein neues Sammelsystem mit diesem Modell bereitstellen.

Was ist, wenn niemand schlechte Daten gibt, dann kann niemand profitieren?

Das ist großartig! Dieses System wird als Quelle für Qualitätsdaten und Modelle wirken. Menschen werden Daten beisteuern, um die Modelle für maschinelles Lernen zu verbessern, die sie in ihrem täglichen Leben verwenden.

Der Gewinn hängt vom Incentive -Mechanismus (IM) ab. Ja, in Einzahlung, Rückerstattung und Nehmen: Selbsteinschätzung werden die Mitwirkenden nicht profitieren und sollten in der Lage sein, ihre eigenen Einlagen zurückzugewinnen. Im marktbasierten Mechanismus des Vorhersage können die Mitwirkenden vom ursprünglichen Anbieter des Kopfgeld- und Testsatzes immer noch belohnt werden.

Erfahren Sie mehr

Papiere

Weitere Details finden Sie in unserem ersten Papier, der dezentralen und kollaborativen KI auf Blockchain, die den Rahmen beschreibt, der in Blockchain-2019, der IEEE International Conference on Blockchain, akzeptiert wird.

Eine Analyse mehrerer maschineller Lernmodelle mit dem Self-Assessment-Incentive-Mechanismus finden Sie in unserem zweiten Papier, Analyse von Modellen für dezentrale und kollaborative KI auf Blockchain, die auf die internationale Konferenz 2020 über Blockchain akzeptiert wurde.

Beitragen

Dieses Projekt begrüßt Beiträge und Vorschläge. In den meisten Beiträgen müssen Sie einer Mitarbeiters Lizenzvereinbarung (CLA) zustimmen, in der Sie erklären, dass Sie das Recht haben und uns tatsächlich tun, um uns die Rechte zu gewähren, Ihren Beitrag zu verwenden. Weitere Informationen finden Sie unter https://cla.microsoft.com.

Wenn Sie eine Pull-Anfrage einreichen, enthält ein ClA-BOT automatisch, ob Sie eine CLA angeben und die PR angemessen dekorieren müssen (z. B. Etikett, Kommentar). Befolgen Sie einfach die vom Bot bereitgestellten Anweisungen. Sie müssen dies nur einmal über alle Repos mit unserem CLA tun.

Dieses Projekt hat den Microsoft Open Source -Verhaltenscode übernommen. Weitere Informationen finden Sie im FAQ oder wenden Sie sich an [email protected] mit zusätzlichen Fragen oder Kommentaren.