【硬塞科技字典】挖礦不用體力而是用「算力」?

算力指電腦的計算能力,礦工就是仰賴算力幫自己挖虛擬貨幣的。
評論
評論

算力從字面上來看就是指運算能力沒錯,那區塊鏈又不是學校考試為什麼需要用到運算能力呢?

之前在介紹 礦工挖礦在挖甚麼 一文中,有提到挖礦就像讓 全網礦工互相競爭去計算帳本裡的一道數學題 ,誰先算出答案,就相當於挖到了這個區塊,可以向所有礦工(節點)廣播一聲「我成功了」,並得到一定數量的代幣作為獎勵。然而, 在通過「挖礦」得到比特幣的過程中 ,礦工為了找到這道數學題的解,沒有固定或有邏輯的演算法,只能靠計算機(這裡不是指大家上數學課按的機器,而是電腦)隨機的雜湊(hash)碰撞 ,不斷重複進行嘗試直到算出來的這個數小於系統給定的目標值(Target)才算解題成功。

而算力(也稱雜湊率)就是電腦或礦機計算雜湊函數輸出的速度。算力單位是 H/s ,翻成中文意思就是每秒能計算幾個 Hash ,是衡量計算速率的單位元。常見的算力單位層級包括 MH/s 、 TH/s 、 GH/s 等,代表的雜湊率如下:

1 kH / s=每秒 1,000 雜湊
1 MH / s=每秒 1,000,000 次雜湊。
1 GH / s=每秒 1,000,000,000 次雜湊。
1 TH / s=每秒 1,000,000,000,000 次雜湊。
1 PH / s=每秒 1,000,000,000,000,000 次雜湊。
1 EH / s=每秒 1,000,000,000,000,000,000 次雜湊。

運算能力是反應挖礦效率的關鍵,也就是說算力越高,固定時間內挖出虛擬貨幣的機率越高,而這也是工 作量證明機制 POW(Proof Of Work)的核心價值 。舉例來說,假設比特幣現在全網的算力是 1000 ,而某個礦工擁有 10 的算力,也就
是說他所掌握的所有礦機占比特幣全網總算力為 1%,那麼他在這一次競爭中記帳成功的概率就是 1% 。

比特幣算力的歷史曲線圖。圖片來源:bitinfocharts.com

隨著全網算力暴漲,比特幣開啟了 P 算力時代,然而在一般礦機的計算量級為 14T 左右(1P=1024T,1T=1024G,1G=1024M,1M=1024k;計算機系統中以 1024 進位標準計算),意即單一礦工的算力所在全網算力中所占的百分比越來越小,而收益自然也越來越少。

因此,越來越多人投入礦池(Pool Mining),貢獻自己個人的算力到一個團體參加團挖,挖到時依毎個人算力的貢獻度照比例分礦;或是近年來很流行的雲端挖礦(Cloud Mining),向他人租用或購買在「雲端」礦場的算力。

如果想瞭解自己即將挖礦幣種的全網算力。可以參考這個網站:https://bitinfocharts.com/

在這個網站上,你可以看到大量主流幣種的挖礦參考資料。以 2018 年 10 月 11 日為例,比特幣 Hashrate 的最新資料為 53.898 Ehash/s ,在過去的 24 小時增長了 13.65% 。

延伸閱讀:

歡迎加入「Inside」Line 官方帳號,關注最新創業、科技、網路、工作訊息


Cookie 消失?試試看全新 AI 影像內容辨識:讓用戶看的內容決定看到的廣告

Google Chrome 即將淘汰幫助廣告主的工具—— Cookie ,它的離去將再一次地影響數位廣告產業。
評論
Photo Credit:<a href="https://www.shutterstock.com/zh/image-photo/ai-artificial-intelligence-big-data-internet-1075853384" target="_blank">shutterstock</a>
評論

透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

後 Cookie 時代的廣告受眾如何鎖定?

各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?

Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。

後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。

FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

AI 人工智慧影像技術突破,推動新一代內容辨識功能

傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。

舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。

藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

Mirrors AI 影像辨識:用消費者看的內容決定廣告

2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。

影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。

2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。

本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。