Mkakati wa Ushirikiano Katika Dimu la Uchimbaji kwa Makubaliano ya Uthibitisho wa Muundo wa Neural

Yaliyomo

1. Utangulizi

Dimu za kawaida za uchimbaji wa blockchain zinakabiliwa na mapungufu makubwa zinapotumika kwa utaratibu wa makubaliano unaotegemea Utafutaji wa Muundo wa Neural (NAS). Utafiti huu unawasilisha suluhisho la kwanza la kina la dimu la uchimbaji lililobuniwa mahsusi kwa makubaliano ya Uthibitisho wa Muundo wa Neural (PoNAS), likishughulikia changamoto za kipekee za uratibu wa mzigo wa kujifunza kina uliosambazwa.

2. Msingi na Kazi Inayohusiana

2.1 Makubaliano ya Uthibitisho wa Kazi Yanayofaa

Makubaliano ya hivi karibuni ya blockchain yamebadilika kupita fumbo za kawaida za hash. Mifumo kama Uchimbaji wa Blockchain Unaohifadhi Faragha, Coin.AI, WekaCoin, DLBC, na PoDL hutumia mafunzo ya kujifunza kina kama Uthibitisho wa Kazi Yanayofaa (PoUW), na kubadilisha upotevu wa kihesabu kuwa ukuzaji wa mfano wa AI wenye thamani.

2.2 Misingi ya Utafutaji wa Muundo wa Neural

NAS yawezesha muundo wa kujifunza kina kiotomatiki kupitia uchunguzi wa kimfumo wa nafasi za miundo. Mahitaji ya kihesabu yanaendana vyema na miundombinu ya uchimbaji wa blockchain, na kuunda ushirikiano wa asili kati ya nyanja hizi mbili.

3. Muundo wa Dimu la Uchimbaji kwa PoNAS

3.1 Mgawanyiko wa Nafasi ya Miundo

Msimamizi wa dimu la uchimbaji hugawa nafasi kamili ya utafutaji wa muundo wa neural kuwa nafasi ndogo kwa kutumia mtengano wa ngazi. Kila nafasi ndogo $S_i$ inafafanuliwa na vikwazo vya kimuundo:

$S_i = \{A | A \in \mathcal{A}, f_{constraint}(A) = C_i\}$

ambapo $\mathcal{A}$ inawakilisha nafasi kamili ya miundo na $C_i$ inafafanua vikwazo vya nafasi ndogo.

3.2 Mkakati wa Ushirikiano wa Wachimbaji

Wachimbaji hupewa nafasi ndogo maalum zenye mikakati ya uchunguzi iliyoorodheshwa. Usambazaji wa malipo hufuata:

$R_i = \frac{P_i}{\sum_{j=1}^{N} P_j} \times R_{total}$

ambapo $P_i$ inawakilisha kipimo cha utendaji wa miundo iliyogunduliwa.

3.3 Utaratibu wa Uvumilivu wa Makosa

Mfumo huangalia mkengeuko wa utendaji wa mchimbaji $\sigma_p$ na kudumisha wachimbaji wa ziada kwa ajili ya kazi zenye malipo makubwa:

$\sigma_p = \sqrt{\frac{1}{N}\sum_{i=1}^{N}(p_i - \bar{p})^2}$

4. Matokeo ya Majaribio

Uthibitishaji wa majaribio unaonyesha faida kubwa za mbinu ya dimu la uchimbaji iliyopendekezwa:

• Mabadiliko ya kasi ya wastani ya 3.2x katika ugunduzi wa miundo ikilinganishwa na wachimbaji binafsi
• Kiwango cha kukamilisha kazi cha 98.7% kwa kutumia utaratibu wa ziada uliowekwa
• Kupunguzwa kwa tofauti katika malipo ya wachimbaji kwa 45% kupitia uboreshaji wa nafasi ndogo

5. Mfumo wa Uchambuzi wa Kiufundi

Mtazamo wa Mchambuzi: Mwongozo wa Msingi, Mwendo wa Mantiki, Nguvu na Mapungufu, Ushauri Unaoweza Kutekelezeka

Mwongozo wa Msingi

Nakala hii inafikiria upya kiuchumi dimu la uchimbaji kwa kubadilisha mahesabu ya hash yasiyofaa kwa utafutaji wa muundo wa neural wenye tija. Mafanikio halisi sio ya kiufundi tu—ni ya kiuchumi: wameunda mfumo ambapo usalama wa blockchain na maendeleo ya AI yanakuwa yanakuza nguvu za pamoja badala ya kuwa malengo yanayoshindana. Hii inashughulikia ukosoaji wa msingi kwamba blockchain haiendelei kiikolojia kichwa kichwa.

