AI, federated learning and digital platforms at the interface of chances, trust and social change

As the AI revolution takes shape, the need for reliable and extensive training data becomes more and more important. Federated learning (FL), a framework introduced by Google researchers, allows training neural networks on users' devices without moving their data to a central server; thus hitting two birds with one stone: On one hand the users data remains local, giving a sense of privacy, and on the other hand the burden of communicating and storing this data is circumvented.
However, is privacy really guaranteed? Furthermore, FL relies on trusting all participating clients, but what happens if some of them deviate from the protocol?

Diese Studie untersucht, wie Fortschritte im Bereich der generativen Künstlichen Intelligenz (KI) die Relevanz menschlicher Gruppen für die Problemlösung verändern. Mit zunehmenden KI-Fähigkeiten verschiebt sich die Problemlösung immer mehr vom Crowdsourcing-basierten Austausch hin zu eins-zu-eins-Interaktionen mit der KI.

Das Ausmaß dieser Substitution – und damit die Frage, wo menschliche Gruppen für die Problemlösung weiterhin relevant bleiben – hängt von zwei Hauptfaktoren ab: der Verfügbarkeit von Vorwissen und der inhärenten Komplexität eines Problems.