В цій статті розглянемо що таке машинне навчання, та як на нього може вплинути технологія доказів з нульовим розголошенням.

**Що таке машинне навчання?**Науковий підхід, завдяки якому комп’ютери можуть аналізувати дані та навчатися на їхній основі подібно до людського мозку.

Як працює машинне навчанняМашинне навчання (ML) — це використання математичних моделей даних, які допомагають комп’ютеру навчатися без безпосередніх інструкцій. Воно вважається однією з форм штучного інтелекту (ШІ). Під час машинного навчання за допомогою алгоритмів виявляються закономірності в даних. На основі цих закономірностей створюється модель даних для прогнозування. Чим більше даних обробляє така модель і чим довше вона використовується, то точнішими стають результати. Це дуже схоже на те, як людина відточує навички на практиці.

Завдяки адаптивному характеру машинного навчання воно чудово підходить для сценаріїв, у яких дані постійно змінюються, властивості запитів або завдань нестабільні або написати код для вирішення фактично неможливо.

Як машинне навчання пов’язане зі ШІМашинне навчання вважається складовою штучного інтелекту (ШІ). “Інтелектуальний” комп’ютер мислить як людина і самостійно виконує завдання. Один зі способів навчити комп’ютер імітувати мислення людини — використовувати нейронну мережу, яка являє собою серію алгоритмів, змодельованих за принципом роботи людського мозку.

Як машинне навчання пов’язане з прогнозною аналітикоюМашинне навчання — це тип прогнозної аналітики, але у нього є одна важлива особливість: машинне навчання значно простіше реалізувати з оновленням у реальному часі, оскільки воно забезпечує більше даних. Прогнозна аналітика зазвичай працює зі статичним набором даних і потребує регулярного оновлення.

Як машинне навчання пов’язане з глибоким навчаннямГлибоке навчання — це спеціалізована форма машинного навчання, що використовує нейронні мережі для надання відповідей. Алгоритми глибокого навчання можуть самостійно визначати точність. Вони дають змогу класифікувати інформацію так само, як людський мозок. Такі алгоритми лежать в основі деяких систем ШІ, найбільш близьких до мислення людини.

Використання машинного навчання в різних галузяхПідприємства низки галузей використовують машинне навчання в найрізноманітніших напрямках. Нижче наведено приклади застосування машинного навчання в основних галузях.

Банківська справа та фінансиУправління ризиками та запобігання шахрайству — це найважливіші напрямки, рентабельність яких можна значно підвищити за допомогою машинного навчання

Охорона здоров’яДіагностика, моніторинг стану пацієнтів і прогнозування епідемій — ось лише кілька прикладів того, як застосування машинного навчання дає змогу підвищити якість медичного обслуговування.

Обслуговування клієнтівВідповіді на запитання, визначення намірів клієнтів і надання віртуальної допомоги — приклади того, як машинне навчання підтримує сферу обслуговування клієнтів.

Далі цей список може бути доводі великим: транспортування, роздрібна торгівля, сільське господарство і т.д.

Проблема збереження конфіденційності данихМашинне навчання потребує значних обсягів різноманітних даних, в тому числі особистих. На сьогодні це значна проблема, оскільки ми вимушені надавати наші дані, щоб користуватися різними сервисами. Можна сказати, шо у нас немає вибору. Відповідно ми не можемо контролювати інформація про себе та її розповсюдження.

Единим рішення цієї проблеми на сьогодні є застосування доказів з нульовим розголошенням у машинному навчанні.

Доказ із нульовим розголошенням — інтерактивний імовірнісний протокол, який дає змогу довести, що твердження, яке доводиться, є правильним, і той, хто доводить, знає цей доказ, водночас не надаючи жодної інформації про сам доказ цього твердження.

Таким чином застосування цієї технології дозволить розробникам створювати і запускати моделі машинного навчання, які доводять, що обчислення були виконані правильно, при цьому вхідні дані не будуть розкриватися. Допомогти їм в цьому зможе такий проект як Aleo — платформа, яка дозволяє створювати додатки з нульовим розголошенням. Aleo має все необхідний інструментарій для цього: своя мова програмування Leo, Aleo Studio — це інтерактивне середовище розробки для написання додатків з нульовим розголошенням на Leo, Aleo Package Manager — перший менеджер пакетів для схем з нульовим розголошенням.

На сьогодні є велика кількість варіантів використання доказів з нульовим розголошенням, які дозволять надійно захистити персональні данні. Давайте розглянемо деякі з них на прикладі того, що можна створити за допомогою Aleo.

Створення кредитних рейтингів зі збереженням конфіденційностіМодель машинного навчання може оцінити наймача, при чому його персональні дані не будуть розкриті і підібрати йому кредитора, при чому обидві сторони будуть підходити один одному максимально.

**Процес “знай свого клієнта” (KYC)**Модель машинного навчання отримує від користувача його документи, користувач робить селфі, далі модель перевіряє чи дійсно на фото людина, яка надала документи та чи легітимні надані документи (для цього потрібен доступ до певних баз даних) і надає доказ цього. Користувач проходить КУС і нікому не розкриває свої персональні дані.

Доказ певних фактів про себе без їх розкриттяЯк ми знаємо, медичні дані — це чутлива інформація, яку не всі готові про себе надавати. Уявіть систему, де ви можете надати докази стану свого здоров’я не розкриваючи детальну інформацію — тільки так чи ні. Все це можливо за допомогою криптографії з нульовим розголошенням.

Це тільки кілька прикладів, як це може працювати. Насправді, потенційний юзкейс неймовірно великий. Машине навчання все більше проникає в наше життя, а технології, на яких побудований Aleo можуть дати нам головне —повний наш контроль за нашими персональними даними.

Розробники, будуючи на Aleo можуть втілити в життя всі ці ідеї та приклади. Aleo спрощує розробку алгоритмів з нульовим розголошенням завдяки приватній програмованій платформі за замовчуванням. Розробники машинного навчання можуть зосередитися на тому, що в них виходить найкраще: на створенні алгоритмів і моделей. У підсумку ми отримаємо моделі машинного навчання, які захищають наші персональні дані.

Думаю, ми живемо в цікавий час. Отже, будемо спостерігати, як всі ці технології будуть розвиватися. Більше про сам проект Aleo ви можете дізнатись за посиланнями нижче:

Дискорд — https://github.com/AleoHQ
Твіттер — https://twitter.com/AleoHQ
Гітхаб — https://github.com/AleoHQ

Статтю підготував — Aleksander100

В цій статті розглянемо що таке машинне навчання, та як на нього може вплинути технологія доказів з нульовим розголошенням.

**Що таке машинне навчання?**Науковий підхід, завдяки якому комп’ютери можуть аналізувати дані та навчатися на їхній основі подібно до людського мозку.

Як працює машинне навчанняМашинне навчання (ML) — це використання математичних моделей даних, які допомагають комп’ютеру навчатися без безпосередніх інструкцій. Воно вважається однією з форм штучного інтелекту (ШІ). Під час машинного навчання за допомогою алгоритмів виявляються закономірності в даних. На основі цих закономірностей створюється модель даних для прогнозування. Чим більше даних обробляє така модель і чим довше вона використовується, то точнішими стають результати. Це дуже схоже на те, як людина відточує навички на практиці.

Завдяки адаптивному характеру машинного навчання воно чудово підходить для сценаріїв, у яких дані постійно змінюються, властивості запитів або завдань нестабільні або написати код для вирішення фактично неможливо.

Як машинне навчання пов’язане зі ШІМашинне навчання вважається складовою штучного інтелекту (ШІ). “Інтелектуальний” комп’ютер мислить як людина і самостійно виконує завдання. Один зі способів навчити комп’ютер імітувати мислення людини — використовувати нейронну мережу, яка являє собою серію алгоритмів, змодельованих за принципом роботи людського мозку.

Як машинне навчання пов’язане з прогнозною аналітикоюМашинне навчання — це тип прогнозної аналітики, але у нього є одна важлива особливість: машинне навчання значно простіше реалізувати з оновленням у реальному часі, оскільки воно забезпечує більше даних. Прогнозна аналітика зазвичай працює зі статичним набором даних і потребує регулярного оновлення.

Як машинне навчання пов’язане з глибоким навчаннямГлибоке навчання — це спеціалізована форма машинного навчання, що використовує нейронні мережі для надання відповідей. Алгоритми глибокого навчання можуть самостійно визначати точність. Вони дають змогу класифікувати інформацію так само, як людський мозок. Такі алгоритми лежать в основі деяких систем ШІ, найбільш близьких до мислення людини.

