Unlocking the Potential of Collaborative AI — On the Socio-technical Challenges of Federated Machine Learning

要約

タイトル：協調型AIの可能性の開放-フェデレーテッド機械学習の社会技術的課題について

要約：

– AIシステムがもつ破壊的なポテンシャルは、ビッグデータの登場によるものである。
– しかしながら、大量のデータは分散し、データシロに閉じ込められている場合が多く、そのポテンシャルが活用されていない。
– フェデレーテッド機械学習は、分散された、潜在的にデータシローにあるデータから、AIモデルを作り出すことができる新しいAIパラダイムである。
– したがって、フェデレーテッド機械学習は、データシローを開いたり、経済的ポテンシャルを活用することが技術的に可能となる。
– しかしながら、これには、データシロを所有する複数の関係者間での協力が必要となる。
– 協業ビジネスモデルを設定することは複雑であり、しばしば失敗の原因となっている。
– 現在の文献では、共同AIプロジェクトを成功させるために考慮すべき点についての指針が不足している。
– この研究は、現在の協業ビジネスモデルの課題と、フェデレーテッド機械学習の異なる側面を調査する。
– システマティックな文献レビュー、フォーカスグループ、専門家インタビューを通じて、社会技術的課題の体系化された収集と、共同AIプロジェクトの初期のビジビリティ評価のための拡張されたビジネスモデルキャンバスを提供する。

要約(オリジナル)

The disruptive potential of AI systems roots in the emergence of big data. Yet, a significant portion is scattered and locked in data silos, leaving its potential untapped. Federated Machine Learning is a novel AI paradigm enabling the creation of AI models from decentralized, potentially siloed data. Hence, Federated Machine Learning could technically open data silos and therefore unlock economic potential. However, this requires collaboration between multiple parties owning data silos. Setting up collaborative business models is complex and often a reason for failure. Current literature lacks guidelines on which aspects must be considered to successfully realize collaborative AI projects. This research investigates the challenges of prevailing collaborative business models and distinct aspects of Federated Machine Learning. Through a systematic literature review, focus group, and expert interviews, we provide a systemized collection of socio-technical challenges and an extended Business Model Canvas for the initial viability assessment of collaborative AI projects.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI