联邦学习:组织机遇、挑战与采纳策略
计算机与社会
2023-09-07 v2 人工智能
社会与信息网络
摘要
许多行业中对数据共享的限制性规则催生了联邦学习的发展。联邦学习是一种机器学习技术,允许分布式客户端协同训练模型而无需将各自训练数据分享给他人。本文首先探讨联邦学习的技术基础及其组织机遇。其次,我们提出一个联邦学习采纳的概念框架,按人工智能能力及数据共享限制将四类组织进行映射。随后我们讨论为何不同情境中的代表性组织——包括公共机构、金融服务提供商、制造企业以及研发联盟——可能考虑不同的联邦学习方法。最后我们认为,联邦学习带来了组织层面的挑战,并为信息系统研究者提供了丰富的跨学科机遇。
引用
@article{arxiv.2308.02219,
title = {Federated Learning: Organizational Opportunities, Challenges, and Adoption Strategies},
author = {Joaquin Delgado Fernandez and Martin Brennecke and Tom Barbereau and Alexander Rieger and Gilbert Fridgen},
journal= {arXiv preprint arXiv:2308.02219},
year = {2023}
}