區塊鏈新框架，外包人工智能基礎工作來襲

未來的工作場所將憑藉海量的數據來運作。爲了搞清楚這一切，企業、開發人員和個人將需要更出色的人工智能（AI）系統、訓練有素的 AI 工作人員以及更高效的數據處理服務器。

雖然大型科技公司擁有滿足這些需求的資源和專業知識，但對於大多數中小企業和個人來說，這些仍然遙不可及。爲了應對這一需求，由康考迪亞牽頭的一個國際研究團隊開發出了一個新框架，讓複雜的 AI 任務對於用戶而言更易訪問和透明。

該框架在一篇發表在《信息科學》雜誌上的文章中有描述，專門爲深度強化學習（DRL）請求提供解決方案。DRL 屬於機器學習的一個子集，它融合了深度學習（利用分層神經網絡在龐大的數據集中找尋模式）和強化學習（在其中，智能體依據獎勵/懲罰系統通過與環境互動來學習怎樣做決策）。

DRL 被用於遊戲、機器人、醫療保健和金融等不同行業。

該框架把有着特定但難以達成的人工智能需求的開發者、公司和個人，跟擁有其所需資源、專業知識和模型的服務提供商加以配對。

“該服務屬於衆包性質，基於區塊鏈，還使用智能合約——就是那種在代碼裡內置了一組預先設定好條件的合約——來給用戶匹配恰當的服務提供商。”

“衆包訓練和設計深度強化學習的這個過程，讓這一過程變得更加透明，也更容易實現。”

“憑藉這個框架，任何人都能註冊並創建歷史和個人資料。依照他們的專業知識、培訓經歷和評級，他們能夠被分配用戶所請求的任務。”

據其合著者兼論文導師——康考迪亞信息系統工程研究所的賈馬爾·本塔哈（Jamal Bentahar）教授稱，這項服務爲比以往更廣泛的人羣開啓了深度強化學習所提供的潛力。

“要訓練一個深度強化學習模型，您需要的計算資源並非人人都有。您還需要專業知識。而這個框架兩者都能提供，”他說。

研究人員認爲，他們系統的設計將通過藉助區塊鏈來分配計算工作，從而降低成本和風險。由於有數十臺或數百臺其他機器處理相同的問題，服務器崩潰或惡意攻擊可能帶來的災難性後果得以減輕。

“如果中央服務器出現故障，整個平臺就會癱瘓，”阿拉加解釋道。“區塊鏈爲您帶來了分佈式的特點和透明度。所有內容都記錄在上面，因此很難篡改。”

通過使用現有的模型，只需進行一些相對較小的調整以滿足用戶的特定需求，就可以縮短訓練模型使其正常工作這一困難且昂貴的過程。

“例如，假設一個大城市開發了一個能夠自動優化交通燈序列從而優化交通流量並減少事故的模型。較小的城市或城鎮可能沒有資源自行開發，但他們可以使用大城市開發的模型並根據自己的情況進行調整。”