タスクの変化に応じて、最適なDeep neural networkモデルを自動編成するアルゴリズム を Ethereum上の「AIモジュール売買市場」の中で走らせるとどうなるのか、想像してみる

Google DeepMind と Google Brain の 次の２つのアルゴリズムを、Ethereum上の「AIモジュール売買市場」 プラットフォームの中で走らせると どうなるかを、想像してみる

（１） Google Brain発 NasNet (AutoML) モデル
タスクの変化に応じて、ネットワーク構造を自己変形させる Neural Network モデル

（２）DeepMind発 PathNet モデル
タスクの変化に応じて、複数のAIモデルを自動連結して、 最適なモデルを自動編成するアルゴリズム

Transcript

1. タスクの変化に応じて、最適なDeep neural networkモデル を自動編成するアルゴリズム を、 Ethereum上の「AIモジュール売買市場」の中で 走らせるとどうなるのか、想像してみる 2017/11 connection_automated_ai
2. Google DeepMind と Google Brain の 次の２つのアルゴリズムを、 Ethereum上の「AIモジュール売買市場」 プラットフォームの中で 走らせると どうなるかを、想像してみる （１） NasNet (AutoML) モデル タスクの変化に応じて、ネットワーク構造を自己変形させる Neural Network モデル （２） PathNet モデル タスクの変化に応じて、複数のAIモデルを自動連結して、 最適なモデルを自動編成するアルゴリズム
3. Blockchaint上のAIモデル売買 プラットフォームで、取り組むタスクに応じて、 最高のパフォーマンスで問題解決する深層ニューラルネットワークモデル を自動構築する２つのモデルを走らせたら、どうなるか。 ① 利用可能な複数のAIモデルを自動結合させるモデル 【 DeepMindのPathNetアルゴリズム 】 ② Neural Networkのネットワーク構成を自己書き換えするモデル 【 Google BrainのNASNet （AutoML）モデル 】 【 問い 】
4. Ethereum上の データ& AIモジュール売買 プラットフォームで、 タスク毎に最適なDeep Learning モデル を自動設計するAIアルゴリズム を 走らせる Ethereum上に構築された 「分析用データセット & AIモジュール売買市場」 分散アプリ（DApp） ① 与えられた課題を、短時間×高精度に解決するために、 既存の利用可能なAIモデルの部品（モジュール）のうち、 「どのAIモジュール」 と 「どのAIモジュール」 を、 どのような順番で つなぎ合わせると、求めているAIプログラム（AIモデル） を組成できるかを、自動的に見つけ出して、 ② 必要なAIモジュールを、smart contract で 予算制約の範囲内で 自動購入して、 ③ モデルを自動構築して、課題の解答結果を自動提案するプログラム
5. このスライドで取り上げる内容 1. PathNet アルゴリズム 2. NASNet & AutoML アルゴリズム 1. SingularityNET 2. DigitX 3. Morpheo 4. Intuition Fabric 5. Pandra Boxchain
6. このスライドで取り上げる内容 1. PathNet アルゴリズム 2. NASNet & AutoML アルゴリズム 1. SingularityNET 2. DigitX 3. Morpheo 4. Intuition Fabric 5. Pandra Boxchain
7. Ethereum上に構築された 「分析用データセット & AIモジュール売買市場」 分散アプリケーション （Dapp : Decentralised Application）
8. 分析用データセット & AIモジュール売買市場 Platform が、Blockchain 分散アプリ（Dapps）として、 相次ぎ 発表されている。
9. 分析用データセット & AIモジュール売買 プラットフォーム DApps 1. SingularityNET 2. DigitX 3. Morpheo 4. Intuition Fabric 5. Pandra Boxchain
10. 分析用データセット & AIモジュール売買 プラットフォーム DApps 1. SingularityNET 2. DigitX 3. Morpheo 4. Intuition Fabric 5. Pandra Boxchain
11. SingularityNET 誰もがAIモジュール部品 と 学習用データセット にアクセス環境 の提供を通じて、「人間の知性を超えるAI」が到来する 技術的シンギュラリティ（Technological Singularity）の実現 を目指している
