区块链 机器学习，能突破数据的垄断，做可控的“摩洛克”吗？(4)

6.终极推荐系统
为了说明私有机器学习的潜力，你可以想象一个名为“终极推荐系统”的应用。它监视你在设备上所做的一切:浏览历史、在应用程序中的行为、手机上的图片、位置数据、消费历史、可穿戴传感器、短信、家里的摄像头、VR眼镜，等等。然后它会给你一个建议:你应该访问的下一个网站、应该阅读的文章、喜欢听的歌曲，或者愿意购买的产品。
这个推荐系统将是非常有效的。其拥有的数据量比谷歌、Facebook或其他任何现有的数据都要多，因为它对你来说，能够给你提供一个最大的纵向视野，它可以在数据中自我学习，不然数据过于私密的话，就无法考虑共享问题了。它有些类似于以前的cryptocurrency交易系统。通过经你许可的针对不同领域(如网站建议、音乐)的模型市场的竞争，它可以访问你的加密数据并向你推荐东西,甚至还可能为你贡献的数据付钱，或者对你关注的问题给一些建议。
谷歌的联合学习和苹果的差异隐私，在这个私有机器学习方向迈出了第一步，但仍然需要信任机制，因为他们不允许用户直接检查他们的安全性，而保持数据的独享。
7.目前的方法
这是一个早期的东西。很少有团队合作的情况，大家都是各自为战。
来自Algorithmia Research的一个简单结构将模型的精确度设置一个阈值，并为超过阈值者提供一定的赏金。

关于计价问题，目前采取了三个步骤:
1.它使用加密数据(虽然不是完全相同的)。
2.它将众包模型整合到一个元模型中。
3.它根据产品未来的性能(在本例中是一个星期的股票交易业绩)来奖励模型提供者，而不是以本地的Ethereum令牌作为计价单位。
数据科学家必须把股权计价作为项目中的基本要素，激励大家的创新能力(指未来的表现)，而不是发挥目前的能力(现有的表现)。然而，由于目前的数据是集中分布的，这有些限制了那些重要数据的活力。