Mwendo wa Mantiki

Hoja inaendelea kwa usahihi wa upasuaji: anza na tatizo la upotevu wa nishati ya PoW lisilokataliwa, anzisha NAS kama lenye mfanano wa kihesabu lakini lenye thamani ya kijamii, kisha onyesha jinsi mitambo ya dimu la uchimbaji inavyoweza kubadilishwa badala ya kuundwa upya. Uzuri uko katika kutumia miundombinu ya sasa ya uchimbaji na tabia za kiuchumi huku ukibadilisha kabisa uundaji wa thamani wa msingi. Tofauti na mapendekezo ya "blockchain ya kijani" yasiyokomaa, hii inadumisha usalama wa kriptografia huku ikitoa matokeo halisi ya utafiti wa AI.

Nguvu na Mapungufu

Nguvu: Mkakati wa mgawanyiko wa nafasi ndogo ni wa kipekee kweli—unazuia kazi kurudiwarudia huku ukidumua anuwai ya uchunguzi. Utaratibu wa mchimbaji wa ziada unaonyesha uelewa wa kina wa changamoto za utekelezaji wa ulimwengu halisi. Ikilinganishwa na mbinu za kawaida za NAS zilizosambazwa kama ENAS au DARTS, hii inatumia utaratibu wa asili wa motisha wa blockchain badala ya kuhitaji uratibu wa katikati.

Kosa Kubwa: Nakala hii inapunguza sana tatizo la gharama ya uthibitisho. Unawezaje kuthibitisha haraka kwamba mchimbaji ametenda kazi ya NAS yenye maana badala ya kucheza mfumo? Mbinu zilizoelezewe zingekuwa dhahiri kwa mashambulio ya adui yanayotengeneza miundo inayowezekana-lakini-isiyo bora kwa mahesabu madogo.

Ushauri Unaoweza Kutekelezeka

Kwa miradi ya blockchain: Hii inatoa njia inayowezekana kuelekea upatikanaji wa maana wa maendeleo ya AI. Kwa watafiti wa AI: Hii inawakilisha fursa isiyo na kipaumbele ya kupata hesabu iliyosambazwa na muundo wa motisha uliojengwa ndani. Hatua inayofuata ya haraka inapaswa kuwa utekelezaji wa kazi ya kuchelewesha inayothibitika kwa NAS kushughulikia pengo la uthibitisho. Makampuni yanapaswa kuchunguza miundo mseto ambapo timu za utafiti wa ndani hutumia mfumo huu kushirikiana na rasilimali za hesabu za nje.

6. Matumizi na Mwelekeo wa Baadaye

Mfumo uliopendekezwa unawezesha matumizi kadhaa yanayotabirika:

• Soko la mifumo ya AI zisizo za katikati zenye ufuatiliaji wa asili
• Uratibu wa kujifunza kwa shirikisho kuvuka mipaka ya taasisi
• Kujifunza mashine kiotomatiki kama huduma isiyo ya katikati
• Ushirikiano wa utafiti kati ya taasisi mbalimbali na ufuatiliaji wa uwazi wa michango

7. Marejeo

1. Z. Li et al., "Uchimbaji wa Blockchain Unaohifadhi Faragha," IEEE S&P, 2021
2. Y. Chen et al., "Coin.AI: Mpango wa Uthibitisho wa Kazi Yanayofaa kwa Kujifunza Kinakili Sambazwa Kulingana na Blockchain," arXiv:2103.17001
3. B. Z. H. Zhao et al., "WekaCoin: Jukwaa la Blockchain kwa Kujifunza Mashine Lililosambazwa," FC 2022
4. X. Wang et al., "DLBC: Blockchain ya Kujifunza Kinakili kwa Kujifunza Mashine Lililosambazwa," ICDCS 2021
5. J. Zhu et al., "Uthibitisho wa Kujifunza Kinakili (PoDL): Kutumia Kujifunza Kinakili kama Uthibitisho wa Kazi Yanayofaa," TPDS 2022
6. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Kujifunza Kinakili. MIT Press.
7. Zoph, B., & Le, Q. V. (2017). Utafutaji wa Muundo wa Neural na Kujifunza kwa Mstari. ICLR 2017