为什么AI可能是GPU挖矿的未来

传说说，有时候进入加密货币矿开采是小菜一碟。这意味着您不必出售旧的丰田车来购买专用的计算平台。只需将客户端下载到笔记本电脑上，即可将自己插入网络，并且该服务器已打开。

中本聪（中本聪）喜欢这种快乐的平衡，并希望它能持续尽可能长的时间。

那时，在GPU时代和ASIC出现之前，从CPU压缩一个或多个兆哈希可以很容易地使您参与其中，以获得50 BTC的块奖励。（如今> 250,000美元）

但是这些日子早已一去不复返了- 加密货币挖矿已经变成了一个成熟的行业。

曾经是技术迷们默默无闻的业余爱好，如今却变成了艰苦的生意，要想维持生计，就需要定期进行大量的价格投资。

但是，本文的目的不是判断工作量证明挖矿的路径是否正确。相反，我们将面对人工智能培训及其令人兴奋的含义，尝试探索一些可行的替代方案。

但是首先，让我们来了解一下加密货币挖矿空间目前的状况。如果您是新手矿工，您会很快意识到一些事情。

激烈的竞争使每个矿工都更加艰难

如您所知，根据竞争，可开采区块链具有其自动调整机制。区块链上的矿工越多，挖矿就越困难。从字面上看。这使每个人都很难受，但受害最大的是小型矿工。原因是硬件曾经足以为您带来利润，但现在已经过时了，如果您不能跟上涨级的步伐，那么您一定会被淘汰出加密货币挖矿游戏。

Bitmain是其Antminer ASIC系列的著名挖矿制造商之一。他们每年发布几次新模型。著名的S9于2017年夏天以14 TH / s的价格以3000美元的价格推出。尽管他们仅在几个月后发布了Antminer S11，但生产率却提高了20.5 TH / s，许多矿工仍在使用它。他们的最新型号T17和S17的价格分别为40TH / s和53TH / s，分别为952美元和$1322。

因此，如果您要在一年多以前购买S11，您将面对新的竞争对手，即使您没有能力支付旧的钻机，哈希率也将翻番。

中本聪甚至在开采第一个比特币之前就预见到了所有这些

“起初，大多数用户将运行网络节点，但是随着网络的增长超过某个特定点，拥有专用硬件服务器场的专家将越来越多地留给它。”

波动销毁了矿工的口袋

也有代币的价格。显然，作为矿工，您严重依赖定价。加密货币恰好是最不稳定的资产类别之一。例如，众所周知，2018年对整个空间都是不利的。以太币从其历史最高水平1450美元一路下跌了94％，直到12月跌至84美元。这甚至不是最糟糕的例子。许多PoW区块链都无法恢复。团队被拆除，导致许多矿工最终被装满没有流动性的硬币袋。

当然，每个硬币都有两个面。在牛市中会发生什么？不幸的是，这只是短暂的庆祝活动。随着估值的增加，可能的奖励吸引了新矿工的更多兴趣，并增加了难度，使我们再次回到了上述观点。

缺乏可扩展性

挖矿的扩展性不是很好。为了增加利润，您需要投资购买更多和更新的机器。有时，您必须进行投资才能保持收支平衡。最好的选择是您的个人扩张率超过竞争增长率，这种策略通常对于普通的“爱好”矿工来说太昂贵了。

证明……？

尽管比特币开始受到人们的欢迎，但工作证明（PoW）早在1990年代就开始被人们广泛接受。它被认为是加密货币运动的基石，对于网络安全而言是必需的，因为它提供了一种强大的机制来阻止可能的51％攻击。

然后人们发明了另一种方法-股权证明（PoS）。它围绕“游戏中的皮肤”的想法展开-验证节点将押注其加密货币以换取区块奖励。如果节点尝试一些有趣的事情，他可能会丢失所有的加密货币，因此没有动机进行恶意行为。根本不同的机制是，在PoS中不需要大量计算，这意味着挖矿变得多余。

哪一个最好？由于这两种共识算法都有其优缺点，因此没有明确的答案。然而，值得注意的是，第二大区块链项目以太坊（Ethereum）正在探索这种可能性，并宣布计划通过即将到来的主要升级称为卡斯珀（Casper）从PoW切换到PoS。以太坊当前的哈希率为176TH / s，可以肯定地说，许多矿工将被迫寻找替代方案。

那么，如果我们是矿工，我们该怎么办？

在2018年12月，加密货币熊市达到了比特币矿工数量停止增长的地步。对于其他可挖矿的区块链来说，也没有什么好。负ROI迫使超过60万名矿工关闭，并导致矿业巨头GigaWatt宣布破产。

减少的黄色部分是2018年前三个季度比特币矿工的利润。

虽然在2019年，加密货币之王（以及PoW区块链）的形势有所好转，但这只是表明没有任何矿工能够免受熊市的影响。

此外，竞争对消费者（和安全性）来说是巨大的。当您是在鲨鱼海洋中竞争的人时，这并不酷。

但是，尽管最近对矿工的要求很高，但另一种选择可能来自潜力巨大的新兴利基市场。

机器学习。最近都是共鸣。 但是为什么现在呢？

1950年代，用机器模拟人脑的概念开始受到关注。

不久之后，计算机科学家开始思考：“如果我们让机器自己学习，会怎样？” 因此，机器学习分支诞生了。

然后，在接下来的几十年中经历了几次起伏之后，机器学习因其子领域（深度学习）的进步而重新焕发了活力。该方法是制作人工神经网络，在输入和输出层之间具有多个隐藏层。该方法从我们的人脑处理信息的方式中汲取了灵感。

简短的历史价格就足够了，让我们赶上AI的现状。

您可能已经听说过AutoML —自动化机器学习的缩写，该技术是关于AI学习如何设计更好的AI的技术。

在2017年，随着Google的突破显示出对AutoML的兴趣大幅上涨。该报告说，他们的算法设计的神经网络架构与他们最好的数据科学专家相当。有些人将新闻解释为在AI创作过程中不再需要人类……这与事实相距不远。

AutoML基于NAS，即神经体系结构搜索，并且与NAS密切相关。如果您想知道，这里有一个简单的工作原理说明，感谢George Seif的支持。

简单来说：让一个算法抓取不同的块并将这些块放在一起构成一个网络。训练并测试该网络。根据结果​​，调整用于建立网络的模块以及如何将它们组合在一起

是去中心化并确保硬钱，还是为数字小猫游戏建立平台。但是，如果您想保持领先地位，请拥抱学习心态，并探索人工智能和深度学习的当前状态。支持几乎没有用例的开放式民主AI事业，也正在成为可行的业务模型。

因此，暂时不要扔掉装备。人工智能的未来是光明的，您的机器可能会融入其中。