在2019年底暂停评估企业AI的地位后，去年推出了新的商业模式，通过共享数据鼓励分布式模型训练。

根据不同的项目，被称为“联合学习”的新兴AI模型提出的关键问题是，企业的竞争对手是否愿意共享数据？另一方面，分布式机器学习框架可以为初创企业创造机会，并最终改善AI应用。

人工智能顾问Alexander Gonfalonieri提出了联合学习用于建立“模型集体”分布式机器学习框架以共享不同数据的案例，代表了一种可行的人工智能商业模式。

一些技术供应商接受了医疗应用的联合方法，这带来了棘手的数据隐私问题。例如，Nvidia本周推出了一个联邦学习工具(纳斯达克代码：NVDA)，作为其Clara AI平台的一部分，旨在保护患者的隐私，同时促进合作。

对于医学成像社区，英伟达表示，其联合方法将使分布式客户端能够通过边缘服务器在本地训练深度学习模型，然后合作开发精确的“全局模型”，供临床医生使用。

事实上，Gonfalonieri认为，即使在医药等受到严格监管的市场中，分布式机器学习方法也可以产生改进的模型和引人注目的AI应用。他说：“在医疗领域，[联合学习]可能是更好的治疗和更快的药物发现的代名词。”

鉴于最近的挫折，如IBM(纽约证券交易所代码：IBM)最近撤回了其Watson AI药物发现工具，批评者断言，撤回凸显了AI的缺点。然而，一些观察人士指出，机器学习框架在诊断成像等领域显示出了前景，其中“确认偏差”和其他偏差仍然是一个问题。

“集中化(机器学习)远非完美，”Gonfalonieri总结道。“实际上，培训模式需要公司收集大量相关数据到中央服务器或数据中心。在一些项目中，这意味着收集用户的敏感数据。”

数据共享(无论是竞争数据还是规范数据)似乎是推动分布式机器学习作为未来AI商业模式发展的最大绊脚石。在某些方面，联合方法类似于既定的开源软硬件开发，已被超大规模开发者广泛采用。

其他人已经提出了联合学习方法，包括在数百万个边缘设备中分布模型开发的框架。支持者认为可以通过限制访问或标记原始用户数据来确保数据隐私。