Сегодня нет единой формы представления больших научных данных, доступной для коммерциализации, что затрудняет получение выгоды от инвестиций в исследовательские инфраструктуры. Принципы FAIR управления данными без вмешательства пользователя — один из первых шагов к формированию цифровой инфраструктуры, обеспечивающей трансфер научных результатов в форму, понятную инвесторам, чиновникам, обществу и обеспечивающую контроль за объемами научных данных.
Как бы слабо ни была развита сегодня дисциплина обеспечения безопасности систем машинного обучения, благодаря достижениям исследователей ситуация исправится. И когда это произойдет, то самым слабым звеном в безопасности систем машинного обучения, как и в криптографии, окажется программное обеспечение, используемое для поддержки их работы.
Интеллектуальные системы, работающие на основе алгоритмов машинного обучения, требуют больших объемов размеченных данных. Используя фактические сведения справочного характера, можно восполнять нехватку размеченных данных для обучения алгоритмов, причем для многих практических применений удобно организовывать справочные сведения в форме графа знаний. Объединение сведений из графов знаний с обучающими выборками позволяет существенно улучшить результативность работы алгоритмов машинного обучения, в том числе используемых в системах предоставления рекомендаций и анализа структуры сообществ. Графы знаний позволяют не только повысить точность работы таких систем, но и обеспечить объяснимость получаемых результатов.
Контент — главный элемент информационно-центричной модели сети. Его можно кэшировать и перераспределять в рамках такой сети. Внедрение этой модели в крупномасштабной беспроводной сети Интернета вещей, с одной стороны, позволило бы существенно повысить ее эффективность, а с другой — оставило бы за бортом многие традиционные решения для безопасности. Однако на этом пути остается еще много проблем обеспечения безопасности и приватности.