Decentralized Intelligence Network (DIN)

要約

分散型インテリジェンス ネットワーク (DIN) は、AI 開発における課題に対処するために設計された理論的なフレームワークで、特にデータの断片化とサイロ化の問題に焦点を当てています。
以下を活用して、多様なデータ ソースへのアクセスに対する障壁を克服することで、主権データ ネットワーク内での効果的な AI トレーニングを促進します。1) データ主権を確保する個人データ ストア。データは参加者の管理内に安全に保持されます。
2) 分散型 AI トレーニングのためにパブリック ブロックチェーン上に実装されたスケーラブルなフェデレーション ラーニング プロトコル。モデル パラメーターの更新のみが共有され、データは個人データ ストア内に保持されます。
3) 分散型監査プロトコルを通じて参加を奨励し、公平な報酬分配を確保するための、パブリック ブロックチェーン上のスケーラブルでトラストレスな暗号報酬メカニズム。
このアプローチでは、調整と報酬の分配が不変の記録を使用してパブリック ブロックチェーン上で管理されるため、いかなるエンティティもトレーニング データへのアクセスを妨げたり制御したり、経済的利益に影響を与えたりすることができないことが保証されます。
このフレームワークは、参加者がデータの管理を維持し、経済的に利益を得ることができ、集合的な AI を活用して有益なアルゴリズムを開発する分散型でスケーラブルなエコシステムに貢献できるようにすることで、効果的な AI トレーニングをサポートします。

要約(オリジナル)

Decentralized Intelligence Network (DIN) is a theoretical framework designed to address challenges in AI development, particularly focusing on data fragmentation and siloing issues. It facilitates effective AI training within sovereign data networks by overcoming barriers to accessing diverse data sources, leveraging: 1) personal data stores to ensure data sovereignty, where data remains securely within Participants’ control; 2) a scalable federated learning protocol implemented on a public blockchain for decentralized AI training, where only model parameter updates are shared, keeping data within the personal data stores; and 3) a scalable, trustless cryptographic rewards mechanism on a public blockchain to incentivize participation and ensure fair reward distribution through a decentralized auditing protocol. This approach guarantees that no entity can prevent or control access to training data or influence financial benefits, as coordination and reward distribution are managed on the public blockchain with an immutable record. The framework supports effective AI training by allowing Participants to maintain control over their data, benefit financially, and contribute to a decentralized, scalable ecosystem that leverages collective AI to develop beneficial algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google