【译】Why Decentralized AI Matters Part I: Economics and Enablers
分散的人工智能（AI）的新兴领域正在成为过去几个月中最激动人心的技术趋势之一。关于人工智能（AI）和区块链技术交叉的潜在价值已经写了很多，今年，我们甚至还有一些专门讨论分散式人工智能主题的会议。然而，我觉得分散式人工智能背后的许多炒作未能突出新技术运动的一些关键价值主张，这可能使其成为本十年最基本的技术趋势之一。如果你相信人工智能将成为我们日常生活中越来越有影响力的因素，我相信分散的人工智能将成为指导机器智能对后代产生影响的重要因素。听起来很戏剧性？让我们看一下分散式人工智能背后的一些经济动态，试图澄清我们的观点。
4本挑战你对人工智能和社会观点的书籍 - 数据驱动的投资者
深度学习，像人类一样思考的机器人，人工智能，神经网络 - 这些技术引发了......
go.datadriveninvestor.com
如今，人工智能系统的概念直观地与集中化相关联。当我们谈论人工智能时，首先想到的是像亚马逊，Facebook或谷歌这样的公司，其机器智能系统正在成为我们日常生活的一部分。这些公司拥有的越来越丰富的数据资产使他们能够首先利用人工智能革命，创造一种并不总是与最终消费者保持一致的经济动力。即使我们今天用于构建AI系统的技术和方法也假设其核心是集中模型。
现代AI项目的生命周期假设您拥有一个模型和一个大型，高质量的数据集，您可以使用它来训练它，以及一个数据科学家库，可以不断调整和优化模型，以便变得更加智能化。 在大多数AI场景中，整个周期由单个实体执行，该实体具有收集大型数据集的资源，创建高度复杂的AI模型并运行昂贵的计算资源。
具有讽刺意味的是，当你仔细观察时，提供AI模型的大型政党的经济激励并不一定与消费者的价值创造保持一致。从经济角度来看，可能存在许多场景，其中AI代理以形式或收入，数据或简单结果增加其创建者资产价值的能力与创造更多价值的能力不直接相关。消费者。
集中智慧与联合知识
人工智能系统的集中性与人类智能的发展形成鲜明对比。知识存在于世界各地，完全分散和联合。博学是现场的一个新目标，但没有人可以宣称拥有特定主题的所有知识。知识协作和联合是一个关键的独特优势之一，它允许人类进化并支配物理上更强大的其他物种。然而，人工智能仍然越来越集中。在一个正在迅速发展普通人工智能和能够大大超越人类智慧水平的系统的世界中，我们难道不想将这些知识和影响联合起来而不是控制一些组织吗？
移动计算或物联网（IOT）等技术的出现挑战了人工智能的集中概念。如今，知识不断在边缘创造并流向集中式中心。钟摆必须转变为动态，其中诸如AI模型的训练，优化，测试和知识创建等方面在许多参与者之间联合起来。
为了分散AI模型，我们需要解决一些挑战：
a）隐私问题：实体可以培训模型而无需披露其数据。
b）影响问题：第三方能否以具有数量影响力的方式对AI模型的知识行为做出贡献。
c）经济问题：第三方是否可以被正确地激励，以促进AI模型的知识和质量。
d）透明度问题： AI模型的行为活动是否可以透明地提供给所有各方，而无需信任集中的权威机构。
在20世纪90年代，集中的AI今天就像是封闭源
今天的开源是高回报，是创建软件的最佳和最有效的方式，但情况并非总是如此。几十年来，大型软件公司倾向于采用封闭源交付模式，以便在知识产权（IP）方面具有优势。最终，经济动态证明，成千上万的有才华的工程师经常为一个项目做出贡献，而不是一些由公司利益驱动的工程师。
如果我们推断开源的演变到人工智能世界，今天我们就在20世纪90年代的某个地方，软件的价值创造受到少数公司的控制和影响。更糟糕的是，当涉及AI时，我们不仅谈论软件或AI模型，还谈论其他昂贵的资源，如数据科学人才，数据和计算能力。在那个世界中，分散的人工智能是新的开源，只不过人类的影响可能对人类产生更大的影响。
在本文的下一部分中，我们将讨论支持分散式AI架构的技术以及该领域的一些新兴参与者。
https://medium.com/datadriveninvestor/why-decentralized-ai-matters-part-i-economics-and-enablers-5576aeeb43d1
【译】Why Decentralized AI Matters Part I: Economics and Enablers相关推荐
- 【译】Why Decentralized AI Matters Part III: Technologies
对于今天的技术周五部分,我们将采取不同的方法.我们将讨论一组平台,而不是分析特定的产品或技术,作为我一直在撰写关于分散式人工智能(AI)平台的系列文章的一部分.本文的第一部分和第二部分探讨了市场动态和 ...
