探讨分散式人工智能如何改变集中式AI模型的现状，通过联合全球知识，解决隐私、影响、经济和透明度问题，类似于开源软件的发展历程。
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。
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......
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。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
