上周，我在“AI With The Best”會議上發表了一篇關于我最喜歡的主題之一的會議，即分散式人工智能（AI）。在“AI用最好的”會議是臭名昭著的匯集人工智能研究人員和從業人員的混合率與同觀眾如此的一部分，作為主講人，你必須有深刻的AI研究和實踐課題之間的平衡。在我的演講中，我試圖總結一下我在分散的AI空間中探索的一些想法。具體來說，我試圖提供一些有關以下問題的背景信息：

a）集中式AI解決方案的主要風險是什么？

b）分散AI的關鍵障礙是什么？

c）能夠實現人工智能分散的技術運動是什么？

d）今天開創分散式人工智能解決方案的主要公司有哪些？

完整的滑動甲板可在下方或此處使用。本文的其余部分總結了我的演講中包含的一些最相關的想法。

集中式AI解決方案的主要風險

如今的AI解決方案在其整個生命周期中完全集中。從培訓到部署和優化，當今的AI系統依賴于在明確信任邊界下運行的集中式權限，并控制實施特定AI解決方案所需的數據和資源。從這個角度來看，今天的AI系統至少受到四個集中矢量的影響

關于集中式AI模型的風險已經寫了很多。在我看來，人工智能集中化的主要風險可歸納為三個簡單的原則：

?

?

·?豐富的問題??：今天的集中式AI主要是擁有豐富數據集的大公司的特權。這些公司能夠聘請昂貴的數據科學團隊，開發模型，生成更多數據，豐富公司的數據集。這種惡性循環導致谷歌，蘋果，Facebook和亞馬遜等公司獲得了前所未有的知識水平和對我們日常生活的影響。

·?分散的知識集中的AI摩擦：從認知的角度來看，知識獲取是一種本質上分散的活動。在掌握任務時，我們本能地傾向于從不同來源獲得輸入。但是，我們堅持在今天的大多數人工智能系統中強加一個權威來源，這些系統始終導致有偏見和不完整的知識。

·?透明度 - 影響比率：集中式人工智能系統正在影響大型組織對其客戶/用戶的影響程度及其透明度的不成比例。從來沒有人類歷史這么多人對這么多人了解這么多，沒有義務對他們的知識保持透明。如果沒有政治，只需比較政治活動在Google，Twitter或Facebook上發起的影響程度，即選舉結果與普通人群了解這些公司如何處理數據和獲取用戶知識的程度。

分散人工智能的挑戰

如果采用集中式AI方法存在很多風險，為什么我們不能看到更加分散的AI解決方案。除了明顯的技術障礙之外，我認為還有四個關鍵挑戰需要解決才能使分散的人工智能成為現實。

?

?

人工智能分散的基礎技術

我已經寫了很多關于分散式人工智能解決方案的技術構建塊，所以我不打算向你介紹細節。一般來說，我們可以將分散式人工智能系統的技術推動者分為三大類：

目前，有一小部分技術和技術可以被認為是大多數分散的AI解決方案的共同點：

?

?

·?分布式分類帳和智能合約：非常明顯的一點是，區塊鏈/分布式分類帳和智能合約正成為分散式AI解決方案的首選運行時和編程模型。我寫了一篇關于blockchains對分散的AI系統在角色這篇文章。

·?聯合學習：由Google開創，聯邦學習提供了一種有效的方法，用于在節點網絡中分配構建集體知識的過程，同時保留各個節點的自治和隱私。我在本文中寫了關于聯邦學習的內容。在分散式人工智能的背景下，聯邦學習對于使分散的實體組能夠為人工智能模型的知識做出貢獻至關重要。

·?同態加密：同態加密被認為是密碼學的圣杯，可以對加密數據集執行數學運算（如機器學習模型）。我在本文中詳細介紹了同態加密的一些數學基礎。同態加密將允許分散式AI架構中的節點在加密數據集上執行模型，而無需解密數據。

·?對抗性神經網絡密碼學：生成性對抗神經網絡（GAN）密碼術是一種聰明的技術，能夠以對幾乎任何附著都具有彈性的方式實現不同方之間的安全通信。我將在本文中探討有關GAN加密的一些細節。在分散式AI解決方案的背景下，GAN加密技術將允許分散式網絡中的節點安全地交換信息，而無需信任預定義的加密方案。

