尚有另一种流，利用Ocean computeto – data来计较匿名数据。譬喻利用差别隐私，或解耦哈希。然后，匿名数据将被通报到客户端举办模子构建。在这种环境下，大部门计较是在客户端举办的，带宽利用会更高，因为(匿名的)数据集是通过网络发送的。“海洋协议的计较到数据”足够机动，可以适应所有这些环境。
假如算法在数据地址的位置运行，那么这意味着它们的运行速度取决于主机上可用的资源。因此，思量到通信和的开销，以这种方法练习算法所需的时间大概比会合式方案更长。在一个典范的场景中，计较需求从客户端转移到数据主机端，McConaghy说:
他接着罗列了像23andMe和Facebook这样的例子，在这些例子中，受委托处理惩罚数据的各方违背了他们的理睬，将数据用于邪恶的目标:“假如公司被鼓励去挖掘或销售数据，那么格言就会被粉碎。我们想做的是不作恶。
OPF一直致力于成立基本设施，以便通过数据市场更好地获取数据。正如McConaghy指出的那样，已往有过许大都据市场的实验，但它们一直都是保密性的，这意味着数据市场是用户必需信任的中间人。McConaghy强调，OPF凡是不与用户直接相助。它的脚色是开拓焦点技能，并授权其他人利用它。当被问及开拓去中心化市场的优势时，McConaghy说，它使企业可以或许在不损害用户隐私的环境下，将数据从潜在的欠债转化为资产。
计较到数据: 假如数据没有来计较，那么计较必需去数据
McConaghy说，基于以太坊空间的DAO(漫衍式自治组织)可觉得这样的组织提供动力，将它们比作智能合约打点的子扩充板。McConaghy认可，第三步，针对社交网络等规模的消费者层面的应用措施需要一段时间才气呈现。移动开放区块链倡议(MOBI)是一个与公司、当局和非当局组织相助的非营利组织。其方针是通过推广尺度和加快区块链及相关技能的回收，使移动处事更高效、更实惠、更环保、更安详、更少拥堵。OPF辅佐提供数据和处事，以办理车辆协调、识别障碍和自动行驶的挑战。
“计较需求不会变高或变低，它们只是被移动了。海洋协议的计较到数据支持Kubernetes，它答允在需要时大局限扩展计较。假如是在主机数据端，则不会低落计较效率。这样做的长处是:带宽本钱更低，因为只有最终的模子需要通过线路发送，而不是整个数据集。
从2017年到2020年，OPF筹集了资金，组建了一支履历富厚的团队。为了实现去中心化数据市场的愿景，OPF以两种方法事情。首先，吃本身的狗粮，尽力成长社区驱动的市场。第二，通过辅佐其他人成立本身的市场。McConaghy提到了MOBI和dexFreight这样的例子。
海洋协议基于“计较到数据”(computeto – data)答允人工智能算法利用数据，而不需要将数据从它们地址的位置移动 可是，假如你可以让市场充当毗连器，而不需要它们实际持有数据，也不需要信任市场呢?这就是OPF要实现的——去中心化的数据市场。 获取数据和数据主权之间的斗嘴是领略人工智能如何事情和推进它的要害。海洋协议基金会但愿通过引入一种让人工智能在不放弃节制的环境下处理惩罚数据的要领来辅佐办理这一斗嘴。 郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
McConaghy自2017年以来一直致力于《海洋议定书》的研究。McConaghy有AI和方面的配景，在ascribe和BigchainDB等项目事情过。他描写了他是如何意识到区块链可以辅佐办理用于练习人工智能算法的数据转义和隐私问题的。
OPF辅佐提供数据和处事，以办理车辆协调、识别障碍和自动驾驶汽车的蹊径等挑战。
人工智能及其呆板进修算法需要数据才气事情。到今朝为止，这是一个众所周知的事实。这并不是说算法不重要，只是凡是来说，得到更多的数据，更好的数据，比调解算法更有助于获得更好的功效。
不是将数据发送到算法运行的处所，，而是算法运行在数据地址的处所。这个想法与联邦进修很是相似。McConaghy说，区别在于，联邦进修只分手了进程的最后一英里，而计较到数据是全程的。
可是第三方拥有的私人数据呢?凡是环境下，应用措施开拓人员无法会见这些内容，这是有原因的。你为什么要把你的私人数据寄托给其他人?纵然提交数据的一方理睬会很好地处理惩罚数据，但一旦数据超出了您的节制范畴，任何人都可以随心所欲地处理惩罚它。
OpenMined通已往中心化编排办理了这个问题。但它的软件基本设施可以操作改造，以更安详的方法打点每个筒仓的计较;McConaghy说，这就是“计较机到数据”能起浸染的处所。这些都很好，可是机能呢?
这项技能还处于起步阶段，并且栈还没有像OPF但愿的那样易于利用。McConaghy提到，要想利用仓库，开拓人员必需能干Python或JavaScript / React，熟悉Web3和观念，以及海洋协议观念，尚有Kubernetes。数据科学家也可以通过JavaScript或Python利用计较到数据。
这正长短营利组织海洋协议基金会(OPF)想要办理的问题。ZDNet与首创人Trent McConaghy接头了OPF的任务和最新的里程碑——计较到数据。
从“不作恶”到“不能作恶”
TensorFlow Federated (TFF)和OpenMined是最突出的联邦进修项目。TFF以会合的方法举办编排，而OpenMined是去中心化的。在TFF气势气魄的联邦进修中，一个会合式实体(譬喻谷歌)必需跨竖井执行计较功课的编排。小我私家可识别信息大概泄露给该实体。
更多的数据，以及练习利用数据算法的计较本领，一直在敦促人工智能的崛起。任何想要练习人工智能应用措施的算法来办理任何规模的任何问题的人，必需可以或许得到大量相关数据才气乐成。
然而，对付最终用户来说，大概需要一段时间才气得到这种要领的长处。在McConaghy设想的阶梯上，最终用户将首先可以或许利用现有的市场。第二步是成立数据同盟、信托或相助社，代表用户行事，并为他们的数据付出版税。
