La blockchain di Phoenix Global (PHB) sta alimentando le DApp Nex-Gen costruite per adattarsi all'esperienza del cliente. trac intelligenti multilivello . Altri vantaggi sono la crittografia dei dati di primo livello, un duplice meccanismo di consenso per migliorare agilità e prestazioni, sicurezza e interazioni avanzate.
Quali sono i ruoli del Federated Learning e dell'Internet of Things nelle implementazioni PHB?
Apprendimento federato: una rapida panoramica
Il Federated Learning, spesso definito Intelligenza Artificiale Distribuita/Apprendimento Automatico, è un approccio che facilita l'apprendimento collaborativo da grandi set di dati appartenenti a proprietari diversi senza compromettere la privacy dei dati grezzi di ciascun individuo.
In altre parole, utilizza la potenza di calcolo di diverse fonti di apprendimento per migliorare l’efficienza di apprendimento di un modello offrendo allo stesso tempo eccellenti soluzioni di privacy a tutti i proprietari di dati.
FL è particolarmente utile se i dati richiesti non sono open source o prontamente disponibili per ragioni strategiche o legali. Inoltre, cerca di affrontare le imminenti questioni relative alla privacy e alla governance dei dati adottando un approccio formativo basato su un modello collaborativo senza divulgare dati sensibili.
- Le auto a guida autonoma, ad esempio, richiedono grandi quantità di dati reali per accelerare l’apprendimento; l’utilizzo di un approccio cloud convenzionale potrebbe rappresentare una sfida per la sicurezza. FL può garantire la sicurezza dei dati e un apprendimento rapido.
- Le tecniche di machine learning (ML) hanno enj di un’adozione di massa nell’Industria 4.0 e nei sistemi sanitari avanzati per migliorare la sicurezza, l’efficacia e l’efficienza dei processi. Tuttavia, la privacy dei dati non è garantita, ma con gli algoritmi FL i dati sensibili sono tenuti al sicuro.
Internet delle cose (IoT): una rapida panoramica
L’Internet delle cose (IoT) sta rapidamente penetrando in tutti gli aspetti della vita con una valanga di applicazioni basate sull’intelligenza artificiale e di altri servizi intelligenti.
Facilita la connessione di miliardi di dispositivi abilitati alla rete – “cose” – e utilizza enormi quantità di punti dati centralizzati.
A causa della scalabilità e delle crescenti preoccupazioni sulla privacy, le tradizionali tecniche di intelligenza artificiale potrebbero non trovare casi d’uso reali nelle reti IoT emergenti.
Apprendimento federato e IoT – Phoenix Global nel mix
Sebbene gli aspetti positivi dell’IoT rimangano innegabili, i problemi di scalabilità, sicurezza e privacy che lo circondano (IoT) rimangono validi. Tuttavia, il Federated Learning (FL) è emerso come un approccio collaborativo e distributivo dell’intelligenza artificiale (AI) per risolvere queste sfide.
Con numerose conversazioni in corso nello spazio Blockchain, grandi volumi di dati raccolti nel tempo e l’emergere di grandi imprese di consumo e progetti pilota, sta diventando sempre più dent che il Federated Learning accelererà le capacità e i casi d’uso dell’intelligenza artificiale.
Un’applicazione in rapida crescita della FL può essere vista nel fenomeno guidato dalla Cina. Inoltre, la necessità di insight basati sull’intelligenza artificiale ha continuato a riemergere, soprattutto con la crescita esponenziale della domanda di applicazioni di intelligenza artificiale basate sui dati.
Phoenix Global, un operatore di mercato dent , in collaborazione con Seneca ESG e APEX Technologies, è destinato a offrire ai consumatori un'adozione anticipata da parte delle imprese integrando FL con Phoenix Oracle e gli attuali modelli e sistemi di intelligenza artificiale come APEX IQ.
L’integrazione con Oracle pronto per l’impresa garantirà che le applicazioni di Federated Learning risolvano i problemi relativi alla sicurezza, all’integrità e alla trasparenza dei dati dei consumatori, massimizzando allo stesso tempo tutti i vantaggi della Blockchain.
FL funziona di pari passo con l'IoT. I progetti pilota più recenti riguardano le collaborazioni Business-to-Business (B2B), in cui i nodi dati sono dispositivi intelligenti o nodi locali, come nell’edge computing. Questo tipo di caso d'uso ha continuato a guadagnare trac nello spazio tecnologico e Blockchain, ed è qui che PHB entra di nuovo nel mix.
FL e IoT offrono molte opportunità interessanti e PHB è destinato a trarne enormi benefici dal potenziale onboarding dei consumatori e dei loro dispositivi.
Pensieri finali
I contro dell’IoT sono innegabili, così come i pro. Il Federated Learning offre un meccanismo ML impeccabile ed efficiente per risolvere le preoccupazioni esistenti sulla capacità dell'hardware, sulla privacy dei dati e sulla connettività dei dispositivi IoT. Phoenix Global cerca di sostenere i sistemi Nex-Gen di ampi dati decentralizzati con una migliore governance e trasparenza dell’intelligenza artificiale e dei dati.
