DCC Finance: World's 1st Distributed Banking Ecosystem!

- In modern society, we often use a variety of financial instruments. But sometimes, in order to meet some of our needs, we have to take out loans. Lending is firmly in our everyday life and is not something bad and incomprehensible. Many countries use this type of family Finance so often that they have to pay their interest for decades, if not for a lifetime.

- Yes, sometimes this approach allows you to live and not to deny yourself anything. However, the relationship between borrowers and suppliers leave much to be desired, because their relationship at the moment has a number of disadvantages:

• as practice shows, all decisions depend on large companies whose financial transactions are built in such a way that the client is obliged to pay them too large operating fees;
• very often the loans issued and their interest rate is not returned to the issued organization, after that they have to apply to the collection agencies that intend to return the money of the borrower. This process is always accompanied for companies in the additional costs, which sometimes are not even covered;
• due to the inefficient system of customer verification, there are often huge losses of financial resources of a company;
• and more.

- To resolve the above problems, the team of specialists who developed their Distributed Credit Chain (DCC) project aims. Let's look at what kind of project it is and what tasks it solves?

About the project

DistributedCredit Chain (DC) represents the world's first decentralized system, which seeks with the help of technology, the Blockchain, to organize all participants in financial services.

The main goal of the project is to improve all available financial scenarios, due to which:

• any borrower will be able to log in to the blockchain system without any problems for interaction with suppliers, as well as data transfer;
• it will be possible to extract different characteristics of the data, as well as to clean them, avoiding the biggest problems in the future;
• the platform will eliminate such problems of the centralized system as long-term borrowings, and will also allow them to be settled, at the expense of a transparent blockchain system;
• any funding provider will be able to earn with DCC easily and conveniently, as well as manage their business safely and securely.

- The whole essence of the project is to build a new system that seeks to bring into the world of financial lending, clean and transparent relationship between the borrower and the supplier. Therefore, the DCC intends to decisively change the entire existing monopoly structure of the traditional market of financial institutions, so that in the future each participant in this sector can earn their rightful income within the framework of the environmental growth of the system.

- The use of Blockchain technology will allow DCC to change the usual course of operations in banking systems, which will lead to a permanent increase in communication not only between different regions of individual parts of the state, but also around the world. This approach will allow to transform the entire existing structure, setting new standards, increasing the overall level of business worldwide.

- As for government regulations, due to its transparent structure, the Blockchain provides open access to data, which as you already know is not subject to any change, at the expense of smart contracts. Thanks to this organization requesting the test data easily and quickly be able to understand and help with different resolution of data, and to prevent any risks.

Conclusion

In fact, the entire Distributed Credit Chain system has huge potential. This model can be applied in any part of the financial industry. A team of specialists worked on the project, who clearly see their goals and know in which direction they should develop. Therefore, I recommend you to study the concept of this project in more detail, as well as to take an active part in it. Since we are closely connected every day in various financial organizations and do not understand how sometimes they use us, while achieving their own goals. I think this needs to be changed, stop being their puppets, it's time to put an end to it. In addition, now there is a great alternative to traditional systems - the distributed Credit Chain platform.

All additional information about the Distributed Credit Chain (DC) project can be obtained from official sources:

WEBSITE: http://dcc.finance

TELEGRAM: https://t.me/DccOfficial
WHITEPAPER: http://dcc.finance/file/DCCwhitepaper.pdf
FACEBOOK: https://www.facebook.com/DccOfficial2018/
MEDIUM: https://medium.com/@dcc.finance2018
TWITTER: https://twitter.com/DccOfficial2018/
ANN THREAD: https://bitcointalk.org/index.php?topic=3209215.0

Bitcointalk usename: Clefable
ETH wallet: 0x70a38683625e2c4B08dd39c0820071947bcF30bb