12. SingularityNET 誰もがAIモジュール部品 と 学習用データセット にアクセス環境を提供することで、 「人間の知性を超えるAI」が到来する技術的シンギュラリティ（の実現 ( URL ) https://singularitynet.io/
13. SingularityNET ( White Paper ) https://public.singularitynet.io/whitepaper.pdf （文書公開日） 2017年11月1日
14. SingularityNET ( White Paper ) https://public.singularitynet.io/whitepaper.pdf  AI技術は経済社会活動を規定 する決定的な技術にありつつある。  しかし、現在、AIモデルを開発する 手段（データと既存モデル資産） は、一部の大企業が、閉鎖的に 抱え込んでいる。  SingularityNETは、データと、 これまでに開発されたAIモデルの資産 を開かれた社会の共有資産として 誰もが自由にアクセスできるように することで、すでに開発済みの AIモデルを組み合わせることで、 人間並か人間を超える知性を持つ 汎用人工知能（Artificial General Intelligence）の形成を促します。
15. SingularityNET ( White Paper ) https://public.singularitynet.io/whitepaper.pdf  SingularityNET は、オープンソースの smart contract プログラムの集合体 である。  複数の既存のAIサービスをつなぎあわ せて、互いの強みを活かし合い、より 優れたAIサービスを生み出す環境を 提供する。  この環境の中で、世界中のエンジニア が公開したAIモデルは、社会の共有 資産となり、誰もがアクセスして、 利用することができるようになる。  その結果、誰もが、既存のAIモデル を組み合わせて、新たなAIモデルを 開発したり、モデルが提供する サービスを享受する消費者になれる。  誰もが、SingularityNETにモデルを公開 したり公開されたモデルを購入できる。
16. SingularityNET ( White Paper ) https://public.singularitynet.io/whitepaper.pdf  今日、ほとんどの企業は、 事業を展開する上で、自社の ニーズに応えてくれる AIモデルを求めている。  しかし、ほとんどの企業は、 ニーズに叶うAIを開発するの に必要な人材を抱えることが できないでいる。  SingularityNETは、既存のAI モデルとデータに、容易に アクセスできる環境を用意 することで、この問題を解消 する。  今日でも、エンジニアが開発 したAIモデルやデータは GitHubで公開されているが、 技術者でないとアクセス方法 がわからない。
17. SingularityNET ( White Paper ) https://public.singularitynet.io/whitepaper.pdf  SingularityNETは、AIモデ ルとデータの売買市場 （marketplace）を提供する ことで、企業が SingularityNET独自の暗号 通貨を支払う ことで、必要 なAIモデルとデータを調達 できるようにするのと同時 に、  エンジニアは、自分がつ くったモデルや、 収集・クレンジング・整形 加工したデータを SingularityNET上で販売す ることで、収益を得ること ができる。
18. SingularityNET  Uber や AirBnB が、それまで経済 社会の中で姿が見えなかった、 新しい「サービスの提供者」と「新 しいサービスの消費者」を発掘し たように、個人エンジニアが開発 したAIモデルとデータセットを、（エ ンジニアでないと使い方がわから ないGitHubではなく）誰もが使え る共有資産（売買可能資産）として、 市場に上場することで、新しい サービスの提供者と消費者を出 現させる。  SingularityNETは、AI Agent（機械 モデル）が、自動的に他のAI Agentに作業依頼したり、データを やりとりしたり、仕事の結果を与え 合ったりできるようにするための smart contractを用意している。  SingularityNETは、AI Agentどうし の機械コミュニケーションだけでな く、人間がAI Agentに呼びかけて、 サービスの提供を依頼することも できるようなsmart contractも用意 する。  SingularityNETでは、独自暗号通貨である AGI token を 用いて、AIモデルやデータを売買したり、分散アプリその ものの運営ガバナンスに参加することができる。
19. SingularityNET ”AI as a Service“ を掲げて、自律型AI Agent が、 他の自律型AI Agent や 人間と smart contract プログラム を通じて、やりとりを行う経済社会を実現させる
