区块链新框架，外包人工智能基础工作来袭

未来的工作场所将凭借海量的数据来运作。为了搞清楚这一切，企业、开发人员和个人将需要更出色的人工智能（AI）系统、训练有素的 AI 工作人员以及更高效的数据处理服务器。

虽然大型科技公司拥有满足这些需求的资源和专业知识，但对于大多数中小企业和个人来说，这些仍然遥不可及。为了应对这一需求，由康考迪亚牵头的一个国际研究团队开发出了一个新框架，让复杂的 AI 任务对于用户而言更易访问和透明。

该框架在一篇发表在《信息科学》杂志上的文章中有描述，专门为深度强化学习（DRL）请求提供解决方案。DRL 属于机器学习的一个子集，它融合了深度学习（利用分层神经网络在庞大的数据集中找寻模式）和强化学习（在其中，智能体依据奖励/惩罚系统通过与环境互动来学习怎样做决策）。

DRL 被用于游戏、机器人、医疗保健和金融等不同行业。

该框架把有着特定但难以达成的人工智能需求的开发者、公司和个人，跟拥有其所需资源、专业知识和模型的服务提供商加以配对。

“该服务属于众包性质，基于区块链，还使用智能合约——就是那种在代码里内置了一组预先设定好条件的合约——来给用户匹配恰当的服务提供商。”

“众包训练和设计深度强化学习的这个过程，让这一过程变得更加透明，也更容易实现。”

“凭借这个框架，任何人都能注册并创建历史和个人资料。依照他们的专业知识、培训经历和评级，他们能够被分配用户所请求的任务。”

据其合著者兼论文导师——康考迪亚信息系统工程研究所的贾马尔·本塔哈（Jamal Bentahar）教授称，这项服务为比以往更广泛的人群开启了深度强化学习所提供的潜力。

“要训练一个深度强化学习模型，您需要的计算资源并非人人都有。您还需要专业知识。而这个框架两者都能提供，”他说。

研究人员认为，他们系统的设计将通过借助区块链来分配计算工作，从而降低成本和风险。由于有数十台或数百台其他机器处理相同的问题，服务器崩溃或恶意攻击可能带来的灾难性后果得以减轻。

“如果中央服务器出现故障，整个平台就会瘫痪，”阿拉加解释道。“区块链为您带来了分布式的特点和透明度。所有内容都记录在上面，因此很难篡改。”

通过使用现有的模型，只需进行一些相对较小的调整以满足用户的特定需求，就可以缩短训练模型使其正常工作这一困难且昂贵的过程。

“例如，假设一个大城市开发了一个能够自动优化交通灯序列从而优化交通流量并减少事故的模型。较小的城市或城镇可能没有资源自行开发，但他们可以使用大城市开发的模型并根据自己的情况进行调整。”