0xDeCA10B

ブロックチェーンで更新可能なモデル（合計）を共有します

（以前は分散型およびブロックチェーン上の共同AI）

デモ	シミュレーション	安全

ブロックチェーンでの更新可能なモデル（SUM）の共有（SUM）は、公開されている機械学習モデルをホストおよびトレーニングするためのフレームワークです。理想的には、モデルを使用して予測を取得することは無料です。データの追加は、以下に説明するように、3つのステップで検証で構成されています。

1. インセンティブメカニズムは、たとえば「杭」またはデポジットが必要な場合、データを追加するリクエストを検証します。場合によっては、インセンティブメカニズムを後でトリガーして、ユーザーに支払いまたは仮想の「カルマ」ポイントを提供することもできます。
2. DataHandlerは、ブロックチェーンにデータとメタデータを保存しています。これにより、このスマートコントラクトに限定されず、将来のすべての用途にアクセスできるようになります。
3. 機械学習モデルは、事前定義されたトレーニングアルゴリズムに従って更新されます。データの追加に加えて、誰でもモデルを無料で予測することができます。

フレームワークの基本は、ブログ投稿にあります。 1つのインセンティブメカニズムのデモはここにあります。詳細については、ブロックチェーンに関するIEEE国際会議であるBlockchain-2019に受け入れられているフレームワークを説明する最初の論文をご覧ください。

このリポジトリには次のものが含まれています。

• Ethereumブロックチェーンを使用して、概念システムの証明システムを紹介するデモ。堅牢性で書かれたスマートコントラクトと対話するためのローカルに展開可能なテストブロックチェーンとデモダッシュボードがあります。
• Pythonで記述されたシミュレーションツールは、展開時にモデルとインセンティブメカニズムがどのように機能するかをすばやく確認します。

FAQ/懸念

単純なコードだけのスマートコントラクトではありませんか？

多くのオプションがあります。フレームワークを単純なモデルに制限することができます。パーセプトロン、ナイーブベイズ、最も近い重心など。また、次のようないくつかの方法でオフチェーン計算とオンチェーン計算を組み合わせることもできます。

• オフチェーンをより高い次元表現にエンコードし、モデルの最終層を微調整したオンチェーンのみを持っているだけです。
• セキュアマルチパーティ計算を使用します
• 外部APIを使用するか、ブロックチェーンスペース、オラクルと呼ばれるように、モデルを訓練および実行する

また、すべてのモデルパラメーターを更新する必要はないアルゴリズムを使用することもできます（例：Perceptron）。より複雑なモデルを更新するための効率的な方法で、より多くの研究を促したいと考えています。

これらの提案のいくつかは、モデルを完全に公開することであるこのシステムの真の精神ではなく、一部のアプリケーションでは適切な場合があります。少なくともデータが共有されるため、他の人はそれを使用して独自のモデルをトレーニングできるようにします。

取引手数料は高すぎますか？

イーサリアムの料金は、単純なモデルには十分に低くなります。2019年7月の数セント。単純な機械学習モデルは、多くのアプリケーションに適しています。前の答えについて説明したように、トランザクションを簡単に保つ方法があります。料金は減少しています：イーサリアムは利害関係の証明に切り替えています。他のブロックチェーンには、料金が低いか、場合によっては料金がない場合があります。

モデルをオフチェーンで保存するのはどうですか？

モデルパラメーターをオフチェーン、たとえばIPFを使用することはオプションですが、人気のあるソリューションの多くには、ノードがダウンした場合にモデルがまだ利用可能であることを確認するための堅牢なミラーリングがありません。このプロジェクトの主要な目標の1つは、モデルを共有して可用性を向上させることです。これを行う最も簡単な方法は、モデルをスマートコントラクトで保存および訓練することです。

改善してうれしいです！ Ethereumのようなブロックチェーンにモデルを保存するよりも安価で堅牢なソリューションを知っている場合は、問題を提出してお知らせください！

悪いデータをスパムするだけの場合はどうなりますか？

これは、選択されたインセンティブメカニズム（IM）に依存しますが、本質的には多くのお金を失うでしょう。他の人は、モデルがひどく機能しているか、予想どおりに機能しないことに気付くでしょう。その後、貢献を停止します。 IMに応じて、預金、払い戻し、取得：自己評価など、すでに「良い」データを提出した他の人は、これ以上のデータを提出せずに預金を喜んで取得します。

さらに、クラスタリングなどの監視されていない学習のテクニックを使用して、人々はあなたのデータを簡単に自動的に修正できます。その後、独自のプライベートモデルにデータをオフラインで使用したり、そのモデルを使用して新しいコレクションシステムを展開することもできます。

誰も悪いデータを提供しない場合、誰も利益を得ることができませんか？

それは素晴らしいことです！このシステムは、高品質のデータとモデルのソースとして機能します。人々は、日常生活で使用する機械学習モデルの改善を支援するためにデータを提供します。

利益はインセンティブメカニズム（IM）に依存します。はい、預金、払い戻し、および取得：自己評価では、貢献者は利益を得ず、自分の預金を請求できるはずです。予測市場ベースのメカニズムでは、貢献者は賞金とテストセットの元のプロバイダーによって引き続き報われる可能性があります。

もっと詳しく知る

論文

詳細については、最初の論文、ブロックチェーンの分散型および共同AIをご覧ください。これは、ブロックチェーン-2019、IEEE International Conference on Blockchain-2019に受け入れられているフレームワークを説明しています。

自己評価インセンティブメカニズムを備えたいくつかの機械学習モデルの分析は、2番目の論文、ブロックチェーンに関する分散型および共同AIのモデルの分析に記載されています。これは、ブロックチェーンに関する2020年の国際会議に受け入れられました。

貢献

このプロジェクトは、貢献と提案を歓迎します。ほとんどの貢献では、貢献者ライセンス契約（CLA）に同意する必要があります。詳細については、https：//cla.microsoft.comをご覧ください。

プルリクエストを送信すると、CLAボットはCLAを提供し、PRを適切に飾る必要があるかどうかを自動的に決定します（例：ラベル、コメント）。ボットが提供する指示に従うだけです。 CLAを使用して、すべてのレポでこれを1回だけ行う必要があります。

このプロジェクトは、Microsoftのオープンソース行動規範を採用しています。詳細については、FAQのコードを参照するか、追加の質問やコメントについては[email protected]にお問い合わせください。