CiferAI, передовой американский технологический стартап под руководством тайского основателя, успешно завершил этап инвестиций ангельских инвесторов, обеспечив себя $650 000 для дальнейшего развития своей передовой технологии децентрализованного машинного обучения. Этот раунд финансирования включает невозмещаемый грант от техногиганта Google и является значительным достижением для инновационной компании.
Компания приступила к решению актуальных проблем, связанных с централизацией развития искусственного интеллекта, таких как нарушения безопасности, предвзятость, недостаток прозрачности и задержки. Более того, учитывая ограничения доступа к высококачественным и чувствительным данным из-за строгих законов о защите данных, таких как HIPAA в США и GDPR в Европе, решение CiferAI особенно актуально.
CiferAI представляет технологию децентрализованного федеративного обучения, которая позволяет производить прямое обучение моделей ИИ на устройствах пользователей без централизованного хранения данных. Этот подход снижает предвзятость, улучшает разнообразие данных, способствует прозрачности и ускоряет эффективность работы. При этом обеспечивается конфиденциальность данных, так как законодательные ограничения на персональную информацию являются приоритетом.
Основываясь на Cifer Blockchain Network, платформа децентрализованного машинного обучения стартапа использует передовой алгоритм «Byzantine Robust», предлагая уровень защиты, превосходящий текущие популярные решения, такие как Ethereum. Архитектура разработана с учетом возможности расширения и повышает скорость обработки более чем в два раза.
Миранда Сонгсанг Паттанасин, видящий генеральный директор и основатель CiferAI, заявила, что инвестиции ангельских инвесторов являются важным шагом к занятию лидирующего положения в разработке устойчивой, этичной технологии ИИ с надежной защитой конфиденциальности. CiferAI остается предана созданию эффективных решений в области искусственного интеллекта, которые гарантируют равноправный и широкий доступ к преимуществам технологий ИИ.
Самые важные вопросы и ответы:
Q: Что такое децентрализованное машинное обучение и в чем отличие от традиционного машинного обучения?
A: Децентрализованное машинное обучение предполагает обучение моделей ИИ на локальных устройствах, не передавая данные за пределы этих устройств. В традиционном машинном обучении часто требуется централизованное хранение данных и обработка, что может создавать угрозы безопасности и конфиденциальности. Децентрализация улучшает конфиденциальность и безопасность данных, снижает предвзятость и повышает скорость и эффективность обучения моделей ИИ, используя распределенную сеть устройств.
Q: Как использование алгоритма «Byzantine Robust» CiferAI обеспечивает более высокий уровень безопасности?
A: Алгоритм «Byzantine Robust» разработан для обеспечения защиты от конкретного типа сбоев, известного как «Byzantine fault», когда компоненты системы отказывают в произвольных способах, что потенциально может привести к неправильному поведению системы или злонамеренной деятельности. Используя алгоритм «Byzantine Robust», платформа CiferAI направлена на выдерживание таких сбоев и обеспечение целостности и надежности процесса децентрализованного машинного обучения даже в присутствии потенциально злонамеренных или ненадежных узлов.
Ключевые вызовы и спорные вопросы:
Разработка децентрализованных систем ИИ требует преодоления множества технических проблем, таких как обеспечение стабильной производительности модели на различных устройствах и поддержание синхронизации без центральной координации. Также могут возникнуть спорные вопросы, связанные с поощрением участия лиц в процессе федеративного обучения, а также продолжающийся дебат по обмену данными между конфиденциальностью данных и общественными выгодами.
Преимущества и недостатки:
Преимущества:
— Повышает безопасность данных, избегая централизованных хранилищ данных.
— Улучшает конфиденциальность, поскольку персональные данные остаются на устройстве пользователя.
— Снижает предвзятость и содействует разнообразию путем обучения на различных наборах данных на множестве устройств.
— Увеличивает эффективность путем распределения вычислительной нагрузки.
Недостатки:
— Сложно внедрить, так как требует использования продвинутых алгоритмов и технологий.
— Требуется широкое участие пользователей для эффективного функционирования.
— Возможны проблемы с стандартизацией и интеграцией технологий на различных устройствах.
— Появляются опасения относительно надежности работы модели из-за различий в распределении данных между узлами.
Поскольку технология все еще развивается, ее применение в различных отраслях и регулирующая среда вокруг децентрализованного ИИ продолжают развиваться.
Чтобы более подробно исследовать область искусственного интеллекта и оставаться в курсе событий в CiferAI, вы можете посетить соответствующие и уважаемые веб-сайты, посвященные новостям о технологиях и искусственном интеллекте. Один из таких источников — MIT Technology Review. Пожалуйста, обратите внимание, что данный источник не имеет непосредственного отношения к CiferAI, но представляет собой ресурс для изучения более широкого технологического ландшафта, в котором действует CiferAI.
The source of the article is from the blog rugbynews.at