Hindi lubusang magamit ang data
Pinipigilan ng mga hadlang sa privacy, regulasyon, at organisasyon ang maraming mahahalagang dataset na maibahagi o maisentro.
AI na tumatakbo sa iba't ibang sistema
Makapangyarihan ang modernong AI, ngunit karaniwan itong umaasa sa sentralisasyon ng data o sa pagtitiwala sa iisang provider. Pinapahintulutan ng Onai ang pagsasanay at paggamit ng mga modelo sa mga distributed system nang hindi inilalantad ang data o isinusuko ang kontrol.
Ang problema
Likás na sentralisado ang kasalukuyang imprastraktura ng AI
Upang makapagsanay ng mga modelo, kailangang pagsamahin ang data sa iisang kapaligiran. Upang magamit ang mga modelo, kailangang ipadala ng mga user ang sensitibong data sa mga model provider.
Bilang resulta, malaking bahagi ng data sa mundo ang hindi magamit nang mahusay sa AI, at maraming aplikasyon ang nahaharangan ng mga pangangailangan sa pagiging kumpidensiyal.
Nangangailangan ng tiwala ang inference
Naipapakita ang mga sensitibong input sa mga panlabas na sistema, kaya nahaharangan ang paggamit sa mga sitwasyong tunay na mahalaga ang pagiging kumpidensiyal.
Ang aming paraan
Mag-train kahit saan. Magpatakbo kahit saan. Huwag maglantad ng anuman
Pinapagana ng Onai ang AI sa mga distributed system habang pinapangalagaan ang privacy ng data at mga modelo.
Lumilikha ito ng isang sistemang kung saan maaaring makipag-ugnayan ang data, mga modelo, at computation nang hindi nangangailangan ng pagtitiwala sa iisang partido.
Distributed training
Maaaring sanayin ang mga modelo sa maraming dataset nang hindi isinasentro ang data.
Pribadong inference
Maaaring isagawa ang inference nang hindi inilalantad ang query data sa may-ari ng modelo.
Protektadong deployment ng modelo
Maaaring mag-deploy ang mga model provider ng mga modelo nang hindi inilalantad ang mismong modelo.
Ano ang pinapagana nito
Mga bagong AI workflow nang walang sentralisasyon
Training
Distributed training na pinapangalagaan ang privacy
Magsanay ng mga modelo sa mga dataset na hindi maaaring ibahagi o isentro, habang pinapabuti ang performance at pinananatili ang mahigpit na hangganan ng data.
Inference
Confidential inference
Magpatakbo ng mga query laban sa mga modelo nang hindi inilalantad ang sensitibong input data sa model provider.
Models
Model privacy at proteksiyon
Pahintulutan ang mga may-ari ng modelo na mag-deploy at gumamit ng mga modelo nang hindi inilalantad ang model weights o intellectual property.
Network
AI bilang network
Maaaring bumuo ang mga application developer sa isang distributed network ng mga modelo at gumamit ng mga kakayahan mula sa iba't ibang provider sa halip na umasa sa iisang sentralisadong API.
Ang sistema sa praktika
Isang network para sa pribadong AI computation
Ikinokonekta ng imprastraktura ng Onai ang mga may hawak ng data, model provider, at application developer sa isang pinagsasaluhang sistema.
Sa paglipas ng panahon, bumubuo ito ng bagong uri ng ecosystem kung saan maaaring ma-access at magamit ang mga modelo, data, at compute sa iba't ibang kalahok nang hindi nangangailangan ng sentralisasyon.
Data
Nananatili ang data sa may-ari nito
Nanatili sa mga may hawak ng data ang lokal na kontrol habang nakikilahok sila sa training at inference workflow.
Models
Idinedeploy ang mga modelo sa isang distributed network
Maaaring gawing magagamit ng mga provider ang kanilang mga kakayahan sa iba't ibang counterparties nang hindi isinasama ang lahat sa iisang host.
Queries
Ligtas na isinasagawa ang mga query
Tumatakbo ang mga kahilingan nang hindi inilalantad ang mga sensitibong input o pinipilit ang mga user na ipagkatiwala ang kanilang raw data sa isang sentralisadong model provider.
Results
Nananatiling buo ang mga garantiya sa privacy
Ibinabalik ang mga output na napapanatili ang mga katangian ng pagiging kumpidensiyal ng workflow para sa mga may hawak ng data at sa mga model provider.
Para kanino ito
Ginawa para sa mga partidong nangangailangan ng AI sa iba't ibang hangganan
Mga application developer
Bumuo ng mga application gamit ang malalakas na modelo nang hindi kailangang magpadala ang mga user ng sensitibong data sa mga sentralisadong serbisyo.
Mga model provider
Mag-deploy ng mga modelo sa paraang napapanatili ang intellectual property habang lumalawak ang access at paggamit sa mas malawak na network.
Mga may hawak ng data
Makilahok sa mga AI workflow, training, at inference nang hindi inilalantad ang pinagbabatayang data.
Isang bagong pundasyon para sa AI
Itinatayo ng Onai ang imprastraktura na nagpapahintulot sa AI na gumana sa iba't ibang hangganan, nagbubukas ng data, nagpoprotekta sa privacy, at nagbibigay-daan sa isang mas bukas at mas collaborative na ecosystem.
Para sa higit pang impormasyon, makipagkita.