原题目:往中间化AI:幻想者与适用主义者

媒介:本文以为往中间化的人工智能是将来可连续人工智能的独一道路。但因为此刻往中间化AI处于早期阶段,利用场景和基本举措措施都还不成熟,须要有一个务实的成长策略:分阶段地推动往中间化的AI。本文作者Jesus Rodriguez,由蓝狐笔记社群“王泽龙”翻译。

AI的往中间化是当下最迷人的技巧趋向之一,可以成为AI可连续成长途径的基本。结合进修(federated learning)、区块链技巧或者平安加密盘算的呈现,为创立往中间化AI利用供给了可行的技巧路径。(蓝狐笔记译注:federated learning是谷歌发现的新词,它可以或许让多台智妙手机彼此协作,进修共享的猜测模子,其练习所需数据保留在当地装备,跟之前数据在云真个模式分歧。)

然而,本日尽年夜大都的往中间化AI利用处于理论阶段,或者利用场景十分有限。尽管机械进修的往中间化具有显明的利益,但现实实行的道路并非眇乎小哉,并且很可能不会产生。基于当今的AI与区块链生态体系的状态,我想要供给一个关于往中间化AI技巧采取的可能的适用主义视角的路径。

发明一个通向往中间化AI的可行路径,须要在往中间化智能所许诺的利益与AI范畴的经济和技巧实际之间找到均衡。往年,我颁发了过一些文章,此中概述了经济学和技巧推进身分,它们可认为往中间化AI技巧的成长展平途径。

此后,我的思绪演化为试图找到在AI利用中采取往中间化模式的可行路径。事实上,尽管往中间化AI模式可能是更好的、更可连续的AI的要害,然而今朝的技巧交付很是有限以至使其难以被主流组织采取。尽管我心中的幻想是信任一个往中间化的AI是更好的AI,可是我心中的适用主义不竭地与新生AI范畴的技巧与经济的实际进行博弈。

从我的视角来看,找到一条通往可行的往中间化AI的路径分三步:

i. 懂得往中间化人工智能的经济限制

ii.稳步地向人工智能利用性命周期中相对简略的范畴引进往中间化

iii.树立准确的鼓励身分与收集效应以增进往中间化AI收集的成长

幻想者的视角:往中间化AI是可连续AI的独一路径

在曩昔的几年中,AI已经在其性命周期的分歧方面完整演变成为中间化模式。鉴于当前一代的AI解决计划须要年夜范围、高质量的练习数据集,市场中年夜部门的立异都来自如Google、微软、Facebook或者Uber如许的企业,而非草创企业。

由年夜型公司发明的AI也有助于获得更好的数据,以发生更好的智能。这种恶性轮回进一步扩展了年夜型企业与小型公司间的沟壑,前者有着大批的数据与相干人才以增进AI立异,尔后者却缺少这些资本。将这种模式推演到全部经济体,AI的中间化可能是拉年夜第一世界国度与其他国度间鸿沟的身分之一。

人工智能的成长经常被拿来跟18世纪的产业革命相提并论,是一种经济革命活动。假如说产业革命是将部门国度从手工出产推向了机械出产,AI则是引导着从适用东西转向智能软件体系的革命。

产业革命的副感化之一是它使得产业化国度与未进行产业革命的国度间的差距变为150年。它使得成长中国度要破费大批的时光以弭平同世界头部经济体的差距。当前AI利用的中间化模式可能会在中美这种国度与世界其他处所国度间发生更年夜的鸿沟。

增进配合发明与常识分享的往中间化AI模式是防止增添至公司与小公司之间、领先经济体与成长中国度之间鸿沟的方法之一。激励自立举动者宣布数据集、创立、培训或优化模子的收集是一种更可连续的机制,可以增进AI的发明,而这种机制无助于使富人更富。

适用主义的视角:往中间化AI的实际挑衅

尽管往中间化AI的价值主意有显明的意义,但其实际实现面对诸多挑衅。从其技巧仓库的不成熟到交付模子中的显明摩擦,往中间化AI解决计划走向主流采取的路上绵亘着显明的绊脚石。当其被用于传统的中间化构造时,往中间化凡是造成中止,AI也不破例。尽管跟往中间化AI技巧的有限采取相干的挑衅良多,但它们尽年夜大都都可回为如下几类:

l 双重中止挑衅:作为一项技巧趋向,AI仍处于婴儿期,尽年夜大都组织方才开端找到接收新的深度进修或者机械进修仓库的方式。从有限的人才供应到这项技巧的原生庞杂性,尽年夜大都公司都面对将AI作为其技巧策略要害支柱的挑衅。往中间化则是别的一层的庞杂性地点,对于尽年夜大都组织来说,在其早期阶段,这可能不是很主要的题目。

l 算力挑衅:诸如区块链的往中间化账本在履行须要深度进修模子如许的昂贵盘算时,其机能仍然有限。在这个水平上,往中间化AI收集仍然须要链下盘算模子,后者给尽年夜大都组织造成了基本举措措施方面的挑衅。

l 鼓励挑衅:往中间化AI的构造须要依附鼓励机制以驱动分歧各方介入收集。当涉及一些可贵的工具,如数据和常识时,鼓励模子不仅须要很是强盛,且须要在投资回报(ROI)方面比拟中间化AI方式更有竞争力。此外,鼓励构造凡是会引起把持收集行动的恶意进犯。

