区块链 机器学习，能突破数据的垄断，做可控的“摩洛克”吗？(6)

9.启示
首先，分散式机器学习市场可以消除目前科技巨头的数据垄断。在过去的20年中，他们利用专有数据网络及其强大的网络效应，将互联网上主要价值创造的源头标准化和商品化。其结果就是，价值创造从数据转移到了算法上。

换句话说，首先，他们为人工智能创造了一个直接的商业模式来训练它。
其次，他们创造了世界上最强大的人工智能系统，通过直接的经济激励吸引了最好的数据和模型。他们的力量通过多方面的网络效应而增加。随着Web 2.0时代的数据网络垄断变得商品化，他们似乎是下一个技术力量的优胜者。而我们可能还需要几年时间的努力，但我们这样做的方向似乎是正确的。
第三，正如推荐系统的示例所示，搜索是反向的。不再单单是人们寻找产品，更多的是产品利用数据去寻找需要它的人(这属于设计这个框架的Brad的功劳)。每个人都可能有个人的喜好市场，推荐系统通过竞争将最相关的内容放在他们的数据中，而相关性是由个人设定的。
第四，机器学习允许我们在谷歌和Facebook等公司使用的强大的机器学习服务中获得同样的好处，而不会泄露我们的数据。
第五，机器学习可以更快地发展，因为任何工程师都可以进入一个开放的数据市场，而数据不再被大型公司的一小部分工程师所独占。

10.挑战
首先，安全计算方法目前发展非常缓慢，机器学习的计算成本已经很高。另一方面，人们对安全计算方法也越来越感兴趣，安全计算的性能也在不断的提高。我看到了过去的6个月内，HE、MPC和ZKPs的性能改进有了新的方法。计算特定数据集或模型提供给元模型的值是很困难的。清理和格式化众包数据具有挑战性。我们很可能会看到一些工具，利用标准化和小企业的组合来解决这个问题。最后，具有讽刺意味的是，创建这种系统的广义构造的商业模式不如创建个体实例那么明确。这似乎需要很多新的加密原语，包括管理市场方面。