För att förbättra GPS-navigeringen taggar MIT-forskare vägegenskaper på digitala kartor genom maskininlärning. Utöver GPS-navigering har maskininlärning sett tillämpning inom många områden, allt från medicin till finansiell analys.
Maskininlärning utvecklas ständigt eftersom det är en vetenskap att utbilda datorer att agera som människor i verkliga situationer. Sakernas internets roll i ett revolutionärt samhälle kan inte ignoreras. Internet of Things kan använda avancerade algoritmer för maskininlärning (ML) för sina applikationer. Men eftersom en stor mängd data lagras på en central molnserver är det inte ett hållbart alternativ att använda centraliserade maskininlärningsalgoritmer på grund av enorma beräkningskostnader och problem med sekretessläckor.
I det här fallet blockchain förbättra sekretessen för IoT-nätverk, vilket gör att de kan decentralisera utan någon central auktoritet. Det är dock fortfarande en utmanande uppgift att använda känslig och massiv data lagrad på ett distribuerat sätt för tillämpningsändamål. För att övervinna denna svåra uppgift är Federated Learning (FL) en ny typ av ML. Denna mest lovande lösning kan ge lärande till slutenheter utan att dela privata data med en central server. Enkelt uttryckt tillåter Federated Learning företag att dela data i ett "slutet system."
Federated Learning (eller Collaborative Learning)
Som en helt decentraliserad maskininlärningsteknik är Federated Learning ett steg upp från de vanliga centraliserade och traditionella decentraliserade maskininlärningsteknikerna. Den lär ut en delad maskininlärningsalgoritm till olika frikopplade enheter som upprätthåller lokal data utan att dela denna data mellan enheterna.
Genom Federated Learning kan system upprätthålla datasekretess, minska strömförbrukningen, minska väntetiden och skapa mer intelligenta algoritmer. Googles tangentbord GBoard använder Federated Learning-tekniken.
Phoenix Global
Phoenix Global är blockkedjan som är värd för nästa generations konsumentfokuserade DApps. Phoenix Oracle vidarebefordrar verkliga tillgångspriser till blockkedjan. PHB, Phoenix Global kryptovaluta, utför transaktioner på blockkedjan. Phoenix Chain är sidokedjeagnostisk och överbryggar Binance Smart Chain (BSC), Ethereum , Solana , NEO och Tron .
Phoenix Global utökar Big Data-baserad artificiell intelligens (AI) via Federated Learning. Låt oss titta närmare på denna utveckling.
Phoenix Global plattformsfokus: Federated Learning
En sammanslagning mellan APEX nätverk och Red Pulse Phoenix födde Phoenix Global . Under Q2-utvecklingen 2020 uttryckte Phoenix Global en önskan att arbeta mycket med Federated Learning (FL) användningsfall och ekosystem. Denna önskan härrör från dessa fakta:
- FL är ett blockchain-användningsfall som är bunden till skalen för att samarbeta med befintliga AI-funktioner och användningsfall.
- FL kan skapa inkrementellt värde när fler deltar i blockchain-nätverket.
- Kina har en stor aptit för AI-konsumentapplikationer.
För att skydda konsumenternas integritet, eftersom fler människor använder datadrivna AI-applikationer, måste systemet decentralisera Nex-Gen DApps och skapa AI-applikationer.
Hur implementerar Phoenix Global-plattformen Federated Learning?
Phoenix Global, en föregångare inom FL användningsfall , har följande strategier för att köra FL:
Integration med befintliga AI-system
FL skulle kunna integreras med befintliga maskininlärningsalgoritmer, såsom APEX IQ, för att utöka användningsfallen för FL. APEX Technologies har börjat utforska tillämpningen av federerad inlärning och blockchain-teknik på området intelligent marknadsföring, med syfte att hjälpa företagskunder att få djupare och heltäckande kundinsikter under förutsättningen av säkerhet och efterlevnad.
Integration med Phoenix Oracle
Integration med det företagsförberedda Phoenix Oracle, som är PHB:s proprietära oraklet, kommer att möjliggöra snabb interaktion mellan AI-plattformar samtidigt som hög datasäkerhet och integritet bibehålls. Genom att integrera med det företagsklara Oracle kan FL-applikationer maximera värdet av blockkedjan samt lösa vissa problem som handlar om dataintegritet, säkerhet, antifusk och transparens.
Expansion av ekosystem, nätverk och allianser
Phoenix Global siktar på att skapa fler allianspartnerskap, införliva fler blockchain-nätverk och ekosystem för att förstärka FL-användningsfall. Till exempel har teknikjätten Green Cloud samarbetat med Phoenix Global för att undersöka FL-användningsfall. Phoenix Global är också i partnerskap med ARPA . Partnerskapet syftar till att implementera kärntekniken till AI och databeräkningsanvändningsfall som kräver att konsumenternas data förblir privata.
Teamexpansion
För att ytterligare förverkliga framtiden för FL på blockkedjan kommer PHB att tillhandahålla stordataanalys till alla enheter som vill använda den till en bråkdel av den nuvarande kostnaden, Phoenix Global anställer redan ingenjörer och utvecklare för att utöka sitt FL-team. Transparens och verifiering av data om blockchain kommer att hjälpa till att hindra blockeringar, oavsett deras specifika branscher.
Slutsats
För den futuristiska utvecklingen av AI-baserade konsumentapplikationer, integrerar Phoenix Global Federated Learning med blockchain-teknologi. Sedan maj 2021 har företaget gjort strategiska steg för att uppnå denna integration för att skala den med befintliga AI-system.
PHB främjar också samhällsdeltagande i att skapa marknadsföringskanaler och lägga till nya partners. Dess senaste utvecklingssträvan är fokuserad på att ta med koreanska och kinesiska partners och samhällen med rötter i AI-baserad teknik. AI och blockchain-teknik är innovationer före sin tid. Men de är utan tvekan i sin linda, och deras framtid beror på beslut som fattas idag. Phoenix Global skapar en community dedikerad till ett gemensamt mål – att ge båda teknologierna bästa möjliga resultat. PHB:s intresse för Federated Learning visar dess engagemang för att göra denna vision till verklighet.