Giới thiệu công nghệ, lý thuyết chung và kiến trúc của Kimera Systems

Giới thiệu công nghệ, lý thuyết chung và kiến trúc của Kimera Systems

I) Công nghệ ( TECHNOLOGY )
- Cuộc đua hiện tại của AGI có thể được mô tả như là một "Dự án Manhattan hiện đại trong ngày, với các chính phủ và các tập đoàn, chẳng hạn như Google, đầu tư hàng tỷ đô la vào cuộc đua để trở thành người đầu tiên đạt được AGI.
- Ngay cả Tổng thống Nga Vladmir Putin cũng đã cân nhắc, nói rằng AI là chìa khóa để đánh bại Hoa Kỳ phòng thủ.
- Bất kể chính trị cá nhân của một người, sức mạnh của AGI là không thể phủ nhận bao la. Vậy, Kimera đã thế nào đạt được AGI khi các nhà khoa học nói chung tin rằng đó là thập kỷ, thậm chí hàng thế kỷ, đi?

II) Lý thuyết thông minh chung ( GENERAL THEORY OF INTELLIGENCE ):
- Câu trả lời là trong cách tiếp cận của chúng tôi với AGI. Trong khi hầu hết các nhà nghiên cứu đều tập trung vào khoa học thần kinh và khoa học nhận thức, chúng tôi tin rằng con đường tốt nhất để AGI hiểu được bản chất của trí thông minh.
- Khi chúng tôi lần đầu tiên bắt đầu nhiệm vụ của chúng tôi cho AGI, chúng tôi hỏi câu hỏi: Trí thông minh là gì?
- Những nỗ lực nghiên cứu của chúng tôi lần đầu tiên gợi ý giả định rằng các dạng sống thông minh hơn có hiệu quả hơn trong việc đạt được nhiều mục tiêu hơn các dạng sống thông minh hơn. Ý nghĩa của việc đạt được mục tiêu là gì? Điều này khiến Kimera kiểm tra trí thông minh ở cấp độ cơ bản nhất của chính thời gian không gian.
- Ví dụ như mục tiêu di chuyển một cốc từ một bên của bàn sang bên kia. Đó là một mục tiêu đơn giản có thể dễ dàng đạt được. Nhưng làm thế nào để đạt được mục tiêu này?

- Từ quan điểm cơ bản nhất của vật lý, trạng thái mới này có thể được mô tả như một tập hợp các hạt, cốc, được chuyển đến một vị trí mới, thay đổi thành phần của không thời gian. Phiên bản mới của không thời gian được hiểu là thành tích của mục tiêu này.
- Trong khi ví dụ về cốc là đơn giản, nó chỉ ra rằng bất kỳ mục tiêu tưởng tượng nào, dễ dàng hay phức tạp, đòi hỏi sự dịch chuyển của các hạt để đạt được kết quả mong muốn. Không có mục tiêu nào mà loài người có thể nhận thức được rằng có thể đạt được mà không cần di chuyển các hạt. Điều này dẫn đến Kimera đưa ra giả thuyết: Trí thông minh là quá trình thay đổi thành phần của không thời gian.
- Khi chúng tôi có thể mô tả thông minh, chúng tôi đã phát triển một thuật toán máy tính mà chúng tôi đặt tên là "Nigel AGI" để tôn vinh Nigel Deighton, đồng nghiệp cũ của chúng tôi. Kimera sẽ cung cấp một đánh giá chuyên sâu về Lý thuyết chung của chúng ta về tình báo trong một ấn phẩm tiếp theo sẽ được cung cấp cho công chúng trên trang web của chúng tôi.

