Strategic Data Sharing between Competitors

要約

近年、共同学習技術が大幅に進歩し、複数の組織にわたるプライベート モデルのトレーニングが可能になりました。
このような機会にもかかわらず、企業は競合他社とのデータ共有を検討する際にジレンマに直面します。コラボレーションにより企業の機械学習モデルは改善できる一方で、競合他社にも利益をもたらし、ひいては利益が減少する可能性もあります。
この研究では、このデータ共有のトレードオフを分析するための一般的なフレームワークを紹介します。
このフレームワークは 3 つのコンポーネントで構成され、それぞれ企業の生産決定、モデルの品質に対する追加データの影響、データ共有交渉プロセスを表します。
次に、経済理論に基づいた従来の市場モデルに基づいてフレームワークのインスタンス化を研究し、コラボレーションのインセンティブに影響を与える主要な要因を特定します。
私たちの調査結果は、市場状況がデータ共有のインセンティブに大きな影響を与えていることを示しています。
特に、企業の製品間の類似性という点で競争が減少し、より困難な学習タスクがコラボレーションを促進することがわかりました。

要約(オリジナル)

Collaborative learning techniques have significantly advanced in recent years, enabling private model training across multiple organizations. Despite this opportunity, firms face a dilemma when considering data sharing with competitors — while collaboration can improve a company’s machine learning model, it may also benefit competitors and hence reduce profits. In this work, we introduce a general framework for analyzing this data-sharing trade-off. The framework consists of three components, representing the firms’ production decisions, the effect of additional data on model quality, and the data-sharing negotiation process, respectively. We then study an instantiation of the framework, based on a conventional market model from economic theory, to identify key factors that affect collaboration incentives. Our findings indicate a profound impact of market conditions on the data-sharing incentives. In particular, we find that reduced competition, in terms of the similarities between the firms’ products, and harder learning tasks foster collaboration.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google