Badacze Wprowadzają Ramy Blockchain Aby Zdemokratyzować Głębokie Uczenie Wzmacniające

Zespół badaczy, na czele z Uniwersytetem Concordia, ogłosił wczoraj nowatorską strukturę opartą na blockchainie, która ma na celu ułatwienie dostępu do głębokiego uczenia ze wzmocnieniem (DRL).

DRL, gałąź sztucznej inteligencji łącząca głębokie uczenie i uczenie ze wzmocnieniem, okazała się cennym narzędziem w takich branżach jak gry, robotyka, opieka zdrowotna i finanse. Jednak ze względu na swoją złożoność, jest poza zasięgiem wielu małych firm i osób prywatnych.

Aby zniwelować tę lukę, badacze opracowali framework DRL jako usługę (DRLaaS), który pozwala użytkownikom korzystać z usług związanych z DRL, w tym treningu modeli i ich udostępniania.

Ten nowy framework umożliwia użytkownikom korzystanie z wiedzy i możliwości obliczeniowych pracowników, którzy mogą trenować modele DRL w ich imieniu. Ponadto, użytkownicy mogą korzystać z wcześniej wytrenowanych modeli udostępnianych przez pracowników, które następnie mogą być dostosowywane za pomocą metod transferu wiedzy.

Zbudowany na Blockchain Consortium, ten framework zapewnia przejrzystość i śledzenie w wykonywaniu zadań. System wykorzystuje inteligentne kontrakty do zarządzania przydzielaniem zadań, a modele są przechowywane przy użyciu systemu plików InterPlanetary (IPFS) w celu zachowania integralności danych.

Wykorzystując technologię blockchain, framework odpowiada na obawy związane z awariami serwerów oraz manipulacją danych.

Według głównego autora, Ahmeda Alaghy, aspekt crowdsourcingu zwiększa dostępność, umożliwiając większej liczbie osób udział w tworzeniu rozwiązań DRL.

„Dzięki temu systemowi, każdy może się zarejestrować i stworzyć historię oraz profil. W zależności od ich doświadczenia, szkolenia i ocen, mogą być przydzielane im zadania, o które proszą użytkownicy,” powiedział Alagha.

Autorki twierdzą, że decentralizacja systemu zmniejsza również ryzyko katastrofalnych awarii oraz obniża koszty związane ze szkoleniem modeli DRL.

Autorki podkreślają, że poprzez rozproszenie obliczeń na wiele maszyn, system oferuje odporność na awarie serwerów czy ataki cybernetyczne, co stanowi znaczącą poprawę w porównaniu do tradycyjnych systemów scentralizowanych.

Współautor, Jamal Bentahar, promotor pracy Alagha, podkreślił, że ta usługa demokratyzuje dostęp do rozwiązań DRL.

„Aby przeszkolić model DRL, potrzebujesz zasobów obliczeniowych, które nie są dostępne dla każdego. Potrzebujesz również wiedzy specjalistycznej. Ten framework oferuje oba,” zauważył Bentahar.

Pełne szczegóły tego frameworka można znaleźć w ich artykule naukowym, opublikowanym w Information Sciences, który podkreśla projekt frameworka i jego potencjalne zastosowania.