Використання машинного навчання в різних галузяхПідприємства низки галузей використовують машинне навчання в найрізноманітніших напрямках. Нижче наведено приклади застосування машинного навчання в основних галузях.

Банківська справа та фінансиУправління ризиками та запобігання шахрайству — це найважливіші напрямки, рентабельність яких можна значно підвищити за допомогою машинного навчання

Охорона здоров’яДіагностика, моніторинг стану пацієнтів і прогнозування епідемій — ось лише кілька прикладів того, як застосування машинного навчання дає змогу підвищити якість медичного обслуговування.

Обслуговування клієнтівВідповіді на запитання, визначення намірів клієнтів і надання віртуальної допомоги — приклади того, як машинне навчання підтримує сферу обслуговування клієнтів.

Далі цей список може бути доводі великим: транспортування, роздрібна торгівля, сільське господарство і т.д.

Проблема збереження конфіденційності данихМашинне навчання потребує значних обсягів різноманітних даних, в тому числі особистих. На сьогодні це значна проблема, оскільки ми вимушені надавати наші дані, щоб користуватися різними сервисами. Можна сказати, шо у нас немає вибору. Відповідно ми не можемо контролювати інформація про себе та її розповсюдження.

Единим рішення цієї проблеми на сьогодні є застосування доказів з нульовим розголошенням у машинному навчанні.

Доказ із нульовим розголошенням — інтерактивний імовірнісний протокол, який дає змогу довести, що твердження, яке доводиться, є правильним, і той, хто доводить, знає цей доказ, водночас не надаючи жодної інформації про сам доказ цього твердження.

Таким чином застосування цієї технології дозволить розробникам створювати і запускати моделі машинного навчання, які доводять, що обчислення були виконані правильно, при цьому вхідні дані не будуть розкриватися. Допомогти їм в цьому зможе такий проект як Aleo — платформа, яка дозволяє створювати додатки з нульовим розголошенням. Aleo має все необхідний інструментарій для цього: своя мова програмування Leo, Aleo Studio — це інтерактивне середовище розробки для написання додатків з нульовим розголошенням на Leo, Aleo Package Manager — перший менеджер пакетів для схем з нульовим розголошенням.

На сьогодні є велика кількість варіантів використання доказів з нульовим розголошенням, які дозволять надійно захистити персональні данні. Давайте розглянемо деякі з них на прикладі того, що можна створити за допомогою Aleo.

Створення кредитних рейтингів зі збереженням конфіденційностіМодель машинного навчання може оцінити наймача, при чому його персональні дані не будуть розкриті і підібрати йому кредитора, при чому обидві сторони будуть підходити один одному максимально.

**Процес “знай свого клієнта” (KYC)**Модель машинного навчання отримує від користувача його документи, користувач робить селфі, далі модель перевіряє чи дійсно на фото людина, яка надала документи та чи легітимні надані документи (для цього потрібен доступ до певних баз даних) і надає доказ цього. Користувач проходить КУС і нікому не розкриває свої персональні дані.

Доказ певних фактів про себе без їх розкриттяЯк ми знаємо, медичні дані — це чутлива інформація, яку не всі готові про себе надавати. Уявіть систему, де ви можете надати докази стану свого здоров’я не розкриваючи детальну інформацію — тільки так чи ні. Все це можливо за допомогою криптографії з нульовим розголошенням.

Це тільки кілька прикладів, як це може працювати. Насправді, потенційний юзкейс неймовірно великий. Машине навчання все більше проникає в наше життя, а технології, на яких побудований Aleo можуть дати нам головне —повний наш контроль за нашими персональними даними.

Розробники, будуючи на Aleo можуть втілити в життя всі ці ідеї та приклади. Aleo спрощує розробку алгоритмів з нульовим розголошенням завдяки приватній програмованій платформі за замовчуванням. Розробники машинного навчання можуть зосередитися на тому, що в них виходить найкраще: на створенні алгоритмів і моделей. У підсумку ми отримаємо моделі машинного навчання, які захищають наші персональні дані.

Думаю, ми живемо в цікавий час. Отже, будемо спостерігати, як всі ці технології будуть розвиватися. Більше про сам проект Aleo ви можете дізнатись за посиланнями нижче:

Дискорд — https://github.com/AleoHQ
Твіттер — https://twitter.com/AleoHQ
Гітхаб — https://github.com/AleoHQ

Статтю підготував — Aleksander100