2022年1月10日整理发布：Facebook、谷歌和亚马逊等公司非常依赖数据饥渴的机器学习和深度学习算法来运营业务。然而，他们每个人都有自己的围墙花园，在那里他们开发算法、收集客户数据、训练模型和运行应用程序。拥有最大客户信息数据存储的公司将有更大的机会获得竞争优势。这就是您看到其中一些公司进行超出其联盟的收购的部分原因。
这怎么会出错?首先，用户必须在每个平台上复制他们的数据。您可以在 Facebook 和 Twitter 上拥有完全不同的个人资料，每一个都反映了不同的偏好、联系、朋友等。如果您注册一个新网络，您将不得不从头开始重建您的数字个人资料。用户被锁定在大型平台的部分原因是进入新平台的门槛太高。
其次，整个数据收集和人工智能应用非常不透明。您永远无法确切知道 Facebook 和 Google 收集了多少关于您的数据以及他们使用这些数据的目的。您唯一的选择是交出您的数据并相信他们会明智地使用它。如果 Facebook 的 AI 算法使用您的数据为您提供假新闻或操纵您的感受，您将无法验证。Facebook不会告诉你为什么它会提出特定的朋友建议，因为它认为它的算法是商业机密。同样，Google 可能会决定开始以改善其自身业务的方式操纵您的搜索结果，而您可能永远不会发现它。
创新也受到集中式人工智能模型的影响。只要数据和算法留在受保护的孤岛后面，公司和组织就无法合作。每家进入该领域的新公司都必须重新发明轮子，创建自己的数据存储并开发自己的算法。这不仅会给用户带来压力，他们必须放弃更多的隐私和数据，而且还会在不同公司之间产生大量冗余工作和不一致。
创新问题也引发了竞争问题。由于人工智能数据被谷歌和 Facebook 等公司垄断，初创公司和新玩家开发自己的解决方案的成功机会很小。因此，他们别无选择，只能融入其中一家大型科技公司无法访问的平台，并将他们的数据交给这些公司，以便能够使用他们的人工智能。这就是 TensorFlow 等平台的工作方式。
集中式模型还迫使 AI 应用程序保持神秘的黑匣子，几乎没有或根本没有暗示它们的内部运作。如果你不能预测——或者至少不能解释——一项技术将如何做出决策，你将无法赋予它更多的关键责任。这将阻止人工智能在没有人类帮助的情况下承担驾驶汽车或治疗病人等任务。