IoTeX & Scaleout S'associent pour l'apprentissage automatique décentralisé

IoTeX and Scaleout are partnering to enable trusted, end-to-end machine learning and the first community-owned machine learning models via Initial Model Offerings (IMO).

IoTeX & Scaleout Partner for Decentralized Machine Learning

L'apprentissage automatique consiste à apprendre et à extraire de la valeur des données — si les données sont le nouvel or, alors l'apprentissage automatique est le processus de fusion. À mesure que notre monde devient de plus en plus numérisé, les données que nous utilisons pour former les modèles d'apprentissage automatique qui contrôleront/un jour influenceront nos véhicules, nos villes et notre santé doivent être élevées à un niveau supérieur. L'industrie de l'apprentissage automatique de 10 milliards de dollars n'a pas encore atteint son plein potentiel en raison du contrôle centralisé du processus de bout en bout par des institutions individuelles. Mais la blockchain, en tant qu'orchestrateur de confiance, et le matériel sécurisé, en tant que générateur de données vérifiable, ont le potentiel de transformer et de démocratiser l'industrie de l'apprentissage automatique. Cela commence maintenant.

IoTeX est ravi de s'associer à Scaleout, une entreprise pionnière dans l'apprentissage automatique fédéré, pour décentraliser la chaîne de valeur de l'apprentissage automatique, de la collecte de données à l'utilisation/accès aux modèles. En première étape, Scaleout développera un protocole pour des modèles d'apprentissage automatique appartenant à des contributeurs qui seront formés avec des données vérifiables provenant de Pebble Tracker, permettant à quiconque de miner des tokens en contribuant ses données à divers modèles. L'objectif final est de développer une solution de bout en bout pour l'apprentissage automatique décentralisé, y compris une collaboration de confiance, une gouvernance des modèles basée sur des contrats intelligents, et un service des prédictions d'apprentissage automatique on-chain.

Interview avec Daniel Zakrisson, PDG de Scaleout

Scaleout est une équipe de 10+ scientifiques des données, ingénieurs en apprentissage automatique et professeurs qui révolutionnent l'apprentissage fédéré pour construire l'intelligence collective à grande échelle, tout en préservant la confidentialité et la sécurité des données. Collectivement, l'équipe a rédigé plus de 100 articles évalués par des pairs sur l'IA/ML et collabore avec des entreprises telles que Swiss Airlines, EUROCONTROL et SITA.

IoTeX a organisé une interview approfondie avec Daniel Zakrisson, co-fondateur et PDG de Scaleout, pour discuter du paysage de l'apprentissage automatique, de la façon dont la blockchain peut porter l'IA/ML à un niveau supérieur, et des modèles d'apprentissage automatique appartenant à la communauté sur IoTeX.

Appel à Participation — Rejoignez-nous !

Scaleout apporte les premiers modèles d'apprentissage automatique appartenant à des contributeurs à IoTeX et nous aimerions que vous fassiez partie de l'histoire avec nous. Nos efforts initiaux seront centrés sur Pebble Tracker, qui vous permettra de miner des données, gagner des tokens, et revendiquer votre part des premiers modèles détenus par fraction. Obtenez votre Pebble Tracker sur CrowdSupply via le lien ci-dessous — agissez vite, la pré-vente se termine le 25 mars :

Pebble Tracker

www.crowdsupply.com

Aperçu du Partenariat IoTeX & Scaleout

Notre partenariat sera un effort incrémental à long terme avec plusieurs phases de travail. La première phase sera de développer une solution pour former conjointement des modèles d'apprentissage automatique en utilisant des données vérifiables provenant des appareils Pebble Tracker, ainsi que de fournir une solution qui sert des prédictions de ces modèles vers des utilisateurs finaux on-chain et off-chain. Cela représentera la naissance du premier réseau d'apprentissage automatique collaboratif sur une blockchain, où les modèles d'apprentissage automatique peuvent être co-détenus par ceux qui participent à la création et à la formation du modèle. L'apprentissage automatique collaboratif a le potentiel de changer le paradigme actuel autour du contrôle/génération des données et de permettre des modèles d'apprentissage automatique de pointe qui ne sont pas détenus par une seule entité, mais par tous ceux qui ont participé à la formation du modèle.

