Artificiell intelligens (AI) blir snabbt en central del av vårt dagliga liv.

Personliga assistenter som Google Assistant och Siri är beroende av AI för att bearbeta talinmatning. Rekommendationsmotorer som föreslår låtar, restauranger eller nyhetsartiklar drivs också av AI. Sedan finns det rubrikfångande projekt som AlphaGo, som använde ett konstgjort neuralt nätverk för att besegra mänskliga spelare i ett av de mest komplexa strategispel som någonsin skapats.

Det råder liten tvivel om att vi går in i en framtid som drivs av AI. Vissa organisationer använder det till och med söka efter sjukdomar och sök efter exoplaneter. Men kostnaden för att köra dessa applikationer är svår att ignorera. Många nystartade företag spenderar så mycket som 20-30% av sin finansiering på hårdvarudriftkostnader ensamma.

DeepBrain Chain hoppas kunna ta itu med problemet med stigande bearbetningskostnader kombinerande blockchain-teknik med artificiell intelligens. Tidiga uppskattningar tyder på att företag kan spara så mycket som 70% genom att köpa data och bearbeta kraft genom DeepBrain istället för att bygga sin egen infrastruktur.

Nyligen tillkännagav DeepBrain Chain-teamet sina första framgångsrika körningar av AI-modeller på testnätet, vilket signalerade projektets första steg för allmänhetens tillgänglighet.

Kostnadsproblem

Mer än 5000 AI-startups har lanserats under de senaste 5 åren. Venture Scanner rapporter finansieringen för dessa projekt har en sammanlagd årlig tillväxttakt på 83% och uppgick till över 14 miljarder dollar 2017. Kvartal 2018 hade rekord 2,5 miljarder dollar i branschfinansiering, en ökning med 11% jämfört med första kvartalet 2017.

AlphaGo är en av de mest kända applikationerna för djupinlärning och artificiell intelligens. Dess utvecklare, DeepMind, köptes av Google 2014. Trots satsningen väl publicerade framgångar fortsätter DeepMind att publicera ekonomiska förluster varje år med en skuld på över 162 miljoner dollar bara 2016.

Driftskostnader och juridiska avgifter spelar en stor roll i DeepMinds ekonomiska situation, men det är inte heller billigt att driva AlphaGo. Den version av AlphaGo som spelade den sydkoreanska professionella Go-spelaren Lee Sedol körde på 1 920 standardprocessorer och 280 modifierade grafikprocessorer, vilket bidrog till en driftskostnad på 3000 dollar för ett enda spel.

Att få någon AI-modell att utföra med märkbar noggrannhet kräver tusentals timmar av träning. Det är lätt att se hur AI-företag kan samla höga hårdvaruräkningar i ett försök att lansera en enda artificiell intelligensprodukt.

Andra företag som arbetar med maskininlärning och artificiell intelligens möter liknande problem som DeepMind. De flesta av dem kan inte lita på de bottenlösa fickorna hos ett moderbolag på storleken av Google för att hålla dem finansierade. Att sänka kostnaderna är avgörande för fortsatt drift, och de 30% som går mot hårdvara är ett bra ställe att börja.

AI-finansiering från 2011-2018 – Bild via venturescanner.com

Gå in i DeepBrain Chain

Blockchain-tekniken är den perfekta lösningen för att begränsa de stigande kostnaderna för att driva AI-applikationer. Det är en snabbt växande, skalbar och lönsam sektor som har börjat bryta sig in i mainstream tack vare populariteten hos kryptovalutor.

DeepBrain Chain kommer att fungera som en decentraliserad marknadsplats för data- och processorkraft. Det körs för närvarande på NEO blockchain men kommer att dela sig till sin egen sidokedja när mainnet släpps. Företag kan sedan köpa de mängder processorkraft som krävs för att köra sina applikationer utan att behöva investera i en egen infrastruktur.

DeepBrain kommer att möta behoven hos dessa organisationer genom att tillhandahålla ett flexibelt, högpresterande nätverk med låg latens som bevarar integritet genom decentralisering och kryptering. Tidiga uppskattningar ger en kostnadsbesparing på minst 70% för de flesta kunder.

Testnet-framgångar

Den 3 juni 2018 drev DeepBrain Chains utvecklingsteam framgångsrikt tre typer av verkliga AI-träningsmodeller på det privata testnätet. Resultaten av dessa test meddelades inte, men syftet var inte att testa AI, bara testnets förmåga att köra programmen i en arbetsmiljö.

