基于区块链的机器学习市场

根据从基于区块链的市场中获取的数据进行训练的机器学习模型具有创造世界上最强大的人工智能的潜力。它们结合了两个有效的原语:

  1. 私有机器学习:私有机器学习是一种允许对敏感的私有数据进行培训而又不会泄露的机器学习。
  2. 基于区块链的激励措施:这使系统能够吸引最佳数据和模型,使其更智能。

结果就是开放的市场,任何人都可以出售他们的数据并将其保密。开发人员可以使用激励措施为他们吸引算法的最佳数据。构建这些类型的系统具有挑战性。可以相信,这些市场将使我们从当前的网络时代过渡到新的数据和算法的网络时代,在这两个市场上都可以直接货币化。

起源

起源于与numerai的Richard的谈话到2015年。 Numerai是一个基金,它将加密的市场数据发送给任何想要竞争以模拟股票市场的数据科学家。 Numerai将最佳模型提交内容组合到一个称为“ Metamodel”的模型中。它交易该元模型,并向模型表现良好的数据科学家支付报酬。

让数据科学家竞争是一个有力的想法。因此,您可以创建此系统的完全去中心化版本,可以将其推广到任何问题。

施工

例如,考虑一个完全去中心化的系统,用于在去中心化交易所上交易加密货币货币。

它是许多潜在构造之一:

  • 数据:数据提供堆栈数据,并可供建模者使用。
  • 建立模型:根据建模者选择的数据,创建模型。一种安全的计算方法。这种方法可以在不泄露基础数据的情况下训练模型。甚至模型也被质押了。
  • 建立元模型:使用考虑每个模型的权益的算法来创建元模型。元模型的创建是可选的。可以存在无需组合成元模型就可以使用的模型。
  • 使用元模型:智能合约采用元模型并以编程方式进行交易。它是通过去中心化的交易所制完成的。
  • 分配收益/损失:经过一定时间后,交易产生盈亏。该损益在元模型的各个贡献者之间分配。它基于他们制造智能的程度。当模型负贡献时,则将使用其部分或全部堆叠资金。通过转换后的模型向其数据提供者执行类似的分配或削减股份。
  • 可验证的计算:每个步骤的计算都可以中心化进行,但可以使用Truebit等验证游戏进行验证和挑战,也可以使用安全的多方计算进行去中心化。
  • 托管:数据和模型要么托管在IPFS上,要么托管在安全的多方计算网络中的节点上,因为链上存储太昂贵了。

完全去中心化的系统,在去中心化交易所上交易加密货币货币有许多潜在的构造。这是其中之一的描述。

基于区块链的机器学习市场这一帖子首先出现在Nvest Labs上。

资讯来源:由0x资讯编译自NVESTLABS。版权归作者Anusha所有,未经许可,不得转载
提示:投资有风险,入市需谨慎,本资讯不作为投资理财建议。请理性投资,切实提高风险防范意识;如有发现的违法犯罪线索,可积极向有关部门举报反映。
你可能还喜欢