論文の概要: Decentralization in Digital Societies -- A Design Paradox
- arxiv url: http://arxiv.org/abs/2001.01511v1
- Date: Mon, 6 Jan 2020 12:10:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-08 11:12:29.730686
- Title: Decentralization in Digital Societies -- A Design Paradox
- Title(参考訳): デジタル社会における分散化 - デザインパラドックス
- Authors: Evangelos Pournaras
- Abstract要約: デジタル社会にはデザインパラドックスがある。
一方、テクノロジーは私たちの日常生活の相互接続デバイスに分散したローカルインテリジェンスを可能にする。
一方、ビッグデータの収集とストレージは、高度に集中した方法で管理されます。
- 参考スコア(独自算出の注目度): 3.3504365823045044
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Digital societies come with a design paradox: On the one hand, technologies,
such as Internet of Things, pervasive and ubiquitous systems, allow a
distributed local intelligence in interconnected devices of our everyday life
such as smart phones, smart thermostats, self-driving cars, etc. On the other
hand, Big Data collection and storage is managed in a highly centralized
fashion, resulting in privacy-intrusion, surveillance actions, discriminatory
and segregation social phenomena. What is the difference between a distributed
and a decentralized system design? How "decentralized" is the processing of our
data nowadays? Does centralized design undermine autonomy? Can the level of
decentralization in the implemented technologies influence ethical and social
dimensions, such as social justice? Can decentralization convey sustainability?
Are there parallelisms between the decentralization of digital technology and
the decentralization of urban development?
- Abstract(参考訳): デジタル社会には、デザインのパラドックスがある。一方、モノのインターネット、広く普及し、ユビキタスなシステムのような技術は、スマートフォン、スマートサーモスタット、自動運転車など、日常生活の相互接続されたデバイスに分散したローカルインテリジェンスを可能にします。
一方、ビッグデータの収集と保管は高度に集中した方法で管理され、結果としてプライバシー侵害、監視行動、差別と差別の社会現象が生じる。
分散システム設計と分散型システム設計の違いは何ですか?
現在、データの処理は「分散化」されているか?
集中設計は自律性を損なうか?
実践された技術における分権化のレベルは、社会的正義のような倫理的・社会的次元に影響を及ぼすか?
分散化は持続可能性をもたらすか?
デジタル技術の分散化と都市開発の分散化の間に並列性はあるか?
関連論文リスト
- Measuring Centralization of Online Platforms Through Size and
Interconnection of Communities [0.0]
我々は,コミュニティの排除によってコミュニティ間の縁が乱される回数の観点から,コミュニティの影響を特徴づける手法を用いる。
我々のアプローチは、二部構成のユーザコミュニティ社会技術ネットワークに適した「分散化」を慎重に定義する。
論文 参考訳(メタデータ) (2023-07-27T17:35:18Z) - Unpacking How Decentralized Autonomous Organizations (DAOs) Work in
Practice [54.47385318258732]
分散自律組織(DAO)は、共通のビジョンに向けてエンティティのグループを調整する新しい方法として登場した。
わずか数年で4000以上のDAOが、投資、教育、健康、研究など様々な分野で立ち上げられた。
このような急激な成長と多様性にもかかわらず、実際にどのように機能し、その目標を達成するのにどの程度効果があるのかは不明だ。
論文 参考訳(メタデータ) (2023-04-17T01:30:03Z) - Decentralized nation, solving the web identity crisis [0.0]
ウェブは進化と挑戦の重要な段階にあり、主にアイデンティティの危機に焦点を当てている。
イノベーションとテクノロジーのメリットを真に実現するためには、この危機を解決しなければならない。
ブロックチェーン上の人工知能は、新しいタイプのアイデンティティを生成するためにどのように使用できるかを提案する。
論文 参考訳(メタデータ) (2022-10-03T01:02:24Z) - RelaySum for Decentralized Deep Learning on Heterogeneous Data [71.36228931225362]
分散機械学習では、労働者はローカルデータのモデル更新を計算する。
労働者は中心的な調整なしに隣人とのみ通信するため、これらの更新はネットワーク上で徐々に伝播する。
このパラダイムは、全接続のないネットワーク上での分散トレーニングを可能にし、データのプライバシ保護と、データセンタでの分散トレーニングの通信コストの削減を支援する。
論文 参考訳(メタデータ) (2021-10-08T14:55:32Z) - Consensus Control for Decentralized Deep Learning [72.50487751271069]
ディープラーニングモデルの分散トレーニングは、ネットワーク上のデバイス上での学習と、大規模計算クラスタへの効率的なスケーリングを可能にする。
理論上、トレーニングコンセンサス距離が重要な量よりも低い場合、分散化されたトレーニングは集中的なトレーニングよりも早く収束することを示す。
私たちの経験的な洞察は、パフォーマンス低下を軽減するために、より分散化されたトレーニングスキームの原則設計を可能にします。
論文 参考訳(メタデータ) (2021-02-09T13:58:33Z) - Decentralize the feedback infrastructure! [0.0]
我々は情報・通信インフラの分散化を提唱する。
この分散化の鍵は、データプラットフォーム間の相互運用性を可能にする標準の作成である。
論文 参考訳(メタデータ) (2020-10-07T12:02:08Z) - Taxonomy of Centralization in Public Blockchain Systems: A Systematic
Literature Review [2.1315215140430683]
Bitcoinは、一部の人からそのシステムに参加した人まで、金融システムの制御を委譲した。
この代表団は権力の分散化として知られ、生態系の強力なセキュリティメカニズムである。
近年の研究では、Bitcoinやガバナンスといった暗号通貨の中央集権化の傾向が観察されている。
論文 参考訳(メタデータ) (2020-09-26T08:58:48Z) - Demand-Side Scheduling Based on Multi-Agent Deep Actor-Critic Learning
for Smart Grids [56.35173057183362]
家庭用家電をネットでスケジュールできるスマートメーターが各家庭に備わっている需要側エネルギー管理の問題点を考察する。
目標は、リアルタイムの料金体系の下で全体のコストを最小化することです。
マルコフゲームとしてスマートグリッド環境の定式化を提案する。
論文 参考訳(メタデータ) (2020-05-05T07:32:40Z) - Graph Neural Networks for Decentralized Controllers [171.6642679604005]
自律エージェントで構成される動的システムは、ロボット工学、スマートグリッド、スマートシティなど、多くの関連する問題に現れる。
最適な集中型コントローラは容易に利用できるが、スケーラビリティと実用的な実装の面で制限に直面している。
グラフニューラルネットワーク(GNN)を用いて,データから分散制御系を学習するフレームワークを提案する。
論文 参考訳(メタデータ) (2020-03-23T13:51:18Z) - Byzantine-resilient Decentralized Stochastic Gradient Descent [85.15773446094576]
分散学習システムのビザンチンレジリエンスに関する詳細な研究について述べる。
ビザンチンフォールトトレランスを用いた分散学習を支援する新しいアルゴリズムUBARを提案する。
論文 参考訳(メタデータ) (2020-02-20T05:11:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。