Det första framgångsrika testet var databasen Modified National Institute of Standards and Technology (MNIST), ett slags “Hello World” för maskininlärning. DeepBrain-teamet körde framgångsrikt MNIST i testnätet med en begränsad delmängd på 250 bilder.

Det fullständiga MNIST-testet innehåller 60 000 bilder av handskrivna siffror som samlats in från gymnasieelever och amerikanska Census Bureau-anställda. AI måste använda bildigenkänning vid varje skanning för att tolka markeringarna och korrekt identifiera så många nummer som möjligt.

Det andra AI-testet var en naturlig språkbearbetningsmodell som kördes med hjälp av Convolutional Neural Networks (CNN). CNN analysera bilder som grupper av pixlar åt gången, så att den kan upptäcka former och kanter genom att jämföra skillnader i matrisdata. När de har till uppgift att bearbeta språk kan CNN “se” ord i ett dokument och dechiffrera enkla betydelser ur sammanhanget.

Slutligen körde DeepBrain-teamet framgångsrikt en kinesisk textkategoriseringsmodell med en förutbildad version av doc2vector. Detta program är en förlängning av word2vec som konstruerar ordinbäddningar från skannade dokument. Modellen används ofta för att rekonstruera språklig sammanhang från dokumentinmatningar, vilket i huvudsak gör det möjligt för neurala nätverk att förstå skriftspråk.

Färdplan och milstolpar

I januari 2018 tillkännagav DeepBrain ett partnerskap med en Disney-licensinnehavare om en serie  Mickey Mouse leksaker som lyssnar och svarar på talinmatning. Utbildningsroboten levererade mer än 3 miljoner enheter 2017. DeepBrain hjälper till att uppgradera sina inlärningsmöjligheter för nästa produktkörning.

Det mest anmärkningsvärda kommande evenemanget är lanseringen av DeepBrain Chain testnet planerat till slutet av juni. Eftersom de första testerna lyckats känner teamet att produkten är redo att acceptera offentliga ansökningar. Mainnet-utgåvan följer månader senare med en planerad lansering i oktober 2018.

De Skynet-projekt öppnades i mitten av juni 2018 för att bidra till att stärka nätverket som förberedelse för offentliggörande. Användare som uppfyller hårdvarukraven kan ansöka om att gå med i Skynet och tjäna prioriteringsrättigheter för mainnet mining, extra konsensusnodpunkter och fri användning av DeepBrain-resurser medan Skynet Project är operativt.

DeepBrain Chain har smidd en partnerskap med SingularityNET, en öppen, decentraliserad AI-stacklösning som syftar till att demokratisera tillgången till artificiell intelligens. Alliansen kommer att tillåta delning av data och bearbetningstjänster mellan båda plattformarna genom ett ramverk som teamen för närvarande bygger.

DeepBrain Chains vägkarta bär plattformen genom lanseringen i oktober 2018 och inkluderar testning och förfining under hela 2019.

Framtiden för DeepBrain Chain

DeepBrain Chain är världens första blockchain-baserade AI-datorplattform, och den kom precis i tid för att dra nytta av en blomstrande industri.

Tekniska jättar Google och Baidu har spenderat mellan 20-30 miljarder dollar på AI-utveckling. Branschen själv kan vara värd över en biljoner dollar 2035. För att sätta detta i perspektiv nådde OPEC: s oljeexportintäkter sin moderna topp på 917 ​​miljarder dollar 2012 och har sjunkit med nästan hälften sedan dess.

DeepBrain Chain fokuserar för närvarande mycket av sina ansträngningar på företag i Kina, ett land redo att bli världsledande inom artificiell intelligens. DeepBrain VD He Yong tillskriver detta hur lätt det är att samla in och använda data i Kina jämfört med andra länder.

Det finns vissa farhågor om DeepBrains förmåga och vilja att expandera till andra territorier, särskilt Europa och USA. Som partnerskapet med SingularityNET antyder, har DeepBrain Chain inte för avsikt att förbli ett Kina-fokuserat projekt för alltid.

Hittills ser framtiden ljus ut för DeepBrain Chain. Det landade en plats i våra funktioner på spännande NEO-projekt och lovande AI blockchain-projekt tidigare i år. Om testnet och mainnet lanseras går smidigt kan DeepBrain Chain vara det första projektet som företag vänder sig till när de köper AI-partnerskap.

Relaterad: Blockchain och artificiell intelligens: fördelarna med decentraliserad AI