前兩天Fetch.AI團隊宣佈虛擬機器(VM)現在已經上線。VM是一種模擬處理器的計算機程式，當透過網路進行交易時，它用於執行智慧合約(另一個計算機程式)。

在Fetch.AI中人工智慧和其他分散式分類賬VM的整合非常重要，因為它支援智慧合約的部署，並且事務能在多個地方執行。簡而言之，它支援在獲取時跨所有計算機，並可以大規模複製智慧合約的執行。人工智慧網路，涉及到不同型別的硬體。。智慧賬本，即每個智慧合約的記錄都被儲存。智慧合約很重要，因為它們使分散式分類賬具有“通用功能”。開發人員能夠利用底層基礎設施的潛力構建智慧合約來解決特定的問題。在VM中，我們開啟了獲取功能。向開發者社羣提供人工智慧，這樣他們就可以構思和部署新的創新。您可能熟悉以太坊及其虛擬機器。這個VM代表了一個重大突破，因為它支援智慧合約的大規模部署。從那以後，我們看到以太坊虛擬機器被用於各種各樣的事情，從簡單的保險智慧合約，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，以及介於兩者之間的許多事情。但隨著 Fetch.AI的出現，我們專注於下一層問題的分散化解決方案，通常需要先進的機器學習演算法。今天的區塊鏈虛擬機器不是為解決資料密集型機器學習問題而設計的，不適合執行。在以太坊VM中，它的設計需要“gas”來執行計算功能，這是一個防止垃圾郵件的聰明解決方案，但對於我們所關注的用例來說，它的成本太高。事實上， Fetch.AI虛擬機器是第一個也是唯一一個專門為資料密集型分散機器學習任務設計的虛擬機器。

我們設想我們的網路使用者將複雜的最佳化和排程問題打包在一個智慧合約中，然後可以在VM中進行編碼和執行。“礦工們”在叫賣。然後，作為網路共識過程的一部分，人工智慧網路相互競爭以獲得回報。它們透過為整個問題或問題的一個子集提供最佳演算法解決方案來做到這一點。 Fetch.AI智慧合約可能包含包裹遞送最佳化等問題。例如，他們可能會解決這樣的問題:“我如何在一個城市裡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，並在這些包裹的送貨時間前後簽訂具體的服務水平協議?”這類問題需要在使用不同硬體的各種分散式機器上執行統計分析和高階程式的能力。我們在本地的數學圖書館投資了一年多目前VM不適合統計分析任務的原因之一是缺乏可用的數學精度。如果你正在標準化硬體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學庫，開發人員一直都在利用它，並自20世紀50年代以來一直在維護它。問題是，LAPACK使用“double”和“float”標準來指定十進位制數。然而，智慧合約只能用於指定數字的“整數”標準。這有一個很好的理由。當使用不同的硬體處理器時，雙精度浮點數和浮點數提供的數字表示略有不同。所以，Raspberry Pi 上的數字可能與英特爾處理器上相同數字的表示方式不同。對於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性，否則您將得到相同數目的但非常不同的雜湊值。當然，這些對使用者來說都不重要，但對機器來說很重要。

記住，沒有為整數構建的數學庫。這對於希望建立統計分析智慧合約的開發人員來說是一個真正令人頭痛的問題。這就是為什麼我們直接在Fetch中建立了著名的BLAS數學庫的本地版本——AI VM。因為這使我們能夠很容易地編寫統計函式，如矩陣與向量的乘法。其結果是能夠在智慧合約中進行非常高階的統計分析，並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這一目標，因為這是我們實現協同智慧合約願景的關鍵。更多區塊鏈資訊：www.qukuaiwang.com.cn/news