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

要約

タイトル：コラボレーティブAIの可能性の拡大-フェデレーテッド マシン ラーニングの社会技術的な課題について

要約：
– AIシステムの革新的な可能性はビッグデータの登場に根ざしています。
– しかし、多くのデータは分散しているため、潜在的な可能性が未発開のまま残っています。
– フェデレーテッドマシンラーニングは、AIモデルの作成を可能にし、分散的で可能性のあるデータから作られているため、データの壁を開け、経済的な可能性を開放することができます。
– しかし、これには複数のデータ壁を所有する当事者間の協力が必要です。
– 協力的なビジネスモデルを設定することは複雑で、しばしば失敗の原因の1つとなっています。
– 既存の文献には、協力的なAIプロジェクトを成功させるために考慮すべき側面についてのガイドラインが欠けています。
– この研究は、既存の協力的なビジネスモデルの課題とフェデレーテッドマシンラーニングの異なる側面について調査しました。
– システマティックな文献レビューやフォーカスグループ、専門家のインタビューを通じて、社会技術的な課題の体系化されたコレクションを提供し、協力的なAIプロジェクトの初期的なビアビリティアセスメントのための拡張されたビジネスモデルキャンバスを提供します。

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