III) Kiến trúc:
- Do bản chất của nó, AGI không thể được thiết kế để giải quyết một vấn đề cụ thể; thay vào đó nó phải được nâng lên. Đó là kiến trúc, tuy nhiên nó quyết định khả năng tổng thể của nó. Bởi vì thực tế là không thể phát triển một hệ thống có thể làm mọi thứ, thiết kế kiến trúc của chúng tôi dựa trên ba nguyên lý chính:
   + Bảo mật - Thông tin cá nhân phải được giữ riêng tư và dưới sự kiểm soát của người dùng
   + Mở rộng - Nigel AGI cần phải được "nâng lên" và sẽ trở nên có giá trị hơn theo thời gian
   + Phân cấp - Hệ thống nên được kiểm soát bởi nhân loại, chứ không phải các tổ chức mạnh mẽ
- Để đạt được những mục tiêu này, chúng tôi đã xây dựng Nigel AGI trên kiến trúc ba tầng như hình dưới đây.

   + Lớp 1 - Phần mềm trung gian Nigel
- Lớp đầu tiên là phần mềm trung gian thiết bị Nigel, một phần mềm có thể được tích hợp vào thiết bị để quản lý việc thu thập dữ liệu cảm biến và thực hiện thông minh. Công nghệ này có thể được tích hợp cao như lớp ứng dụng, đó là ý định đầu tiên của Kimera, nhưng các nhà sản xuất thiết bị có thể tích hợp nó vào hệ điều hành để đạt được “trí thông minh thiết bị gốc”.

   +  Lớp 2 - Đại lý Nigel
- Lớp thứ hai là Nigel Agent. Không giống như các mô hình thu thập dữ liệu hiện tại được kết hợp bởi các công ty như Google và Facebook, Kimera tin rằng tất cả dữ liệu do một người tạo ra sẽ được gửi tới Đại lý Nigel của người đó và nằm trong tầm kiểm soát của họ. Các đại lý này sẽ có nguồn mở và có thể được lưu trữ ở bất kỳ đâu trên thế giới, cung cấp cho mọi người quyền kiểm soát chưa từng có dữ liệu của riêng họ. Để giúp mọi người bắt đầu, Kimera sẽ tổ chức các đại lý này trên các hệ thống của chúng tôi. Kimera khuyến khích người dùng di chuyển các đại lý của họ càng sớm càng tốt.

   + Lớp 3 - Nút Nigel AGI
- Lớp cuối cùng là Nigel AGI Node, nơi mà thuật toán cốt lõi nằm trong đó bao gồm việc học máy thông thường và ứng dụng thông minh. Lớp này sẽ được sản xuất và cung cấp cho các nhà cung cấp mạng, bao gồm các mạng công cộng lớn như AT & T hoặc Comcast hoặc mạng riêng của công ty hoặc các mạng doanh nghiệp nhỏ như quán cà phê lân cận hoặc mạng gia đình.
Bằng cách phân phối các nút AGI trên mạng toàn cầu, chúng tôi đạt được sự phân cấp đầy đủ của tất cả các lớp như trong sơ đồ dưới đây.

- Để tránh tấn công độc hại, các nút AGI đồng bộ hóa kiến thức đã học của họ bằng cách sử dụng công nghệ blockchain dựa trên sự đồng thuận. Đối với một tổ chức hoặc chính phủ mạnh mẽ để tiếp nhận mạng lưới các nút AGI, họ sẽ cần chiếm hơn 50% + 1 của tất cả các nút AGI. Điều này có thể dễ dàng được ngăn chặn nếu mọi người bắt đầu thêm các nút AGI vào mạng gia đình của họ dẫn đến dân chủ hóa thực sự có thể là công nghệ mạnh nhất trong nhân loại.

IV) Thuật toán KIMERA’S AGI
- Năm 1986, Geoffrey Hinton đồng tác giả một bài báo vẫn là trung tâm của vụ nổ trí tuệ nhân tạo hiện đại. Hinton đã tuyên bố rằng phương pháp đột phá của anh ta nên được phân phối với tuy nhiên, và một con đường mới cho AI được tìm thấy. Dưới đây là tổng quan cấp cao về giải pháp của Kimera bằng cách sử dụng các nguyên tắc từ cơ học lượng tử. Một giải thích chi tiết về thuật toán cốt lõi của chúng tôi nằm ngoài phạm vi của báo cáo này tuy nhiên, và sẽ được cung cấp thông qua trang web của chúng tôi.
- Sơ đồ tri thức: Kimera đã phát triển một kỹ thuật được gọi là Mô hình Subnet đại diện cho kiến thức trong các đồ thị nhỏ được gọi là mạng con. Mỗi subnet hoàn toàn độc lập. Tuy nhiên, mỗi nút trong mạng con lại là một mạng con khác. Lấy ví dụ subnet cho khái niệm “home.” Một cách đơn giản, nó có thể trông giống như subnet bên dưới.