Apprentissage Automatique Décentralisé par Scaleout & IoTeX

L'objectif à plus long terme du partenariat entre IoTeX et Scaleout sera d'apporter des capacités d'apprentissage automatique (par exemple, protocoles, outils, APIs) au Réseau IoTeX et de permettre des pipelines d'apprentissage automatique entièrement fiables de bout en bout. Imaginez contribuer à, et donc détenir fractionnellement, une Google Maps crowdsourcée, un indice mondial de température + qualité de l'air, ou même un moteur de recherche personnalisé pour la confidentialité personnelle ! Les initiatives futures sont décrites ci-dessous :

Réseaux d'apprentissage automatique et gouvernance

Nous allons permettre la collaboration entre pairs et dispositifs qui génèrent des données fiables pour former des modèles d'apprentissage automatique. Cela nécessitera une infrastructure et des outils pour accéder aux données et former les modèles d'apprentissage automatique, ainsi que des contrats intelligents pour régir le contrôle de ces modèles collaboratifs. Restez à l'écoute pour des exemples et du code de base pour lancer vos propres expériences !

Infrastructure off-chain pour construire, former et servir des modèles ML

L'apprentissage automatique est généralement une tâche coûteuse en termes de calcul et nécessite beaucoup de ressources de calcul, de stockage et de réseau. Il n'est pas faisable (ou même souhaité) de tout faire on-chain, donc des ponts entre les ressources d'apprentissage automatique on-chain et off-chain seront développés.

Intégrer des modèles dans des systèmes de production

Un modèle d'apprentissage automatique n'est utile que si vous pouvez l'utiliser. Il y aura des méthodes pour accéder aux modèles d'apprentissage automatique on-chain et off-chain.

À propos de Scaleout

Scaleout est une équipe de scientifiques des données, d'ingénieurs en apprentissage automatique, d'ingénieurs logiciels et d'entrepreneurs. Expérimentés à la fois dans l'industrie et la recherche académique en IA, informatique en nuage et en brouillard, et calcul scientifique de l'Université d'Uppsala, classée parmi les meilleures en Suède. Collectivement, l'équipe a rédigé plus de 100 articles évalués par des pairs en IA/ML, calcul scientifique et biologie des systèmes.

Scaleout est pionnière de l'apprentissage fédéré pour surmonter le défi du partage de données, construisant l'intelligence collective à partir de données distribuées à grande échelle, tout en préservant la confidentialité et la sécurité des données. La plateforme Scaleout permet l'apprentissage automatique fédéré, les partenariats de données et les initiatives conjointes en matière d'apprentissage automatique. Elle est conçue pour créer des alliances commerciales en matière d'apprentissage automatique où les propriétaires de données peuvent élaborer ensemble des modèles d'apprentissage automatique robustes.

Scaleout a collaboré avec certaines des plus grandes et des plus réputées organisations au monde, y compris AstraZeneca, SAAB Defence Systems, Agence Suédoise de l'Espace, Autodesk, Raysearch Laboratories, GE Healthcare, et l'Infrastructure Nationale Suédoise pour le Calcul (SNIC).

À propos d'IoTeX

Fondé comme une plateforme open-source en 2017, IoTeX construit l'Internet des Choses de Confiance, un écosystème ouvert où toutes les "choses" — humains, machines, entreprises et DApps — peuvent interagir avec confiance et confidentialité. Soutenu par une équipe mondiale de plus de 30 scientifiques et ingénieurs de recherche de haut niveau, IoTeX combine blockchain, matériel sécurisé et informatique confidentielle pour permettre des dispositifs IoT de nouvelle génération, réseaux et économies. IoTeX va autonomiser la future économie décentralisée en "connectant le monde physique, bloc par bloc".

En savoir plus : Site Web | Twitter | Telegram | Medium | Reddit