ICO Betrachtung

ICO Betrachtung von Iagon - Seite 2

 

Eingehende Daten werden verschlüsselt, in Fragmente geteilt und auf mehrere Speicherorte (Nodes) verteilt. Eine Künstliche Intelligenz steuert diese Vorgänge und bewertet dabei die Preislevel, sowie die Zuverlässigkeit einzelner Teilnehmer. Durch die Verschlüsselung und Fragmentierung kann keiner der Nodes auf die anfänglichen Daten zugreifen.

 

Da im System Zuverlässigkeit und Schnelligkeit gefragt ist und belohnt wird, sollte die Motivation des Hackings und der Entschlüsselung sehr gering ausfallen. Mit dem Einsatz der nötigen Ressourcen ließe sich im System auf normalem Wege nämlich sicher mehr Geld verdienen.

 

Es gibt bereits eine Beta (MVP) Version des Iagon Speicher Netzwerkes, sowie eine Miner Applikation, die auf Windows, Linux und IOS läuft. Hier können bereits Files hochgeladen und via SHA256 verschlüsselt werden. In der Blockchain werden die Files als Fragmente zwischen Minern verteilt und sind vom User sicher von den einzelnen Notes wieder abrufbar.

 

Ein detaillierter Businessplan zusätzlich zum Whitepaper wird ebenfalls geboten, in dem unter anderem Statistiken und Einschätzungen zum Cloud Computing Markt enthalten sind.

 

Zu finden unter diesem Link:

 

https://www.iagon.com/pdf/Iagon%20BusinessPlan%20v3.6.pdf

 

 

Künstliche Intelligenz (KI) & Reinforced Learning

 

Ein weiterer Punkt auf den die Entwickler setzen ist der Support von KI Anwendungen. Neben dem Einsatz ihrer eigenen KI soll ein System entstehen, dass KI Systeme mit externer Prozessorleistung und Speicher unterstützt. KI Anwendungen müssen riesige Datenmengen mit reichlich Prozessoraufwand durcharbeiten um angelernt zu werden und komplexe neue Zusammenhänge selbstständig zu ergründen. Der dezentrale “Supercomputer”, der durch das Iagon Netzwerk entsteht, wäre hierfür gut geeignet.

 

Iagon stellt für ihre eigene KI das sogenannte Reinforced Learning in den Vordergrund. Dabei geht es um eigenständige Entscheidungen seitens der KI, in einer sich ständig verändernden Umgebung. In einem aktiven Lernprozess werden die eigenen Entscheidungsprozesse der KI optimiert. So soll die KI über die Zeit z.B. eine optimierte Form des Reward-Systems bestimmen und dessen Nutzen maximieren. Die dabei genutzte Methode nennt sich auch “Markov Decision Process”.