两天前，Fetch.AI团队宣布虚拟机（VM）现已在线。 VM是模拟处理器的计算机程序。通过网络执行交易时，它用于执行智能合约（另一个计算机程序）。 Fetch.AI中人工智能与其他分布式分类帐VM的集成非常重要，因为它支持智能合约的部署，并且交易可以在多个地方运行。简而言之，它在获取时支持所有计算机，并且可以大规模复制智能合约的执行。人工智能网络涉及不同类型的硬件。 。智能分类帐，即每个智能合约的记录被存储。智能合约很重要，因为它们启用了“通用功能”。在分布式分类帐中。开发人员可以利用基础架构的潜力来构建智能合约来解决特定问题。在虚拟机中，我们打开了采集功能。向开发人员社区提供人工智能，以便他们可以构思和部署新的创新。您可能熟悉以太坊及其虚拟机。该VM代表了一项重大突破，因为它支持智能合约的大规模部署。从那时起，我们已经看到以太坊虚拟机被用于各种各样的事情，从简单的保险智能合约，例如“飞机延误超过3个小时，向保单持有人支付赔偿金”，到加密猫，等等。介于两者之间的事物。但是随着Fetch.AI的出现，我们专注于分散解决方案以解决下一级问题，这些问题通常需要高级的机器学习算法。当今的区块链虚拟机不适用于解决数据密集型机器学习问题，因此不适合操作。在以太坊VM中，其设计需要“ gas”。执行计算功能。这是防止垃圾邮件的明智解决方案，但是对于我们关注的用例而言，这太昂贵了。实际上，Fetch.AI虚拟机是专门针对数据密集型分布式机器学习任务而设计的首个也是唯一的虚拟机。我们设想，我们的网络用户将复杂的优化和调度问题打包到智能合约中，然后可以在VM中进行编码和执行。 “矿工”在卖。然后，作为网络共识过程的一部分，人工智能网络相互竞争以获取奖励。他们通过为整个问题或问题的子集提供最佳算法解决方案来做到这一点。 Fetch.AI智能合约可能包含包裹交付优化之类的问题。例如，他们可以解决问题：“我如何在城市中组织一组独立的运送司机，以最有效地将一系列包裹运送到已知的目的地，以及何时运送这些包裹？在此之前和之后签订特定的服务水平协议？”这些问题要求能够使用不同的硬件在各种分布式计算机上执行统计分析和高级程序。我们已经对当地的数学图书馆进行了超过一年的投资。 VM不适合统计分析任务的原因之一是缺乏可用的数学精度。如果您要在标准化硬件上构建集中式机器学习模型，那么这不是问题。 LAPACK提供了一个巨大的数学库，自1950年代以来，开发人员一直在使用和维护它们。问题在于LAPACK使用“ double”标记。和“浮动”指定小数的标准。但是，智能合约只能用于指定要使用的“整数”。数字标准。这是有充分的理由的。当使用不同的硬件处理器时，双精度浮点数和浮点数提供的数字表示形式略有不同。因此，Raspberry Pi上的编号可能与Intel处理器上的相同编号不同。这是去中心化机器学习的问题。当您练习去中心化计算时，您必须具有完全的共识和可重复性，否则您将获得相同的数字，但散列值却大不相同。当然，这些对于用户而言并不重要，但是对于机器而言却非常重要。请记住，没有为整数构建的数学库。对于想要创建用于统计分析的智能合约的开发人员来说，这实在令人头疼。这就是为什么我们直接在Fetch中创建著名的BLAS数学库AI VM的本地版本的原因。因此，我们可以轻松编写统计函数，例如矩阵和向量乘法。结果是可以在智能合约中执行非常高级的统计分析，并且可以在任何计算机上进行复制。我们花了一年多的时间才能实现这一目标，因为这是我们实现协作智能合约愿景的关键。