前兩天Fetch.AI團隊宣布虛擬機（VM）現(xiàn)在已經(jīng)上線。VM是一種模擬處理器的計算機程序，當通過網(wǎng)絡進行交易時，它用于執(zhí)行智能合約（另一個計算機程序）。

在Fetch.AI中人工智能和其他分布式分類賬VM的集成非常重要，因為它支持智能合約的部署，并且事務能在多個地方運行。簡而言之，它支持在獲取時跨所有計算機，并可以大規(guī)模復制智能合約的執(zhí)行。人工智能網(wǎng)絡，涉及到不同類型的硬件。。智能賬本，即每個智能合約的記錄都被存儲。

智能合約很重要，因為它們使分布式分類賬具有“通用功能”。開發(fā)人員能夠利用底層基礎設施的潛力構建智能合約來解決特定的問題。在VM中，我們打開了獲取功能。向開發(fā)者社區(qū)提供人工智能，這樣他們就可以構思和部署新的創(chuàng)新。

您可能熟悉以太坊及其虛擬機。這個VM代表了一個重大突破，因為它支持智能合約的大規(guī)模部署。從那以后，我們看到以太坊虛擬機被用于各種各樣的事情，從簡單的保險智能合約，如“飛機延誤超過3個小時，向保單持有人支付賠償金”，到加密貓，以及介于兩者之間的許多事情。但隨著 Fetch.AI的出現(xiàn)，我們專注于下一層問題的分散化解決方案，通常需要先進的機器學習算法。

今天的區(qū)塊鏈虛擬機不是為解決數(shù)據(jù)密集型機器學習問題而設計的，不適合運行。在以太坊VM中，它的設計需要“gas”來執(zhí)行計算功能，這是一個防止垃圾郵件的聰明解決方案，但對于我們所關注的用例來說，它的成本太高。事實上， Fetch.AI虛擬機是第一個也是唯一一個專門為數(shù)據(jù)密集型分散機器學習任務設計的虛擬機。

我們設想我們的網(wǎng)絡用戶將復雜的優(yōu)化和調度問題打包在一個智能合約中，然后可以在VM中進行編碼和執(zhí)行。“礦工們”在叫賣。然后，作為網(wǎng)絡共識過程的一部分，人工智能網(wǎng)絡相互競爭以獲得回報。它們通過為整個問題或問題的一個子集提供最佳算法解決方案來做到這一點。

Fetch.AI智能合約可能包含包裹遞送優(yōu)化等問題。例如，他們可能會解決這樣的問題：“我如何在一個城市里組織一組獨立的送貨司機，以最有效地將一系列包裹送到已知的目的地，并在這些包裹的送貨時間前后簽訂具體的服務水平協(xié)議？”這類問題需要在使用不同硬件的各種分布式機器上執(zhí)行統(tǒng)計分析和高級程序的能力。

我們在本地的數(shù)學圖書館投資了一年多

目前VM不適合統(tǒng)計分析任務的原因之一是缺乏可用的數(shù)學精度。如果你正在標準化硬件上構建一個集中的機器學習模型，這就不是問題。LAPACK提供了一個巨大的數(shù)學庫，開發(fā)人員一直都在利用它，并自20世紀50年代以來一直在維護它。問題是，LAPACK使用“double”和“float”標準來指定十進制數(shù)。

然而，智能合約只能用于指定數(shù)字的“整數(shù)”標準。這有一個很好的理由。當使用不同的硬件處理器時，雙精度浮點數(shù)和浮點數(shù)提供的數(shù)字表示略有不同。所以，Raspberry Pi 上的數(shù)字可能與英特爾處理器上相同數(shù)字的表示方式不同。對于分散化機器學習來說，這是一個問題。

當您在實踐分散式計算時，您必須具有完全的共識性和可再現(xiàn)性，否則您將得到相同數(shù)目的但非常不同的哈希值。當然，這些對用戶來說都不重要，但對機器來說很重要。

記住，沒有為整數(shù)構建的數(shù)學庫。這對于希望創(chuàng)建統(tǒng)計分析智能合約的開發(fā)人員來說是一個真正令人頭痛的問題。這就是為什么我們直接在Fetch中創(chuàng)建了著名的BLAS數(shù)學庫的本地版本——AI VM。因為這使我們能夠很容易地編寫統(tǒng)計函數(shù)，如矩陣與向量的乘法。其結果是能夠在智能合約中進行非常高級的統(tǒng)計分析，并且可以在任何機器上進行復制。我們花了一年多的時間來實現(xiàn)這一目標，因為這是我們實現(xiàn)協(xié)同智能合約愿景的關鍵。