טכנולוגיה חדשה עוזרת לבינה מלאכותית 'ללמוד עם' נתוני משתמש במקום 'להסתכל עליהם'

למידה מאוחדת מאפשרת לבינה מלאכותית ללמוד ישירות במכשירים של משתמשים, ולהיות חכמה יותר מיום ליום מבלי לאסוף או לאחסן נתונים אישיים.

עדיין יש דרך לאמן בינה מלאכותית מבלי לשתף נתוני משתמש

בעידן הדיגיטלי, נתונים אישיים הם ה"דלק" לפיתוח בינה מלאכותית. אבל משם, צץ פרדוקס: ככל שהבינה המלאכותית מבינה יותר בני אדם, כך אנו פגיעים יותר ל"בדיקה".

דליפות מידע, פרסום מותאם אישית יתר על המידה ושיטות איסוף נתונים לא שקופות גרמו למשתמשים להיות חשדניים יותר ויותר מ"מסירת" הנתונים שלהם לפלטפורמות.

בהקשר זה, קהילת הטכנולוגיה החלה לחפש דרך שבה בינה מלאכותית עדיין תוכל ללמוד מבלי לאסוף נתונים פרטיים, וזוהי למידה מאוחדת (Federated Learning).

כיצד בינה מלאכותית לומדת מבלי לראות נתונים

בניגוד למודל האימון המסורתי, כל הנתונים כגון הודעות, תמונות או הרגלי שימוש חייבים להישלח לשרת כדי שהבינה המלאכותית תוכל ללמוד. זה גורם לאנשים רבים לדאוג מכיוון שנתונים אישיים עלולים להיאסף או לדלוף.

עם למידה מאוחדת, התהליך הפוך: הלמידה מתרחשת ממש במכשיר שלך, כמו בטלפון שלך. הבינה המלאכותית פשוט "צופה" באופן שבו אתה מקליד או משתמש באפליקציה כדי לצייר את חוויית הלמידה שלה, מבלי לשלוח נתונים ממשיים לשרת.

לאחר מכן הטלפון שולח רק סיכום של התוצאות הנלמדות (בצורת מספרים או נוסחאות מתמטיות) למערכת המרכזית לצורך סינתזה.

דמיינו את זה: מיליוני טלפונים חולקים "חוויות למידה" במקום "משימות עבודה". הבינה המלאכותית ממשיכה להיות חכמה יותר, אבל הנתונים הפרטיים שלכם לעולם לא עוזבים את הטלפון שלכם.

בשנת 2017, גוגל הציגה את Federated Learning ל-Gboard, מקלדת ברירת המחדל של אנדרואיד, כך שהאפליקציה יכולה ללמוד כיצד מקלידים, לחזות את המילה הבאה ולתקן שגיאות כתיב מבלי לשלוח הודעות בחזרה לשרתים שלה.

לא רק שם, אלא גם למידה מאוחדת פותחת פוטנציאל גדול בתחום הרפואי . במקום לאסוף נתוני מטופלים, המוגבל על ידי תקנות מחמירות כמו HIPAA (ארה"ב) או GDPR (אירופה), בתי חולים יכולים לאמן מודלים אבחנתיים יחד מבלי לשתף רשומות אמיתיות.

פרויקט EXAM (2020) שיזם NVIDIA הוא דוגמה מצוינת: יותר מ-20 בתי חולים ברחבי העולם אימנו במשותף מערכת לחיזוי מצבים של חולי COVID-19 מבלי להחליף נתונים אישיים.

לא רק גוגל, אלא גם אפל (שמושמת במקלדת Siri ו-QuickType), מטא (עם פלטפורמת הבדיקות FLUTE), יחד עם מוסדות פיננסיים כמו WeBank או Ant Group, ואוניברסיטאות מובילות רבות כמו סטנפורד ו-MIT חוקרים או פורסים גם הן את נושא הלמידה הפדרלית. טכנולוגיה זו צפויה להפוך לסטנדרט החדש עבור מערכות בינה מלאכותית המכבדות את פרטיות המשתמשים.

המפתח לבינה מלאכותית הוגנת ושקופה

אימון על מיליוני מכשירים עם תצורות מגוונות, חיבורים לא יציבים וקיבולת סוללה מוגבלת יוצר אתגרים רבים מבחינת מהירות ודיוק הלמידה. בנוסף, הסיכון של התקפות מודל הפוך מאלץ גם מפתחים לשלב למידה מאוחדת (Federated Learning) עם טכנולוגיות אבטחה אחרות כגון הצפנה הומומורפית או פרטיות דיפרנציאלית.

בינה מלאכותית משתפרת בהכרתך, אך למידה מאוחדת מציעה תקווה לשינוי האופן שבו אנו מקיימים אינטראקציה עם טכנולוגיה. במקום שבינה מלאכותית תאסוף נתונים באופן פסיבי, בינה מלאכותית לומדת כעת ישירות במכשיר שלך מבלי שתצטרך גישה לנתונים אישיים ממשיים.

זה לא רק מגן על הפרטיות, אלא גם יוצר שותפות חדשה בין בני אדם לבינה מלאכותית שבה בינה מלאכותית מלווה ולומדת איתך, במקום לפלוש לפרטיות שלך.

ברחבי העולם , חברות וחוקרים רבים שואפים למטרה זו. למידה מאוחדת צפויה להפוך למפתח לעתיד בינה מלאכותית שקוף, הוגן ומכבד משתמשים, שבו בינה מלאכותית למעשה לומדת "איתכם", במקום "לדעת יותר מדי" עליכם.

חזרה לנושא

אינטליגנציה יחידה

מקור: https://tuoitre.vn/cong-nghe-moi-giup-ai-hoc-cung-chu-khong-soi-du-lieu-nguoi-dung-20251008164916799.htm