当AI接入区块链：不被知晓的60%即将觉醒！
2 个月前
在爱情的"行当"里，最常见的一个“行业痛点”是这样的：一边是，好的男孩都想找高质量的好女孩，但却总是苦恼怎么也遇不到；另一边是，高质量的好女孩又总是在埋怨为什么好的男孩还不来敲门！
最终的结果是：站在王子身边的，并不是童话故事般的白雪公主；而鲜花，却又常常出现在牛粪上……
AI行业痛点
在AI行业，也有着类似的资源不对称问题：
一方面，AI需要大规模的计算能力，而硬件成本又非常高，且技术成本（如对人才的要求、开发周期等）也同样的高；另一方面，在平时的电脑使用中，对计算资源（CPU&GPU）的普遍使用率都低于20%。而最初在对计算单元设计的时候，最合适的使用率是80%。这也就意味着大约有60%的现存计算资源一直处于浪费的状态。
若，能同时做到以下两点，虽然不一定能让王子遇上公主，但AI行业的痛点将会得到解决：
1）攻克AI技术瓶颈，降低开发门槛。这样既降低了对开发人员的要求，也缩短了开发周期；
2）通过某种方式，调用处于浪费状态的现有计算资源为AI计算所用，同时，对贡献出计算资源的用户予以相应的回报，以实现生态内各方的价值都能得到匹配，使得整个生态能够可持续地运转。
痛点深入分析
将上面两个点继续拆解分析：
1）攻克AI技术瓶颈，降低开发门槛
网上曾流传过这样一句话“最怕的就是比你厉害的人比你还要勤奋”，在AI行业，可以这样来解读这句话：当李世石在研究棋谱的时候，阿法狗也在研究棋谱；当李世石在休息的时候，阿法狗还在研究棋谱。AI的成长需要不断学习，也就是不断地进行数据处理和图形处理，而图像处理作为机器感知环境的主要方式，自然成为关键的一环。
图像处理技术起源于美国，在1984年的一次计算机会议中被提出来。目前图像处理技术经典的开源框架有Google的TensorFlow、Facebook的Caffe 和 Intel的OpenCV，这些框架固然是开源可用，但开发语言难懂、计算单元单一，对企业和个人来说，开发周期长、对开发人员要求高，在一定程度上限制了企业的发展；而对于大规模应用而言，高昂的成本成为了最大的阻碍，让很多极具价值的应用场景得不到实现。
为了解决这个问题，一些改善计算机架构的研究方案不断被提出来，如并行计算、异架构计算、大规模集群等，但仍然满足不了图像处理的需求。显然，在现有的技术背景下，只有解决了 AI 面临的计算问题，才能使AI 技术被广泛地应用到市场。
2）找到“调用资源的同时，还能实现价值传输”的处理方式
当把“资源调用”和“价值传输”放在一起的时候，“交易”一词便被牵起。若，这一轮交易需要在任意两个节点之间进行，且交易还要公开、透明、不可更改的话，区块链便是目前最好的选择。而当谈及区块链的时候，智能合约便是它不能不谈的一个搭档。
区块链是一个公开、透明，且不可篡改的数据库账本，记录着所有节点之间的交易；智能合约则是一个确信的、起担保账户作用的、自动执行的计算机协议。当智能合约被触发的时候，合约上的协议便会被百分百、且不可逆地自动执行，使得价值传输得到保证。“区块链+智能合约”的组合完成了p2p 交易和抵押担保，构成了稳固的资源调用和价值传输基础。
解决方案
旨在同时实现以上分析的两个点，“OpenMPI-Chain”的概念被提了出来。
1）OpenMPI-Chain中的OpenMPI
OpenMPI 是一种高性能消息传递库，常用在大型集群和跨节点计算等领域，采用 OpenMPI 技术可以大幅度地提高计算速度。工业和军工领域通常使用 OpenMPI 搭建高性能计算(HPC)，完成 AI 计算或者模型计算等工作。
2）OpenMPI-Chain中的Chain
Chain 是指通过对OpenMPI 进行重构——挖掘生活中被浪费的计算资源，如笔记本，台式电 脑，GPU 等，对这些资源进行重新整合，搭建成一个新的全球超级计算平台。而后，基于“区块链+智能合约”技术搭建计算资源共享协议，打通各个节点之间计算资源的调用与自动租售的流程，使被浪费的计算资源为AI技术服务，同时也为资源节点用户带来直接的收益。
OpenMPI-Chain 使得每个资源节点既可以调用整个链的计算资源来为自身的计算需求服务，又可以在不需要使用计算资源的时候作为整个链的一环，通过被其他节点调用而获得直接收益。一方面最大限度地减少了计算资源的浪费，另一方面通过调用这些处于浪费状态的计算资源解决了AI计算、智能驾驶、图形渲染、计算机视觉、游戏加速等需要高性能计算的行业的高昂计算硬件成本与效率问题。
Token模型
在计算资源的相互调用与租售的过程中，需要对计算资源的价值进行评估，OpenMPI-Chain 采用智能合约编写激励层来自动完成对节点资源的价值评估，并使用区块链P2P交易完成价值传输。
在价值传输的过程中通过Token来评估链上的硬件价值，完成价值传输标识。计算资源按照“频率*时间（F*T）”来计量，如 MHz*min、GHz*h等。计算资源的需求方为自己所使用的计算资源支付 Token，计算资源的供给方则根据所提供的计算资源的量获得相应的Token作为回报。随着计算节点的不断增加，Token的价值也会不断增加，在保证Token发行量不变的情况下，Token的价格也会跟着上升。如此，链条上各方的价值利益均能得到满足，保障了整个生态可持续的发展。
高性能图像处理系统 HPIPS
以上，这个高性能图像处理系统，叫做HPIPS（High Performance Image Process System），由HPIPS团队创建。
通过引入“区块链+智能合约”技术，打造一个新的大型集群OpenMPI-Chain，构建计算机资源共享协议，从而实现调用处于浪费状态的计算资源，解决AI图像处理等高性能计算需求的成本与效率问题。
实质上，HPIPS为所有普通个体能从AI行业中获利提供了一个通道，也为所有普通个体能调用超算平台提供了一种可能！
参考资料：《HPIPS白皮书 v0.2》;
微信公众号：轻灵紫；
编辑于 2018-04-01
区块链(Blockchain)
智能合约
人工智能
推荐阅读
区块链的应用案例
一直以来，在区块链这件事上，代码还没开始写，白皮书就已发布，凡…
Smar... · 发表于区块链
区块链的应用案例
数字身份对于区块链的意义
刘永新
数字身份对于区块链的意义
从小白到区块链智能合约开发（持续连载）-01-初识智能合约
Hamxic
从小白到区块链智能合约开发（持续连载）-01-初识智能合约
史上最搞笑最通俗的区块链大白话科普
有人说2017年是人工智能发展的元年，也有人说2017年也是区块链发展的元年。说2017年是人工智能发展的元年，这话靠谱，因为人工智能的不少应用都已经落地了，比如说人脸识别。不过说2017年是…
闻西 · 发表于闻西说科技
查看更多
4 条评论
写下你的评论…
知乎用户知乎用户3 天前
HPIPS的AI+区块链，的确是未来发展的方向之一。风口浪尖，我们一起看未来谁能站在潮头之上!
赞
回复
举报
知乎用户知乎用户2 天前
HPIPS（披萨）的研发过程受到西安交通大学-视觉认知计算与智能车实验室、香港固高科技（大疆的母公司）、富士康等一些专注图像处理技术研发公司和团队的全力支持。
HPIPS团队将致力于打造全新的生态框架，让硬件计算资源共享，通过区块链的交易和智能合约结算，实现硬件资源的价值传输。完成B2B+C2C的全新共享模式。
赞
回复
举报
知乎用户知乎用户2 天前
HPIPS（披萨）实际上是一款桌面应用，作用是搭建计算资源共享平台，用户需要在HPIPS（披萨）官网注册账户，然后在PC端安装登陆HPIPS（披萨）桌面应用，即可开始利用PC赚钱。
根据每台PC算力贡献，后台会实时结算等价的披萨币至个人账户，用户也可实时查询。获得披萨币也可以与其他币种进行兑换交易，同时也可利用披萨币进行消费。
赞
回复
举报
知乎用户知乎用户2 天前
经过HPIPS团队调研，到目前为止，全球约有12.5亿台PC，且80%的PC硬件利用率仅为20%，而计算机的推荐的利用率为80%。由此可见，大部分的PC处于闲置状态，造成计算资源的严重浪费。
HPIPS的产品呈现形式是一款桌面应用，用户在HPIPS官网注册账户后，然后在PC端安装并登陆HPIPS，就可以实时、直观看到自己的计算机贡献了多少算力资源，获得多少收益。
“区块链技术其实是对人性和信任考验之后的产物，人们更愿意信任机器算法。搭载区块链技术其实是搭载了大家对区块链的信任。”骞永军这样表述，“为了确保用户计算机的使用安全，HPIPS不会从PC上截取用户的隐私，而是通过区块链获取用户共享出来的计算资源。用户通过HPIPS协议将个人闲置计算资源贡献在区块链上，区块链网络会根据用户贡献的计算价值进行结算，再遵照市场价值衡量转化为对应数量的披萨币。”。用户通过协议将自己的算力数据放入区块链上，后台系统会根据协议会抓取个人贡献的算力资源进行结算，再根据市场价值衡量转化成对应数量的披萨币。
用户获得收益以披萨币的形式表现出来，“披萨币本质上是一种结算表示符号，行业里面叫通证，也可以简单理解为类似于商场的积分或者投资的股票。”骞永军这样表述，“披萨币的价值转化方式是根据用户的意愿为导向的。一种是在线上商场等价兑换商品，前期主要是数字商品和数字化的服务，像话费、视频网站会员等；一种是实时提现，将披萨币直接转化为法币进行消费；还有一种是对于想持续参与或者有投资意愿的用户，可以保披萨币或者将其转化为其他的市面上公认的虚拟货币。”
那么很多人会问，开发利用个人计算机的闲置算力资源会不会产生副作用？HPIPS的联合创始人赵斌坦言，计算机算力资源的开发会给计算机带来一定程度的发热，但对硬件的损耗都会维持在合理范围内。同时，HPIPS软件能够自适应调节算力资源利用率，一般会利用用户计算机闲置算力资源的80%到75%，用户可以实时看到贡献算力资源的比率，同时可以进行手动调整，不用担心出现HPIPS跟用户“抢电脑”的状况。
除了对C端用户的市场需求，HPIPS还发现目前市面上，人工智能、科学计算等都需要巨大的计算资源，但是大部分采用传统的方式来解决：通过堆积大量服务器硬件，提供强大的算力进行数据分析，这种方式不但运维成本高，而且会造成资源严重浪费。
赞
回复
举报
网友评论