- 【译】Why Decentralized AI Matters Part II: Technological Enablers
这是一篇文章的第二部分,探讨了分散式人工智能(AI)作为未来十年基础技术趋势之一的价值主张.在前一部分中,我们讨论了分散式人工智能的一些经济基础.今天,我们将探讨一些支持第一波分散式AI平台的技术趋势 ...
- uni-app 微信同声传译，实现AI语音功能（语音转文字，文字转语音，英汉互译
uni-app 微信同声传译,实现AI语音功能(语音转文字,文字转语音,英汉互译) 一:添加插件 1.登录微信公众号平台,进入左边导航栏的设置,选择第三方设置,,添加插件,申请添加微信同声传译插件 2 ...
- 【译】Everything You Need to Know About Decentralized AI
上周,我在"AI With The Best"会议上发表了一篇关于我最喜欢的主题之一的会议,即分散式人工智能(AI).在"AI用最好的"会议是臭名昭著的汇集人工 ...
- 捧起同声传译圣杯的AI：向人类偷师、与人类共事
AI同传在机器翻译领域中算是一个关注度相当广泛的问题,对于大众来说,人们对其最深的印象就是科大讯飞的技术造假,对于行业内来说,AI同传任务处理上实时性.专业度的要求都极高,容错率也相对更低,在机器翻译 ...
- 【译】Private AI — Federated Learning with PySyft and PyTorch
介绍 在过去的几年中,我们都见证了人工智能和机器学习领域的重要而快速的发展.由于计算能力的提高(由上一代GPU和TPU提供)以及多年来积累的大量数据并且每秒都在创建,这种快速发展正在发生. 从会话助理 ...
- 百度新突破：AI同声传译系统STACL，可预测，低延迟
文章来源:ATYUN AI平台 百度开发了新的AI系统,名为同声传译和预期与可控延迟(STACL),百度声称这代表了自然语言处理的重大突破. 与大多数AI翻译系统不同,STACL能够在演讲者讲话后几秒 ...
- [wiki翻译]分布式人工智能-Distributed AI
分布式人工智能(DAI)也被叫做去中心化人工智能,他是人工智能研究领域的一个子领域,致力于开发分布式解决方案. DAI与多智能体系统(Multi-agent sytem)领域域切相关,并且是多智能体系 ...
- 万字长文！Jeff Dean亲笔盘点谷歌AI 2019：纵横16大方向，汇集重要开源算法（附链接）...
本文经AI新媒体量子位(公众号 ID: QbitAI)授权转载,转载请联系出处 本文约12000字,建议阅读20+分钟 本文是Jeff Dean代表Google AI,盘点过去一年AI大趋势. 又一年 ...
最新文章
- 三、Bean的初始化
- 【Java】eclipse如何导入项目
- 能够附加图片的标签控件iOS项目源码
- 分拆之后又有大动作，惠普的下一步怎么走？
- 快速安装第三方库的指令——解决第三方库安装超时问题
- 在SqlServer存储过程中使用Cursor（游标）操作记录
- 4行代码AC——L1-026 I Love GPLT (5分)
- java applet 游戏_Java Applet实现五子棋游戏
- 在c#中将debug/release下文件打包成一个可直接运行exe文件
- 一步一步学Ruby(二十一):文件操作2
- debian添加删除用户
- 把CNN里的乘法全部去掉会怎样？华为提出移动端部署神经网络新方法
- 美国智能机市场Android份额逼近苹果iOS
- 混亂的思維 ~ 很高興能邂逅到常年不見的竹子
- 微信怎样授权群相册服务器,怎么创建微信群相册？微信群相册设置与创建全攻略(图文)...
- Linux python 虚拟环境搭建与配置
- 股票内参|港股暴力拉升 恒生科技指数大涨
- openCV之waitKey函数简介
- 医学图像分割之Attention U-Net
- might和could的区别用法_cancould和maymight的用法有什么区别？