解决上述挑衅是为采取往中间化AI技巧发明经济和技巧可行性的独一道路。任何策略都须要在AI技巧的新生状况与往中间化的损坏性之间取得均衡。

一条通向往中间化AI的可行路径

一个促成往中间化AI模式被采取的有用策略是,不是将其视为单一题目,而是将其视为跟AI利用性命周期分歧阶段相干的一系列挑衅。从这个视角看,不是将往中间化AI思虑为一个整体,而是将该题目拆解为往中间化AI的多个方面。假如我们试图将这个设法组织在一条跟中止水平成反比的路径上,我们会获得如下成果:

l 往中间化数据分享:鼓励收集介入者宣布和分享数据,它是往中间化AI利用中最不具推翻性的部门。对于一个组织来说,参加一个收集并宣布和应用相干数据集,比构建一个基本举措措施并运行往中间化深度进修模子更轻易。

l 往中间化练习与猜测:在数据分享的往中间化收集树立之后,逻辑上讲,下一步是对模子练习及成果宣布的往中间化。该构造将引进除了盘算外所有方面的往中间化的AI模子。

l 往中间化的AI模子:终极,我们可以斟酌对AI模子的履行、资本的动态分派和模子的耗费进行往中间化。这将是往中间化AI的终极气象。

前面的步调为往中间化AI模式的采取供给了适用策略。该策略不仅适用,并且我们已经拥有解决周期中每个步调的新兴技巧。

往中间化数据分享:海洋协定

海洋协定(Ocean Protocol)是增加最快的往中间化AI仓库之一。概念上讲,海洋协定架构的重要感化是在AI工作流程中实实际体之间的往中间化通讯。从数据或者算法的供给商再到剖析东西,海洋协定供给了基于代币鼓励以及区块链智能合约的模子,答应各方以公正高效的互动模式在AI工作流中合作。尽管海洋协定具有通用功效集,但它经由过程引进代币化的鼓励层,在收集中的节点之间共享数据方面也表示不俗。海洋协定是少数往中间化AI仓库之一、可以跟重要深度进修与机械进修框架结合应用,且不会造成重年夜中止。

往中间化练习与猜测:Erasure

Erasure是为着名对冲基金Numerai对冲基金供给支撑的协定。从往中间化AI所有方面来看,Erasure在基于可用数据集的宣布与猜测验证方面表示杰出。Erasure的目的是供给一个往中间化的市场,在此中,数据科学家可以基于可用数据上传猜测,应用加密货泉质押猜测,并基于猜测成果的表示而获得嘉奖。

尽管第一批用例是来自Numerai,同金融相干,但Erasure可用于任何猜测。就构造而言,Erasure联合了几个组件,为往中间化市场中生意两边的往中间化交互供给基本。

往中间化AI模子:SingularityNet

Singularity按理来说,是往中间化AI范畴中最有野心的公司。它为风行的Sophia机械人供给支撑而著名,SingularityNet追求在AI性命周期的所有方面都引进往中间化。严厉来说,SingularityNet是一个使得AI办事可以在往中间化模子中安排和耗费的平台。它搭建于以太坊区块链之上,SingularityNet供给了一种模子,此中鼓励收集中的分歧介入者实行或应用AI办事。从架构的角度来看,SingularityNet基于一系列的组件,这些组件抽象了往中间化AI利用的性命周期的基础方面。

通往往中间化人工智能之路的要害是找到恰当的均衡,以打破常识集中和年夜企业的影响,并最年夜限度地削减技巧挑衅范畴的损坏。本文的设法供给了务实但不掉野心的方法来渐进地采取往中间化AI。

–延长浏览—-

《若何让区块链获得人工智能的才能》

《AI、区块链 & 马克思、卡夫卡》

——

风险警示:蓝狐笔记所有文章都不组成投资推举投资有风险,投资应当斟酌小我风险蒙受才能,建议对项目进行深刻考核,稳重做好本身的投资决议计划。

通往区块链的新世界:存眷“蓝狐笔记”大众号:lanhubiji

参加蓝狐笔记的常识星球:https://t.zsxq.com/iaQNnIq

参加蓝狐笔记群微信:pacinoli


义务编纂: