明日の職場は、気が遠くなるような量のデータに基づいて運営されることになります。すべてを理解するには、企業、開発者、個人は、より優れた人工知能 (AI) システム、より優れた訓練を受けた AI ワーカー、より効率的な計算処理サーバーを必要とするでしょう。

大手テクノロジー企業はこれらの需要を満たすためのリソースと専門知識を持っていますが、ほとんどの中小企業や個人には依然として手の届かないものです。このニーズに応えるために、Concordia 主導の国際研究チームは、複雑な AI タスクをユーザーにとってよりアクセスしやすく、透過的にするための新しいフレームワークを開発しました。

記事で説明されているフレームワーク出版された日記で情報科学、ソリューションの提供を専門としています。深層強化学習(DRL) リクエスト。DRL は、階層化されたディープラーニングを組み合わせた機械学習のサブセットです。ニューラルネットワーク巨大なデータセットからパターンを見つけるため、そして強化学習、エージェントは、報酬/ペナルティ システムに基づいて環境と対話することで意思決定を行う方法を学習します。

DRL は、ゲーム、ロボット工学、ヘルスケア、金融などのさまざまな業界で使用されています。

このフレームワークは、具体的だが手の届かない AI ニーズを持つ開発者、企業、個人と、彼らが必要とするリソース、専門知識、モデルを備えたサービス プロバイダーを結び付けます。このサービスはクラウドソーシングでブロックチェーン上に構築されており、スマート コントラクト（コードに組み込まれた事前定義された条件セットを持つ契約）を使用して、ユーザーと適切なサービス プロバイダーをマッチングします。

「DRL のトレーニングと設計のプロセスをクラウドソーシングすることで、プロセスの透明性が高まり、アクセスしやすくなります」と、博士課程のアーメド・アラガ氏は言います。Gina Cody School of Engineering and Computer Science の候補者であり、論文の筆頭著者です。

「このフレームワークを使用すると、誰でもサインアップして履歴とプロフィールを構築できます。専門知識、トレーニング、評価に基づいて、ユーザーが要求するタスクを割り当てることができます。」

DRL の民主化

彼の共著者であり、論文指導教員でもあるコンコルディア情報システム工学研究所教授のジャマル・ベンタハール氏によると、このサービスは、DRL が提供する可能性を、以前よりもはるかに幅広い人々に広げます。

「DRL モデルをトレーニングするには、誰もが利用できるわけではない計算リソースが必要です。また、専門知識も必要です。このフレームワークは両方を提供します。」と彼は言います。

研究者らは、システムの設計により、ブロックチェーンを介して計算作業を分散することでコストとリスクが削減されると考えています。サーバーのクラッシュや悪意のある攻撃による壊滅的な影響は、数十、数百台の他のマシンが同じ問題に取り組むことで軽減されます。

「集中サーバーに障害が発生すると、プラットフォーム全体がダウンします」と Alagha 氏は説明します。「ブロックチェーンは配布と透明性をもたらします。すべてがブロックチェーンに記録されるため、改ざんは非常に困難です。」

モデルが適切に動作するようにトレーニングするという困難でコストのかかるプロセスは、ユーザーの特定のニーズに合わせて比較的小さな調整を行うだけで済む既存のモデルを利用できるようにすることで短縮できます。

「たとえば、大都市が、交通の流れを最適化し、事故を最小限に抑えるために、信号機のシーケンスを自動化できるモデルを開発したとします。小規模な都市や町には、独自にモデルを開発するリソースがないかもしれませんが、大都市のモデルを利用することができます。」それを自分たちの状況に合わせて開発し、適応させたのです。」

詳細情報:Hadi Otrok et al、サービスとしてのブロックチェーンベースのクラウドソース深層強化学習、情報科学(2024年)DOI: 10.1016/j.ins.2024.121107