Phoenix Global (PHB)ブロックチェーンは、顧客エクスペリエンスに合わせて構築された次世代 DApps を強化しています。 PHB 分散アプリケーション (DApps) は、エンタープライズ サイドチェーンと多層スマート コントラクトを通じて、最適化されたスケーラビリティと柔軟性を約束しtrac。 トップレベルのデータ暗号化、俊敏性とパフォーマンスを向上させるための 2 つのコンセンサス メカニズム、セキュリティ、高度なインタラクションなどの特典もあります。
PHB 導入における Federated Learning とモノのインターネットの役割は何ですか?
Federated Learning – 概要
分散型人工知能/機械学習とも呼ばれるフェデレーテッド ラーニングは、各個人の生データのプライバシーを損なうことなく、異なる所有者に属する大規模なデータセットからの共同学習を促進するアプローチです。
言い換えれば、すべてのデータ所有者に優れたプライバシー ソリューションを提供しながら、複数の学習ソースのコンピューティング能力を利用してモデルの学習効率を向上させます。
FL は、必要なデータがオープンソースではない場合や、戦略的または法的理由からすぐに入手できない場合に特に役立ちます。 さらに、機密データを開示せずに、協調的なモデル トレーニング アプローチを採用することで、差し迫ったプライバシーとデータ ガバナンスの問題に取り組むことを目指しています。
- たとえば、自動運転車は学習を加速するために大量の実世界データを必要とし、従来のクラウド アプローチを利用すると安全性の課題が生じる可能性があります。 FL はデータのセキュリティとペースの速い学習を保証します。
- 機械学習 (ML) 技術は、プロセスの安全性、有効性、効率を向上させるために、インダストリー 4.0 および高度な医療システムで大量に採用さenjてきました。 ただし、データのプライバシーは保証されていませんが、FL アルゴリズムを使用すると、機密データは安全に保管されます。
モノのインターネット (IoT) – 簡単な展望
モノのインターネット (IoT) は、AI を活用したアプリケーションやその他のインテリジェント サービスの雪だるま式増加により、生活のあらゆる側面に急速に浸透しています。
これにより、何十億ものネットワーク対応デバイス (「モノ」) の接続が容易になり、大量の集中データ ポイントが利用されます。
スケーラビリティとプライバシーへの懸念の高まりにより、従来の人工知能技術は新興の IoT ネットワークでは実際のユースケースを見つけられない可能性があります。
Federated Learning と IoT – Phoenix Global を組み合わせて
IoT の利点は依然として否定できませんが、IoT (IoT) を取り巻くスケーラビリティ、セキュリティ、プライバシーに関する懸念は依然として存在します。 しかし、Federated Learning (FL) は、これらの課題を解決するための協調的かつ分散型の人工知能 (AI) アプローチとして浮上しています。
ブロックチェーン空間での継続的な会話、一度に収集される大量のデータ、大規模な消費者企業とパイロットの出現により、Federated Learning が AI の機能とユースケースを加速することがますますdentなってきています。
中国主導の現象では、FL の応用が急速に成長していることがわかります。 さらに、特にデータ駆動型の人工知能アプリケーションに対する需要の急激な増加に伴い、AI ベースの洞察に対するニーズが再浮上し続けています。
独立dent市場プレーヤーである Phoenix Global は、Seneca ESG および APEX Technologies と連携して、FL と Phoenix Oracle、および APEX IQ などの最新の AI モデルおよびシステムを統合することで、消費者に早期の企業導入を提供する予定です。
エンタープライズ対応の Oracle との統合により、Federated Learning アプリケーションは消費者データのセキュリティ、整合性、透明性に関する問題を確実に解決しながら、ブロックチェーンの利点を最大限に活用することができます。
FL は同等。 最新のパイロットは企業間 (B2B) コラボレーションで行われており、データ ノードはエッジ コンピューティングと同様にスマート デバイスまたはローカル ノードです。 tracを集め続けており、そこで PHB が再び登場します。
FL と IoT は多くのエキサイティングな機会をもたらし、PHB は消費者とそのデバイスをオンボーディングする可能性によって多大な利益を得る予定です。
最終的な考え
IoT の短所は否定できませんが、長所も同様です。 Federated Learning は、ハードウェア容量、データ プライバシー、IoT デバイスの接続に関する既存の懸念を解決する、完璧で効率的な ML メカニズムを提供します。 Phoenix Global は、AI とデータのガバナンスと透明性を向上させて、広範な分散データの Nex-Gen システムを擁護することを目指しています。