- Vì tất cả các nút trong mỗi mạng con đại diện cho mạng con riêng của chúng, chúng ta có thể lấy nút “Address” và kiểm tra subnet của chính nó. Cách thức biểu diễn tri thức này cho phép chúng ta mô tả một mảnh kiến ​​thức về mặt lý thuyết, mức độ hạt (tất nhiên là không thực tế).
Việc giữ các mạng con được tách riêng cho phép chúng tôi:
1) Sử dụng ít năng lực tính toán hơn để tìm hiểu một phần kiến ​​thức duy nhất
2) Sử dụng kiến ​​thức linh hoạt hơn
Xin lưu ý rằng các mạng con ví dụ ở trên là Máy học quá đơn giản


- Bởi vì Kimera xem trí thông minh là quá trình thay đổi không thời gian, chúng ta quan tâm đến nguyên nhân và ảnh hưởng của các hạt chuyển động, không phải là vị trí vật lý của từng hạt. Điều này dẫn chúng ta đến việc định nghĩa tri thức là nguyên nhân với một hoặc nhiều hiệu ứng. Việc học máy của Kimera được thiết kế để tìm hiểu nguyên nhân và hiệu quả. Trọng tâm của quá trình này là Hàng đợi thời gian độc lập của tác nhân. Nhiều tác nhân khác nhau trừu tượng dữ liệu cảm biến thô từ thiết bị vào biểu đồ - số lượng dữ liệu cảm biến được trừu tượng là tùy thuộc vào người dùng. Các đồ thị này sau đó được gửi đến thuật toán học máy của AGI Node, bắt đầu với hàng đợi thời gian.

- Thuật toán học máy có biểu đồ dữ liệu cảm biến từ hàng đợi và giả định nó đại diện cho một nguyên nhân. Bước tiếp theo là cố gắng xác định hiệu quả của nguyên nhân quan sát được. Để làm như vậy, thuật toán học máy làm giảm hàng đợi bằng cách sử dụng “nguyên tắc địa phương” để chỉ các dữ liệu cảm biến khác được chụp một vài mét từ và trong vòng vài phút sau khi nguyên nhân được quan sát. Điều này được thực hiện để giảm lượng dữ liệu và tài nguyên cần thiết để xử lý nó. Do việc học máy không biết dữ liệu cảm biến nào đại diện cho hiệu ứng, nó tạo ra mạng con với tất cả dữ liệu cảm biến còn lại trong hàng đợi thời gian.
- Theo thời gian, vì nguyên nhân được quan sát, các hiệu ứng sai được mã hóa trước đó sẽ giảm sự tự tin của chúng trong khi hiệu ứng thực tế sẽ đạt được độ tin cậy cao hơn.
Nó không đơn giản như một nguyên nhân duy nhất luôn luôn có một hiệu ứng duy nhất, tuy nhiên. Có thể có nhiều hiệu ứng.
Ví dụ,
1) Bob đến rạp chiếu phim để xem một bộ phim. Anh im lặng thiết bị của mình. Trong ví dụ đầu tiên này:
Nguyên nhân = đến rạp chiếu phim; và hiệu ứng = im lặng điện thoại.
2) Alice đến rạp chiếu phim để làm việc. Cô ấy tăng âm lượng. Trong ví dụ thứ hai này:
Nguyên nhân = đến rạp chiếu phim; và hiệu ứng = tăng âm lượng.