20. SingularityNET ”AI as a Service“ を掲げて、自律型AI Agent が、 他の自律型AI Agent や 人間と smart contract プログラム を通じて、やりとりを行う経済社会を実現させる 2017年11月現在、Blockchain上には、 世界でおよそ800個の自律分散組織（DAOs） がリリースされているが、 その多くが、AIプログラムと連携したサービス の導入に、関心を示している
21. SingularityNET ”AI as a Service“ を掲げて、自律型AI Agent が、 他の自律型AI Agent や 人間と smart contract プログラム を通じて、やりとりを行う経済社会を実現させる AI技術 に Blockchain技術と暗号通貨の技術を適応することで、 現在、利用に際して煩雑な手続きが必要なAIサービスを、 取り扱いが容易なAPI経由で利用できるようになり、ユーザの利便性が飛躍的に高まる。 独占的なAI企業が支配する経済社会で、それを実現することは難しい。 実現には、オープンで開かれた、非中央集権的なAI Agent API流通基盤が必要である。
22. SingularityNET SingularityNET は、稼動を始めるスタート時点から、 パートナー企業が開発した AI Agent を 複数、提供し始める。 さらに、AIサービスに必要となる幅広い道具（tools）も、当初から利用可能にする。 さらに、洗練された経済動機付けを導入することで、 世界中のAI 開発者（developers）が、SingularityNETに、 自分たちが作ったAI Agent を 参加したいと思ってもらえるような プラットフォームにする。
23. SingularityNET 最初から、魅力的な AI Agents が利用可能な状態で、プラットフォームを提供する ために必要な優秀な人材とパートナー企業を完備した SingularityNET は、 規模の経済（ネットワーク効果） を 発揮することで、 他の同様なサービスを謳う AI Agent 売買市場型・AI Agent連携基盤型の分散アプリ・プラットフォーム に対して、圧倒的な比較優位性を掌握することができる。
24. SingularityNET （ 運営体制）  Foundation （運営組織） を創設予定 （※ 登記に向けて法律顧問と準備中）  外部監査役（機関）が、Foundationの活動を倫理面、公益性担保の観点から監視  スタート当初は、Foundation理事会Board が 全体設計 と日々の運営を主導的に担う。  参加ユーザ（企業、個人）の数と活動量が十分に増えた段階で、 ユーザ・コミュニティ主導の運営に移行する（予定） Foundation （運営組織） は、登記に向けて法律顧問と準備中
25. SingularityNET （ Foundation 理事メンバー ） The Foundation’s executive and leadership team
26. SingularityNET （ 当面の重点領域 ）  クラウドベースのロボティクス  医療（遺伝子工学を含む）  サイバーセキュリティ（特に、分散台帳のサイバーセキュリティ）
27. SingularityNET （ 協力企業 ） Key founding partners
28. SingularityNET （ 協力企業 ） 2017年11月現在、まだ分散台帳ビジネスに名乗りを上げて いない企業にも、参加を呼びかけて、個別に接触中 non-blockchain-based corporations
29. SingularityNET （ 当面の重点領域 ） ロボティクス企業として力のある Hanson Robotics 社 を パートナー企業として、迎えている。  今後、AIサービスを提供する次世代のインタフェースとして、ロボティクス技術に 注目している。  その認識のもと、SingularityNETとして、多様な種類のロボットを開発することに関心 を寄せている。  ロボティクスはまた、汎用人工知能（AGI）の創出に寄与するものと考えている。
30. 分析用データセット & AIモジュール売買 プラットフォーム DApps 1. SingularityNET 2. DigitX 3. Morpheo 4. Intuition Fabric 5. Pandra Boxchain
31. DigitX AIとロボティックスに特化したオープンソースコミュニティ DApps
32. DigitX AIとロボティックスに特化したオープンソースコミュニティ DApps ( URL ) https://www.digitx.io/Distribution.aspx
33. DigitX AIとロボティックスに特化したオープンソースコミュニティ DApps ( URL ) https://www.digitx.io/
34. DigitX ２つのプロジェクト ( URL ) https://www.digitx.io/Projects.aspx
35. DigitX ( White Paper ) https://www.digitx.io/assets/AIExchange-Whitepaper.pdf
36. DigitX 特にフォーカスを当てている領域 ( White Paper ) https://www.digitx.io/assets/AIExchange-Whitepaper.pdf
37. 分析用データセット & AIモジュール売買 プラットフォーム DApps 1. SingularityNET 2. DigitX 3. Morpheo 4. Intuition Fabric 5. Pandra Boxchain
38. Morpheo 機械学習モデル & データセット の 有用度（タスクに対する精度・計算量の大きさ etc.） を、定量時価評価して、 有用度の高い モデルとデータセットを公開したユーザに、 報酬付与して 支援する DApps （ フランス発 ）
39. Morpheo 機械学習モデルとデータの有用度を時価評価して、報酬付与する DApps ( URL ) http://morpheo.co/
40. Morpheo 睡眠データ分析などの医療分野の機械学習モデルの開発に特化 ( URL ) http://morpheo.co/
41. Morpheo ( White Paper ) https://arxiv.org/pdf/1704.05017.pdf
42. Morpheo フランス発のDApps
43. 分析用データセット & AIモジュール売買 プラットフォーム DApps 1. SingularityNET 2. DigitX 3. Morpheo 4. Intuition Fabric 5. Pandra Boxchain
44. Intuition Fabric（iFab） 分散台帳（IPFS）上 で、 Deep neural networkモデル と データ の 有用度を定量評価して、 有用度の高いモデル＆データを公開したユーザ を 「評判」払い出し で 支援する 「A.I.開発 の “民主化”」 を 推進する Dapps
45. Intuition Fabric （iFab） 深層学習モデルとデータの有用度を時価評価して、評判付与する DApps ( URL ) http://intuitionfabric.com/ （ 運営会社： 米国 IntuitionMachine 社 ）
46. Intuition Fabric （iFab） 深層学習モデルとデータの有用度を時価評価して、評判付与する DApps ( URL ) http://intuitionfabric.com/ 特定巨大企業による AIの寡占に反対して、 「AIの民主化」 を旗頭に掲げている
47. Intuition Fabric （iFab） 深層学習モデルとデータの有用度を時価評価して、評判付与する DApps ( URL ) http://intuitionfabric.com/
48. Intuition Fabric （iFab） 深層学習モデルとデータの有用度を時価評価して、評判付与する DApps ( URL ) http://intuitionfabric.com/
49. IntuitionFabric （iFab） ( White Paper ) https://gumroad.com/l/wxLP （ 0.99 US dollar で購入可能 ） （ 以下 は 無償版 ） （Free short version) Intuition Fabric Democratized Deep Learning AI https://docs.google.com/document/d/1f6Wm6RCSSqRpsJdZTwMsbfkuBlEP1V3QespPn1Dvpn8/edit#
50. Intuition Fabric （iFab） 深層学習モデルとデータの有用度を時価評価して、評判付与する DApps ( URL ) http://intuitionfabric.com/inequality.html
51. Intuition Fabric （iFab） 深層学習モデルとデータの有用度を時価評価して、評判付与する DApps ( URL ) http://intuitionfabric.com/inequality.html 特定巨大企業によるAIの寡占に反対して、 「AIの民主化」を旗頭に掲げている
52. Intuition Fabric （iFab） 深層学習モデルとデータの有用度を時価評価して、評判付与する DApps 特定巨大企業によるAIの寡占に反対して、 「AIの民主化」を旗頭に掲げている
53. Intuition Fabric （iFab） 深層学習モデルとデータの有用度を時価評価して、評判付与する DApps
54. 分析用データセット & AIモジュール売買 プラットフォーム DApps 1. SingularityNET 2. DigitX 3. Morpheo 4. Intuition Fabric 5. Pandra Boxchain
55. Pandra Boxchain 誰もが機械学習（ML: Machine Learning）モデル と データセット にアクセスできる分散型（非中央集権型）の売買市場 （markets）を構築することで、一部の巨大企業がデータと機械 学習モデルを独占する状況を打破することを目指している。 White Paper の要約部分の冒頭
56. Pandra Boxchain （ White Paper ） https://github.com/pandoraboxchain/whitepaper/blob/master/Pandora%20Boxchain%20Whitepaper.pdf
57. Pandra Boxchain
58. このスライドで取り上げる内容 1. PathNet アルゴリズム 2. NASNet & AutoML アルゴリズム 1. SingularityNET 2. DigitX 3. Morpheo 4. Intuition Fabric 5. Pandra Boxchain
59. ① 与えられた課題を、短時間×高精度に解決するために、 既存の利用可能なAIモデルの部品（モジュール）のうち、 「どのAIモジュール」 と 「どのAIモジュール」 を、 どのような順番で つなぎ合わせると、求めているAIプログラム（AIモデル） を組成できるかを、自動的に見つけ出して、 ② 必要なAIモジュールを、smart contract で 予算制約の範囲内で 自動購入して、 ③ モデルを自動構築して、課題の解答結果を自動提案するプログラム
60. 取り組むタスクが変わるたびに、自動で、 最善のディープラーニング・モデルを 再形成するアルゴリズムが、 Google DeepMind & Google Brain から、複数 公開されている。
61. 取り組むタスクが変わるたびに、自動で、 最善のディープラーニング・モデルを 再形成するアルゴリズムが、 Google DeepMind & Google Brain から、複数 公開されている。 （ その１ ）
62. PathNet 学習済みのNeural Networkモデルを最適な連結構成 で、自動で組み合わせて、問題解決に最適な巨大な 深層Neural Networkを編成するアルゴリズム
63. PathNet
64. PathNet 学習済みのニューラル・ネットワークモデル が 複数、利用可能な状況下 で、 新たに取り組むタスク に 応じて、  どのNNモデル と どのNNモデル を、  どのような連結順序 で、どれだけの重み づけで、互いに 連結させると、  新たなタスクの解決 に 有効な １つの巨大なニューラルネットワーク（Super Neural Network） を 編成することができるか ？ という 「利用可能なAIモジュール」の「最適連結グラフ構造」を 探索する問題 を、全自動で行うアルゴリズム
65. PathNet （ URL ） https://arxiv.org/pdf/1701.08734.pdf
66. PathNet on AI module exchange DApps 理想的な環境
67. 分析用データセット & AIモジュール 売買市場 DApps データ&AIモジュール 売買市場 Dapps は、 PathNet にとって 最良の活動環境
68. SingularityNET や Morpheo で（購入）利用可能なAI module SingularityNET や Morpheo で（購入）利用可能なAI module SingularityNET や Morpheo で（購入）利用可能なAI module データ&AIモジュール 売買市場 DApps は、PathNet に とって 最良の活動環境
69. PathNet （画像の出典） （ 画像の出典 ） ① https://www.google.co.jp/imgres?imgurl=https%3A%2F%2Fcdn-images-1.medium.com%2Fmax%2F1600%2F1*4-9rcFvShvsA4mhCpRHaSg.jpeg&imgrefurl=https%3A%2F %2Fhackernoon.com%2Fdeep-learning-cnns-in-tensorflow-with-gpus-cba6efe0acc2&docid=ztcCq0GADECAvM&tbnid=d58QFWXF_tj9lM%3A&vet=10ahUKEwjW3vmNlq fXAhUMgbwKHaWBBz8QMwhEKBQwFA..i&w=1408&h=412&bih=954&biw=1924&q=deep%20Neural%20network%20model&ved=0ahUKEwjW3vmNlqfXAhUMgbwKHaW BBz8QMwhEKBQwFA&iact=mrc&uact=8 ② https://www.deepcoredata.com/wp-content/uploads/2016/06/neuralnetworksanddeeplearning_com.png ③ https://msdnshared.blob.core.windows.net/media/2017/02/021717_1842_QuickStartG4.png ④ https://www.google.co.jp/search?q=LSTM&rlz=1C1SNJC_jaJP554JP554&source=lnms&tbm=isch&sa=X&ved=0ahUKEwjtmJWrmqfXAhWJTLwKHZAGBR0Q_AUICigB&biw= 1749&bih=823#imgrc=IrwppVe-yiuXjM:
70.  （購入）利用可能な AI モジュールの中から、  タスク＆データ を 問題解決する上で最適なモジュールだけ  を選択して、最良な順路で連結させたグラフ構造全体 が、 問題を解く「学習」・「推論」段階で使う 巨大な SuperNeural Network
71. そのとき 取り組むべき タスク＆データセット が変わるたびに、Dapps 上で利用可能なAIモジュールのうち、 ①どのmoduleを採用して、②採用したmoduleの連結順路 が、自動的に選択されたものに、動的に切り替わる PathNet
72. タスクが与えられる前 － 利用可能なAI moduleとデータセットが DApps上に、無数にある － 売買市場 Dapps 上で、（購入）利用可能な AI モジュールプログラム or 学習用・検証用データセット データセット & AI モジュール 売買市場 DApps
73. タスク ① PathNet アルゴリズム が 選抜した AI モジュール 出力層は、 PathNet アルゴリズム側 が用意する 出力層 中間層 第１層 中間層 第２層 データセット & AI モジュール 売買市場 DApps
74. タスク ② 選抜される AIモジュール と、選抜モジュール間の結合順路 が 自動再編成される 出力層 中間層 第１層 中間層 第２層 データセット & AI モジュール 売買市場 DApps 中間層 第３層
75. 「進化の過程」を 改ざん困難なBlockchainに記録する
76.  「進化の過程」を改ざん困難なBlockchainに記録 することで、  Dapps上には、  「データセット＆タスクの組合せ」に応じた最適なAI モデル」  が、蓄積されていく 「進化の過程」を 改ざん困難なBlockchainに記録する
77. PathNet が タスク＆データが変わるたびに 自動（再）編成してきた Super Neural Network を Blockchain に セキュアに記録する （モデルをバイナリで保存してもよいが、どのモジュールをどの順路と重みパスで結合したかの トポロジー構成を、 Json形式のようなデータ形式で保存する 方法がメモリ負荷が小さいか） 過去 現在 t－１時点目 の情報を記録 したブロック t時点目 の情報を記録 したブロック
78. 「進化の過程」を改ざん困難なBlockchainに記録することで、 DApps上には、 「データセット＆タスクの組合せ」に応じた最適なAIモデル が、蓄積されていく
79. （ 課題 ） PathNet アルゴリズム は、 どのAddressに、 どの内容のデータセット どのようなデータ処理機能を提供する関数があるかを、 どうやって認識するのか？
80. PathNet アルゴリズム が、以下を 機械的（自動的）に理解できるための仕組みが必要 ① Blockchain上に存在していて、（購入）利用可能な 1) 無数の「AIモジュール」 2) （モデル学習用＆検証用）データセット が、それぞれ、 ② どのAddressのノードで記帳されているのか？ ③ （ 1)の場合） どのようなデータ処理機能を提供して、引数の返り値のデータ型は何か （ 2)の場合） どのような内容のデータ・セットなのか（データ属性、プロパティ）
81. PathNet アルゴリズム が、以下を 機械的（自動的）に理解できるための仕組みが必要 ① Blockchain上に存在していて、（購入）利用可能な 1) 無数の「AIモジュール」 2) （モデル学習用＆検証用）データセット が、それぞれ、 ② どのAddressのノードで記帳されているのか？ ③ （ 1)の場合） どのようなデータ処理機能を提供して、引数の返り値のデータ型は何か （ 2)の場合） どのような内容のデータ・セットなのか（データ属性、プロパティ） Ethereum 上では、ノードのAddress さえわかれば、コマンドを叩くことで、 関数のABI を入手して、関数の仕様（引数と返り値のデータ型）を 知ることは、できる
82. AIモジュール売買 DApps上にある AI モジュール と データ・セットの ① Address ② 関数仕様（ABI ：データ処理内容 & 引数・返り値のデータ型） or データ属性 の一覧リストがあり、PathNetのようなアルゴリズムが、リストの記載内容を、 機械的に読めなければならない 16bldtVb32aad5Tdcoiytqz797 83lqtVb7800lwjhlwpogmpwi 927yjlko;gyuftydtr9887t68po 07751ujkpqfsneu72q5hnmo9 987hkpu278tho9ouuihiojopi09 98yuihi0-8guy65euyk9pipok;pw 54opo-0uygbhjbyt5e789ugftr 78iuo0u78r65r54dyjki09-obk Addressリスト AIモジュール or データセット
