【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智能研究人员和从业人员的混合率与同观众如此的一部分，作为主讲人，你必须有深刻的AI研究和实践课题之间的平衡。在我的演讲中，我试图总结一下我在分散的AI空间中探索的一些想法。具体来说，我试图提供一些有关以下问题的背景信息：

a）集中式AI解决方案的主要风险是什么？

b）分散AI的关键障碍是什么？

c）能够实现人工智能分散的技术运动是什么？

d）今天开创分散式人工智能解决方案的主要公司有哪些？

完整的滑动甲板可在下方或此处使用。本文的其余部分总结了我的演讲中包含的一些最相关的想法。

集中式AI解决方案的主要风险

如今的AI解决方案在其整个生命周期中完全集中。从培训到部署和优化，当今的AI系统依赖于在明确信任边界下运行的集中式权限，并控制实施特定AI解决方案所需的数据和资源。从这个角度来看，今天的AI系统至少受到四个集中矢量的影响

关于集中式AI模型的风险已经写了很多。在我看来，人工智能集中化的主要风险可归纳为三个简单的原则：

 

 

· 丰富的问题​​：今天的集中式AI主要是拥有丰富数据集的大公司的特权。这些公司能够聘请昂贵的数据科学团队，开发模型，生成更多数据，丰富公司的数据集。这种恶性循环导致谷歌，苹果，Facebook和亚马逊等公司获得了前所未有的知识水平和对我们日常生活的影响。

· 分散的知识集中的AI摩擦：从认知的角度来看，知识获取是一种本质上分散的活动。在掌握任务时，我们本能地倾向于从不同来源获得输入。但是，我们坚持在今天的大多数人工智能系统中强加一个权威来源，这些系统始终导致有偏见和不完整的知识。

· 透明度 - 影响比率：集中式人工智能系统正在影响大型组织对其客户/用户的影响程度及其透明度的不成比例。从来没有人类历史这么多人对这么多人了解这么多，没有义务对他们的知识保持透明。如果没有政治，只需比较政治活动在Google，Twitter或Facebook上发起的影响程度，即选举结果与普通人群了解这些公司如何处理数据和获取用户知识的程度。

分散人工智能的挑战

如果采用集中式AI方法存在很多风险，为什么我们不能看到更加分散的AI解决方案。除了明显的技术障碍之外，我认为还有四个关键挑战需要解决才能使分散的人工智能成为现实。

 

 

人工智能分散的基础技术

我已经写了很多关于分散式人工智能解决方案的技术构建块，所以我不打算向你介绍细节。一般来说，我们可以将分散式人工智能系统的技术推动者分为三大类：

目前，有一小部分技术和技术可以被认为是大多数分散的AI解决方案的共同点：

 

 

· 分布式分类帐和智能合约：非常明显的一点是，区块链/分布式分类帐和智能合约正成为分散式AI解决方案的首选运行时和编程模型。我写了一篇关于blockchains对分散的AI系统在角色这篇文章。

· 联合学习：由Google开创，联邦学习提供了一种有效的方法，用于在节点网络中分配构建集体知识的过程，同时保留各个节点的自治和隐私。我在本文中写了关于联邦学习的内容。在分散式人工智能的背景下，联邦学习对于使分散的实体组能够为人工智能模型的知识做出贡献至关重要。

· 同态加密：同态加密被认为是密码学的圣杯，可以对加密数据集执行数学运算（如机器学习模型）。我在本文中详细介绍了同态加密的一些数学基础。同态加密将允许分散式AI架构中的节点在加密数据集上执行模型，而无需解密数据。

· 对抗性神经网络密码学：生成性对抗神经网络（GAN）密码术是一种聪明的技术，能够以对几乎任何附着都具有弹性的方式实现不同方之间的安全通信。我将在本文中探讨有关GAN加密的一些细节。在分散式AI解决方案的背景下，GAN加密技术将允许分散式网络中的节点安全地交换信息，而无需信任预定义的加密方案。

· 安全的多方计算： Enigma区块链，安全多方计算（xMPC）等突破性技术背后的方法为同态加密提供了更便宜的替代方案，允许不同方表达关于数据集的断言，该数据集可以通过数学方式验证而无需访问到底层数据集。我在这篇文章中写过关于sPMC的文章。与同态加密类似，sMPC可以使机器学习模型在安全数据集上执行，而不会危及数据的安全性。

今天分散AI的四个平台

分散式人工智能仍处于早期阶段，但我们已经看到第一代平台可以在空间中变得相关。以下是我的一些最爱：

SingularityNet

SingularityNET可以说是分散式人工智能空间中最知名的项目，它是一个开源协议和智能合约的集合，用于协调人工智能服务的分散市场。从概念上讲，SingularityNET是一个通用的，分散的市场，提供可用于交换加密货币的AI代理组合。

SingularityNet平台使用基于区块链智能合约的接口扩展AI代理，这些接口允许他们加入网络并与第三方应用程序或其他代理进行交互。SingularityNET智能合约的初始版本基于以太坊的Solidity语言，但未来应支持其他智能合约环境。为了执行操作，智能合约交换AGI代币作为支付AI代理执行的服务的主要经济单位。

我最近发表了对SingularityNet平台的分析。

OpenMined

OpenMined喜欢将自己标榜为分散的AI社区，而不是特定的平台。从这个角度来看，OpenMined已经实现了一系列工具和框架，可以实现分散的AI应用程序。

· 声纳 - 在区块链上运行的联合学习服务器，用于处理所有广告系列请求，信任Bounty。

· Capsule - 第三方PGP服务器，用于生成公钥和私钥，以确保Sonar神经网络保持正确加密。

• 我的 - 用户的各个数据存储库。这些都在不断检查声纳，以寻求新的神经网络。上传到矿山的数据越多，它与Sonar的相关性就越高。
• Syft - 包含神经网络的库，可以在加密状态下进行训练（这样矿工就无法窃取他们下载的神经网络进行训练）。

我最近发布了对OpenMined平台的分析。

海洋

Ocean正在努力成为分散式AI应用程序无处不在的协议。从概念上讲，海洋议定书是一个共享数据和相关服务的生态系统。它提供了一个标记化的服务层，通过一组关于可用性和完整性的确定性证据来公开数据，存储，计算和算法，以作为可验证的服务协议。在建筑方面，海洋议定书包括以下组成部分：

·提供者：这些参与者拥有以加密可证明的方式提供的AI数据或服务。服务可能包括：数据本身，存储（集中式或分散式），计算10（集中式或分散式，隐私保护与否）等。

·市场：为方便起见，数据/服务市场通常是供应商和消费者与海洋网络的互动方式。每个市场都有望促进发现，可交易性或验证等功能

·数据公共接口：与提供定价数据的数据市场并排是数据公共接口，免费或公共数据接口。这些接口可能是网页，软件库等。守护者。海洋网络本身由一组海洋守护者节点组成。

·守护者：开普者负责集体维护网络。任何人都可以运行海洋守护者节点; 这是免授权的。参与是开放和匿名的。

Algorithmia

Algorithmia最近通过发布他们的Danku进入分散的AI空间，这是一种新的基于区块链的协议，用于评估和购买公共区块链（如以太坊）上的ML模型。DanKu使任何人都可以访问高质量，客观测量的机器学习模型。

你可以在这里阅读我对Algorithmia Danku的分析。

虽然仍处于初期阶段，但分散的人工智能有望成为未来十年最重要的技术运动之一。我希望你能找到关于分散式AI引人注目的分析，并帮助你开始研究这个空间。

 

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