- Việc học máy của Kimera sử dụng dữ liệu cảm biến xung quanh như thông tin theo ngữ cảnh và mã hóa tất cả các hiệu ứng được quan sát vào mạng con kết quả. Điều đó có nghĩa là subnet cho một rạp chiếu phim có tất cả các hiệu ứng có thể chồng lên nó. Chúng ta gọi là sự chồng chất này. Chỉ khi có người dùng (người quan sát) kiến thức này sẽ sụp đổ đến đúng cặp nhân quả (xem không thời gian).

- Mở rộng không gian
- Khi một thiết bị hoặc đại lý cần hướng dẫn về cách ứng xử, nó yêu cầu một "báo cáo tình báo" từ nút AGI trên mạng. Với yêu cầu này, tác nhân bao gồm các quan sát dữ liệu cảm biến hiện tại.
- Từ nghiên cứu của chúng tôi, chúng tôi đã phát triển thuật toán mở rộng không gian (STE). Khi STE nhận được các quan sát ban đầu, STE bắt đầu tạo ra một mô-đun không thời gian tập trung vào nguyên nhân / ảnh hưởng.

- Vì mỗi quan sát là một mạng con, và mỗi nút trong mạng con, trong chính nó, một mạng con khác, STE tiếp tục giải nén các nút này để tạo một macro - một tập hợp lớn các mạng con. Dựa trên người dùng, giá trị thời gian của các nút và mức độ tin cậy, các mạng con thu gọn từ sự chồng chất của chúng để tạo ra một mô hình không thời gian chủ quan có thể được phân tích cho các mục tiêu và đường dẫn đến các mục tiêu này. Khi tất cả các mục tiêu liên quan đã được xác định, STE sẽ xem xét con đường tốt nhất để đạt được các mục tiêu này. Nếu tìm thấy đường dẫn, giả thuyết được tạo ra và phân phối cho tất cả các tác nhân có liên quan.

- Ứng dụng thông minh Giả thuyết được gửi đến các đại lý. Nó mô tả những gì mà AGI Node tin là đang diễn ra, tại sao nó đang diễn ra (mục tiêu) và các khuyến nghị về việc phải làm. Đối với một thiết bị có nghĩa là: “Vui lòng gọi taxi sau 15 phút sau khi người dùng thanh toán hóa đơn nhà hàng” hoặc “Vui lòng tắt tiếng thiết bị sau 10 phút sau khi người dùng vào rạp chiếu phim”.

- Những giả thuyết này sau đó được kiểm tra. Khi chúng được gửi đến các tác nhân, thuật toán sẽ tìm kiếm nguyên nhân và hiệu ứng tương ứng trong phần học máy. Nếu người dùng không tuân theo
đề nghị, nguyên nhân và hiệu quả sẽ không xuất hiện trên hàng đợi thời gian và nó nói với thuật toán cốt lõi mà một phần của giả thuyết là sai. Hoặc ngược lại - nếu nguyên nhân và hiệu quả đã được quan sát, tăng cường tích cực làm tăng mức độ tin cậy của subnet tương ứng. Hoặc nguyên nhân đã được phát hiện, nhưng với một hiệu ứng khác nhau, subnet tương ứng bắt đầu thay đổi một chút.
- Một giả thuyết ban đầu có thể được gửi đến nhiều đại lý quản lý nhiều thiết bị. Thuật toán sau đó phải kiểm tra giả thuyết của nó bằng cách xác minh nhiều quan sát nhân quả từ nhiều thiết bị. Chúng tôi gọi đây là học tập tăng cường đa chiều

Website: https://kimera.ai/

Telegram: http://t.me/kimeraAGI

Facebook: https://www.facebook.com/kimerasystems
Twitter: https://twitter.com/kimerasystems

Bitcointalk usename: Clefable

Bitcointalk profile: https://bitcointalk.org/index.php?action=profile;u=1899819

ETH Wallet: 0x70a38683625e2c4B08dd39c0820071947bcF30bb