基於區塊鏈的機器學習市場

根據從基於區塊鏈的市場中獲取的數據進行訓練的機器學習模型具有創造世界上最強大的人工智慧的潛力。它們結合了兩個有效的原語：

1. 私有機器學習：私有機器學習是一種允許對敏感的私有數據進行培訓而又不會泄露的機器學習。
2. 基於區塊鏈的激勵措施：這使系統能夠吸引最佳數據和模型，使其更智能。

結果就是開放的市場，任何人都可以出售他們的數據並將其保密。開發人員可以使用激勵措施為他們吸引演算法的最佳數據。構建這些類型的系統具有挑戰性。可以相信，這些市場將使我們從當前的網路時代過渡到新的數據和演算法的網路時代，在這兩個市場上都可以直接貨幣化。

起源

起源於與numerai的Richard的談話到2015年。 Numerai是一個基金，它將加密的市場數據發送給任何想要競爭以模擬股票市場的數據科學家。 Numerai將最佳模型提交內容組合到一個稱為「 Metamodel」的模型中。它交易該元模型，並向模型表現良好的數據科學家支付報酬。

讓數據科學家競爭是一個有力的想法。因此，您可以創建此系統的完全去中心化版本，可以將其推廣到任何問題。

施工

例如，考慮一個完全去中心化的系統，用於在去中心化交易所上交易加密貨幣貨幣。

它是許多潛在構造之一：

• 數據：數據提供堆棧數據，並可供建模者使用。
• 建立模型：根據建模者選擇的數據，創建模型。一種安全的計算方法。這種方法可以在不泄露基礎數據的情況下訓練模型。甚至模型也被質押了。
• 建立元模型：使用考慮每個模型的權益的演算法來創建元模型。元模型的創建是可選的。可以存在無需組合成元模型就可以使用的模型。
• 使用元模型：智能合約採用元模型並以編程方式進行交易。它是通過去中心化的交易所制完成的。
• 分配收益/損失：經過一定時間後，交易產生盈虧。該損益在元模型的各個貢獻者之間分配。它基於他們製造智能的程度。當模型負貢獻時，則將使用其部分或全部堆疊資金。通過轉換後的模型向其數據提供者執行類似的分配或削減股份。
• 可驗證的計算：每個步驟的計算都可以中心化進行，但可以使用Truebit等驗證遊戲進行驗證和挑戰，也可以使用安全的多方計算進行去中心化。
• 託管：數據和模型要麼託管在IPFS上，要麼託管在安全的多方計算網路中的節點上，因為鏈上存儲太昂貴了。

完全去中心化的系統，在去中心化交易所上交易加密貨幣貨幣有許多潛在的構造。這是其中之一的描述。

基於區塊鏈的機器學習市場這一帖子首先出現在Nvest Labs上。