·?安全的多方計算：?Enigma區塊鏈，安全多方計算（xMPC）等突破性技術背后的方法為同態加密提供了更便宜的替代方案，允許不同方表達關于數據集的斷言，該數據集可以通過數學方式驗證而無需訪問到底層數據集。我在這篇文章中寫過關于sPMC的文章。與同態加密類似，sMPC可以使機器學習模型在安全數據集上執行，而不會危及數據的安全性。

今天分散AI的四個平臺

分散式人工智能仍處于早期階段，但我們已經看到第一代平臺可以在空間中變得相關。以下是我的一些最愛：

SingularityNet

SingularityNET可以說是分散式人工智能空間中最知名的項目，它是一個開源協議和智能合約的集合，用于協調人工智能服務的分散市場。從概念上講，SingularityNET是一個通用的，分散的市場，提供可用于交換加密貨幣的AI代理組合。

SingularityNet平臺使用基于區塊鏈智能合約的接口擴展AI代理，這些接口允許他們加入網絡并與第三方應用程序或其他代理進行交互。SingularityNET智能合約的初始版本基于以太坊的Solidity語言，但未來應支持其他智能合約環境。為了執行操作，智能合約交換AGI代幣作為支付AI代理執行的服務的主要經濟單位。

我最近發表了對SingularityNet平臺的分析。

OpenMined

OpenMined喜歡將自己標榜為分散的AI社區，而不是特定的平臺。從這個角度來看，OpenMined已經實現了一系列工具和框架，可以實現分散的AI應用程序。

·?聲納?- 在區塊鏈上運行的聯合學習服務器，用于處理所有廣告系列請求，信任Bounty。

·?Capsule?- 第三方PGP服務器，用于生成公鑰和私鑰，以確保Sonar神經網絡保持正確加密。

• 我的?- 用戶的各個數據存儲庫。這些都在不斷檢查聲納，以尋求新的神經網絡。上傳到礦山的數據越多，它與Sonar的相關性就越高。
• Syft?- 包含神經網絡的庫，可以在加密狀態下進行訓練（這樣礦工就無法竊取他們下載的神經網絡進行訓練）。

我最近發布了對OpenMined平臺的分析。

海洋

Ocean正在努力成為分散式AI應用程序無處不在的協議。從概念上講，海洋議定書是一個共享數據和相關服務的生態系統。它提供了一個標記化的服務層，通過一組關于可用性和完整性的確定性證據來公開數據，存儲，計算和算法，以作為可驗證的服務協議。在建筑方面，海洋議定書包括以下組成部分：

·提供者：這些參與者擁有以加密可證明的方式提供的AI數據或服務。服務可能包括：數據本身，存儲（集中式或分散式），計算10（集中式或分散式，隱私保護與否）等。

·市場：為方便起見，數據/服務市場通常是供應商和消費者與海洋網絡的互動方式。每個市場都有望促進發現，可交易性或驗證等功能

·數據公共接口：與提供定價數據的數據市場并排是數據公共接口，免費或公共數據接口。這些接口可能是網頁，軟件庫等。守護者。海洋網絡本身由一組海洋守護者節點組成。

·守護者：開普者負責集體維護網絡。任何人都可以運行海洋守護者節點;?這是免授權的。參與是開放和匿名的。

Algorithmia

Algorithmia最近通過發布他們的Danku進入分散的AI空間，這是一種新的基于區塊鏈的協議，用于評估和購買公共區塊鏈（如以太坊）上的ML模型。DanKu使任何人都可以訪問高質量，客觀測量的機器學習模型。

你可以在這里閱讀我對Algorithmia Danku的分析。

雖然仍處于初期階段，但分散的人工智能有望成為未來十年最重要的技術運動之一。我希望你能找到關于分散式AI引人注目的分析，并幫助你開始研究這個空間。

?

https://towardsdatascience.com/everything-you-need-to-know-about-decentralized-ai-3abdb052324b

總結

以上是生活随笔為你收集整理的【译】Everything You Need to Know About Decentralized AI的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。