人工智能慢慢進(jìn)入人們的生活中，但其背后都是基于互聯(lián)網(wǎng)巨頭對集中化的大數(shù)據(jù)分析和模型學(xué)習(xí)，這就導(dǎo)致了其帶來的風(fēng)險(xiǎn)和傾向性問題，新的分布式人工智能能解決問題嗎？會(huì)帶來新的網(wǎng)絡(luò)經(jīng)濟(jì)嗎？

 集中化AI解決方案的主要風(fēng)險(xiǎn)

 互聯(lián)網(wǎng)上的大多數(shù)AI巨頭都依賴于不斷收集用戶個(gè)人數(shù)據(jù)，用于建立和維護(hù)機(jī)器學(xué)習(xí)模型。這些模型通常是這些公司數(shù)據(jù)價(jià)值的核心，不僅為他們自己的服務(wù)提供建議、行為分析和洞察消費(fèi)者，而且還提供相關(guān)的廣告。

 比如電商，天貓、京東收集你的個(gè)人信息會(huì)傳回各自的集中化云服務(wù)再進(jìn)行運(yùn)算，通過人工智能算法給你做各種，引導(dǎo)你消費(fèi)和廣告營銷。

 如今的AI解決方案在其整個(gè)生周期中完全集中。從學(xué)習(xí)到部署和優(yōu)化，當(dāng)今的AI系統(tǒng)依賴于在明確信任邊界下運(yùn)行的集中化的權(quán)限，并控制實(shí)施特定AI解決方案所需的數(shù)據(jù)和資源。主要有以下三個(gè)風(fēng)險(xiǎn)。

 富人越來越富裕問題：今天的集中化人工智能主要是擁有豐富數(shù)據(jù)集的大公司的特權(quán)。這些公司能夠聘請昂貴的數(shù)據(jù)科學(xué)團(tuán)隊(duì)，開發(fā)模型，生成更多數(shù)據(jù)，豐富公司的數(shù)據(jù)集。這種惡性循環(huán)導(dǎo)致許多互聯(lián)網(wǎng)巨頭公司獲得了前所未有的知識(shí)水平和對我們?nèi)粘Ｉ畹挠绊憽?/span>

分散的知識(shí)與集中化的AI摩擦：從認(rèn)知的角度來看，獲取知識(shí)本質(zhì)上是一種分散的活動(dòng)。在掌握任務(wù)時(shí)，我們本能地傾向于從不同來源獲得輸入。但是，我們堅(jiān)持對當(dāng)今大多數(shù)人工智能系統(tǒng)強(qiáng)加一個(gè)權(quán)威來源，這些系統(tǒng)始終導(dǎo)致有偏見和不完整的知識(shí)。

透明度，影響比率：集中式人工智能系統(tǒng)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。在人類歷史上從來沒有人能毫無義務(wù)的對他們的知識(shí)保持透明。人們在選擇上都會(huì)受到互聯(lián)網(wǎng)的各種社交媒體和主流媒體的影響和引導(dǎo)。

分布式人工智能

 在2019年，我們將看到以邊緣AI形式出現(xiàn)的這些實(shí)踐的替代方案：機(jī)器學(xué)習(xí)將發(fā)生在“靠近”用戶的設(shè)備，如家庭路由器或本地?cái)?shù)據(jù)聚合點(diǎn)上。這將采取不同的形式，包括本地學(xué)習(xí)（模型在本地學(xué)習(xí)）; 分布式或聯(lián)合學(xué)習(xí)方法，全局學(xué)習(xí)的模型在本地優(yōu)化和重新學(xué)習(xí)，而不將數(shù)據(jù)傳輸回云; 或合作學(xué)習(xí)方法，持續(xù)的區(qū)域數(shù)據(jù)有助于全球模型的學(xué)習(xí)。

 這些方法旨在找到個(gè)人隱私，模型的復(fù)雜性和大小，個(gè)性化的數(shù)量以及模型對個(gè)體用戶的過度擬合以及用戶的資源（例如帶寬，記憶和能量）之間的平衡。由于它們的輕質(zhì)特性和通過本地處理進(jìn)行優(yōu)化的能力，它們通常會(huì)得到較好的結(jié)果。而且，由于這些模型可以針對個(gè)人用戶進(jìn)行本地的個(gè)性化，因此分布式人工智能計(jì)算模型會(huì)表現(xiàn)出比集中化的全球機(jī)器學(xué)習(xí)模型更優(yōu)的結(jié)果。這對于諸如活動(dòng)識(shí)別或情緒之類的AI任務(wù)特別有用。

 在接下來的一年里，我們將看到新的業(yè)務(wù)并形成理想的“邊緣”解決方案。雖然該技術(shù)領(lǐng)先于經(jīng)濟(jì)學(xué)，但是邊緣能夠在不同的基于云服務(wù)，獲得各種用戶數(shù)據(jù)之間進(jìn)行關(guān)聯(lián)，這將為其提供市場優(yōu)勢。邊緣個(gè)體的學(xué)習(xí)和擬合模型，如個(gè)人語音或個(gè)人活動(dòng)識(shí)別，可以產(chǎn)生卓越的效果，邊緣解決方案的經(jīng)濟(jì)效率將慢慢從集中化系統(tǒng)中剝離。

 在2019年，我們將看到人工智能解決方案的戰(zhàn)斗在集中式和分布式模型之間波動(dòng)。通過創(chuàng)建新的交易，將帶來不同類型設(shè)計(jì)的收入流。 

 分布式人工智能能解決問題嗎？

 工具，分析，數(shù)據(jù)和隱私的支付方式將出現(xiàn)新的機(jī)制，我們將找到在邊緣為新服務(wù)交換數(shù)據(jù)的方法。獲取該數(shù)據(jù)的那些實(shí)體將能夠在首先創(chuàng)建它的邊緣對服務(wù)進(jìn)行回報(bào)。雖然目前還未知分布式人工智能是否能解決集中化帶來的風(fēng)險(xiǎn)問題，互聯(lián)網(wǎng)將繼續(xù)成為數(shù)據(jù)創(chuàng)新和機(jī)會(huì)的地方，但在2019年，它將找到比目前更有效和更公平的方式呈現(xiàn)。