但是如何才能将机器学习和区块链激励有机的结合起来，是区块链行业诞生以来一直存在的难题。
标准的机器学习方法要求将训练数据集中在一台机器或一个数据中心。谷歌首先构建了一个最安全、最健壮的云基础设施，用于在用户移动设备上训练机器学习模型，而无需将数据收集到一个中心服务器。这种方法称为联邦学习。联邦学习使移动设备能够协作学习共享的预测模型，同时将所有的训练数据保存在设备上，将机器学习的能力与在云中存储数据的需要分离开来。SoterOne的MLSDK将这个框架推广到移动设备之外，并将其应用到不同的数据所有者和协作训练更好的机器学习模型。
为了实现这一目标，SoterOne克服许多挑战。包括但不限于：
1）在整个培训和预测过程中对客户和数据所有者公开透明；
2）保护数据所有者数据的隐私信息，避免在培训和预测过程中泄露任何个人信息；
3）在垂直和水平设置中支持大多数著名的机器学习和深度学习算法；
4）跨不同的数据所有者处理不同的数据类型和格式。
SoterOne通过解决了机器学习和区块链结合的难题，成功实现了区块链落地商用的典范，对现实世界带来以下优势：
首先，去中心化机器学习市场可以去除现有传统互联网技术巨头对数据的垄断。他们在过去20年互联网和数据爆炸时代标准化以及商品化了互联网价值创造的主要资源,并且通过专有的数据网络和他们周边的强大网络效应形成了一家独大的优势。SoterOne成功打破了垄断，实现了价值创造从数据往算法层面开始转移。
区块链技术和机器学习框架的标准化和商业化的拟定，为人工智能和大数据创造了一个更为直观的激励价值模式。
其次，去中心化机器学习市场创造了世界上最具有生命力的人工智能系统，通过直接的经济激励吸引了世界上最好的数据和模型。他们的强处随着多方网络的效率而增强。由于互联网2.0时代数据网络垄断成为商业化，但是去中心化机器学习和数据建模是大势所趋，这个方向是正确的。
第三，就像目前淘宝或者浏览器根据个人喜好推荐展示的那样，搜索发生了倒置。人们不会去刻意进行产品搜索，而是产品进行搜索同时竞争为人们服务。每家企业或者公司都有自己所需求的数据或者用户市场，推荐系统就可以将最相关的内容展示，并且这些内容和企业定义的很相关,保证机器学习和数据对接的准确性。
第四，去中心化机器学习市场可以让我们获得和Google和Facebook等传统互联网巨头同样的收益，并且还不需要担心数据被滥用的问题。
第五，机器学习可以更快速地发展，因为任何工程师都可以进入到开放的市场获取数据，而不是只有在Web2.0时代的那几所互联网大公司的工程师们。
机器学习和区块链激励的组合可以在广泛不同的应用中创造最强的机器智慧。他们的长期潜力是巨大的，并且会改变现有大型互联网公司垄断数据的现状。这其实代表了这个市场的天花板和上限极高。因为这类系统可以自我存在，自我增强，消费私密数据，去中心化治理和升级从来不会由于个人或者企业的倒闭而退步。SoterOne也将在此领域持续创新，挖掘更多的价值。
官网：www.soterone.com
