Questo è il secondo capitolo del post di qualche giorno fa che potrete visionare qui.

Calcolo sicuro

I metodi di calcolo sicuro permettono ai modelli di formarsi su dei dati senza rivelare gli stessi dati.

Ci sono tre forme principali di calcolo sicuro che vengono utilizzate e ricercate al giorno d’oggi: homomorphic encryption (HE), secure multiparty computation (MCP) e zero knowledge proof (ZKPs).

Il calcolo multilaterale è più comunemente utilizzato per intelligenza artificiale privata al momento, poiché la homomorphic encryption tende ad essere troppo lenta e non è evidente come applicare i ZKP all’intelligenza artificiale.

I metodi di calcolo sicuro sono all’avanguardia nella ricerca sulle scienze informatiche. Essi sono spesso ordini di magnitudine più lenta rispetto a calcoli regolari e rappresentano l’ostacolo principale per il sistema, ma sono migliorati negli ultimi anni.

Il più avanzato sistema di predizione

Per illustrare il potenziale dell’intelligenza artificiale privata, immaginate un’app chiamata “Il più avanzato sistema di predizione”, che osserva tutto ciò che fate sul vostro dispositivo: la vostra cronologia di navigazione, tutto ciò che fate con le vostre app, le foto all’interno del vostro telefono, dati di posizione, cronologia delle spese, sensori indossabili, messaggi, telecamere all’interno della vostra abitazione, la videocamera dei vostri futuri occhiali per la realtà aumentata.

In seguito questa app vi da dei consigli: il prossimo sito web che dovreste visitare, articoli da leggere, canzoni da ascoltare o prodotti da comprare.

Questo sistema che dà suggerimenti sarebbe molto potente. Più di quanto potrebbe esserlo qualsiasi raccolta dati di Google, Facebook o altri, poiché esso possiede una massima visione longitudinale di voi e può imparare grazie ai dati che sarebbero altrimenti troppo privati per considerare la condivisione.

Analogamente al precedente esempio di sistema commerciale di criptovalute, lavorerebbe permettendo ad un mercato di modelli focalizzati in aree differenti (per esempio: consigli su siti internet, musica) di competere per avere accesso ai vostri dati criptati e di darvi dei suggerimenti, ma potrebbe anche pagarvi per offrire i vostri dati o la vostra attenzione ai suggerimenti generati.

L’apprendimento federato di Google e la privacy differenziale di Apple hanno fatto un passo in questa direzione di intelligenza artificiale privata, ma hanno ancora bisogno di fiducia, non permettono agli utenti di esaminare direttamente la loro sicurezza e mantengono i propri dati isolati.

Soluzioni attuali

E’ molto presto. Vari gruppi non hanno ancora niente che funzioni e la maggior parte stanno provando a fare progressi un passo per volta.

Una semplice costruzione da parte di Algorithmia Research propone una ricompensa per un modello che sia preciso sopra una certa soglia di test retrospettivi:

Al momento Numerai porta le cose tre passi avanti: utilizza dati criptati (sebbene non interamente in maniera algebrica), riunisce modelli collettivi in un metamodello e premia modelli basati sulla performance futura (in questo caso, una settimana di mercato borsistico) invece di effettuare test retrospettivi attraverso un token originario di Ethereum chiamato Numeraire.

Gli scienziati di dati devono mettere Numeraire come posta in gioco, incentivando la performance in base a ciò che accadrà (performance futura) e non in base ciò che è accaduto (performance di un test retrospettivo).

Tuttavia, al momento distribuisce dati centralmente, limitando quello che sembra il gradiente più importante.

Nessuno ha ancora creato un mercato per dati di successo basato sulla blockchain. The Ocean rappresenta un primo tentativo per delinearne uno.

Altri ancora stanno cominciando dal creare network di calcolo sicuri. Openminded sta creando un network di calcolo multilaterale per preparare modelli di intelligenza artificiale su Unity, che può funzionare su qualsiasi dispositivo, incluse console per videogiochi (come Folding at Home), per poi estendersi a salvaguardare MPC. Enigma ha un approccio simile.

Una situazione finale affascinante sarebbe rappresentata da metamodelli posseduti da più persone che conferiscono ai fornitori di dati ed ai creatori di modelli una titolarità proporzionale a quanto li hanno resi intelligenti.

I modelli verrebbero tokenizzati, potrebbero pagare dividendi nel corso del tempo e potenzialmente anche essere governati da coloro che li hanno preparati.

Una specie di coscienza collettiva posseduta da più persone. Il video originale di Openminded è la costruzione più vicina che si è vista finora.

Di: medium

Questo articolo continua nelle prossime puntate, dove parlaremo di strategie e sfide.