83. PathNet の アルゴリズム
84. PathNet の アルゴリズム
85. PathNet の アルゴリズム
86. PathNet の アルゴリズム
87. 取り組むタスクが変わるたびに、自動で、 最善のディープラーニング・モデルを 再形成するアルゴリズムが、 Google DeepMind & Google Brain から、複数 公開されている。 （ その２ ）
88. 「既存の複数のAIモジュールを最適な組み合わせで つなぎあわせて再利用する」方法 ではなく、 あるAIモデル そのもの が 単独で、 「与えられたタスクとデータセット」をうまく問題解決 できる形に、モデルの構造を自ら変形（自己変形） することで、 時々刻々と変化する「タスクとデータセット」に 自動的に適応（進化）していくタイプのモデル
89. NASNet & AutoML（NAS） 取り組む タスク＆データセット が 切り替わるたびに 「過去に、別のタスクに取り組んだ際に構築済みの Neural Networkモデル」 が、 新たなタスク＆データセットをうまく解決できる 「形（Neural Networkのネットワーク構造）」に、 みずからの形を変えて適応（自己進化、自己変形）する アルゴリズム
90. NASNet （ 論文 ） Barret Zoph, Vijay Vasudevan, Jonathon Shlens and Quoc V. Le (2017), Learning Transferable Architectures for Scalable Image Recognition https://arxiv.org/pdf/1707.07012.pdf 2017年10月15日に、Google Brain から公開された。
91. NASNet https://arxiv.org/pdf/1707.07012.pdf
92. NASNet
93. NASNet
94. NASNet
95. NASNet
96. NASNet は、 NASアルゴリズムを、 大規模データセットに適応できるように改良 したアルゴリズムである
97. NAS これも、Google Brain から公開された。 （ 論文 ） ICLR 2017 採択論文 Barret Zoph, Quoc V. Le (2017) Neural Architecture Search with Reinforcement Learning, International Conference on Learning Representations, 2017. https://arxiv.org/pdf/1611.01578.pdf
98. NASNet は、 NASアルゴリズムを、 大規模データセットに適応できるように改良したアルゴリズムである
99. NASアルゴリズム を もとにしたものとして、 AutoML アルゴリズム が ある （ AutoML = NASNet の先行アルゴリズム ）
100. AutoML （ 参考 ） https://arxiv.org/pdf/1707.07012.pdf
101. AutoML （ 参考 ） https://arxiv.org/pdf/1707.07012.pdf
102. AutoML （ 参考 ） https://arxiv.org/pdf/1611.01578.pdf Figure 2 は、AutoML アルゴリズム が 依拠する NASアルゴリズムの提唱論文からの転載
103. 「進化の過程」を 改ざん困難なBlockchainに記録する
104.  「進化の過程」を改ざん困難なBlockchainに記録 することで、  Dapps上には、  「データセット＆タスクの組合せ」に応じた最適なAI モデル」  が、蓄積されていく 「進化の過程」を 改ざん困難なBlockchainに記録する
105. NASNet の 進化の過程を Blockchain に セキュアに記録する タスク＆データセット に適応してきた進化の過程（軌跡） 過去 現在
106. NASNet の 進化の過程を Blockchain に セキュアに記録する 過去 現在 t－１時点目 の情報を記録 したブロック t時点目 の情報を記録 したブロック CIFAR-10 データセットを用いた画像分類タスク に適応していた段階のNASNetモデル ImageNetデータセットを用いた画像分類タスク に適応していた段階のNASNetモデル
107. 「進化の過程」を改ざん困難なBlockchainに記録することで、 Dapps上には、 「データセット＆タスクの組合せ」に応じた最適なAIモデル が、蓄積されていく
108. 過去 現在 t－１時点目 の情報を記録 したブロック t時点目 の情報を記録 したブロック AutoML （NAS） の 場合 データAに対するタスク１ に適応したモデル データDに対するタスク７ に適応したモデル