नई तकनीक एआई को उपयोगकर्ता डेटा को देखने के बजाय उससे सीखने में मदद करती है

फेडरेटेड लर्निंग एआई को उपयोगकर्ताओं के डिवाइस पर सीधे सीखने में सक्षम बनाता है, जिससे व्यक्तिगत डेटा एकत्र या संग्रहीत किए बिना यह हर दिन अधिक स्मार्ट होता जाता है।

उपयोगकर्ता डेटा साझा किए बिना AI को प्रशिक्षित करने का अभी भी एक तरीका है

डिजिटल युग में, व्यक्तिगत डेटा एआई विकास के लिए "ईंधन" है। लेकिन यहीं से एक विरोधाभास सामने आता है: एआई इंसानों को जितना ज़्यादा समझता है, हम "जांच" के प्रति उतने ही ज़्यादा संवेदनशील होते हैं।

सूचना लीक, अत्यधिक व्यक्तिगत विज्ञापन, तथा अपारदर्शी डेटा संग्रहण प्रथाओं ने उपयोगकर्ताओं को अपने डेटा को प्लेटफार्मों को "सौंपने" के प्रति अधिक सतर्क बना दिया है।

इस संदर्भ में, प्रौद्योगिकी समुदाय ने एआई के लिए निजी डेटा एकत्र किए बिना सीखने का तरीका खोजना शुरू कर दिया, और वह है फेडरेटेड लर्निंग।

बिना डेटा देखे AI कैसे सीखता है

पारंपरिक प्रशिक्षण मॉडल के विपरीत, एआई को सीखने के लिए संदेश, चित्र या उपयोग की आदतों जैसे सभी डेटा को सर्वर पर भेजना आवश्यक है। इससे कई लोग चिंतित हैं क्योंकि व्यक्तिगत डेटा एकत्र या लीक हो सकता है।

फ़ेडरेटेड लर्निंग के साथ, प्रक्रिया उलट जाती है: सीखना सीधे आपके डिवाइस पर होता है, जैसे कि आपका फ़ोन। एआई सिर्फ़ यह "देखता" है कि आप कैसे टाइप करते हैं या ऐप का इस्तेमाल करते हैं, और सर्वर को वास्तविक डेटा भेजे बिना, अपने सीखने के अनुभव को खुद बनाता है।

इसके बाद फोन केवल सीखे गए परिणामों का सारांश (संख्याओं या गणितीय सूत्रों के रूप में) संश्लेषण के लिए केंद्रीय प्रणाली को भेजता है।

कल्पना कीजिए: लाखों फ़ोन "कार्य असाइनमेंट" के बजाय "सीखने के अनुभव" साझा कर रहे हैं। AI लगातार स्मार्ट होता जा रहा है, लेकिन आपका निजी डेटा आपके फ़ोन से कभी बाहर नहीं जाता।

2017 में, गूगल ने डिफॉल्ट एंड्रॉयड कीबोर्ड, Gboard में फेडरेटेड लर्निंग की शुरुआत की, जिससे ऐप सीख सकता है कि आप कैसे टाइप करते हैं, आपके अगले शब्द का अनुमान लगा सकता है, और अपने सर्वर पर संदेश भेजे बिना वर्तनी की गलतियों को ठीक कर सकता है।

यहीं नहीं, फ़ेडरेटेड लर्निंग चिकित्सा क्षेत्र में भी अपार संभावनाओं के द्वार खोलता है। मरीज़ों का डेटा इकट्ठा करने के बजाय, जो कि HIPAA (अमेरिका) या GDPR (यूरोप) जैसे सख्त नियमों द्वारा सीमित है, अस्पताल वास्तविक रिकॉर्ड साझा किए बिना एक साथ डायग्नोस्टिक मॉडल को प्रशिक्षित कर सकते हैं।

NVIDIA द्वारा शुरू की गई EXAM (2020) परियोजना इसका एक प्रमुख उदाहरण है: 20 से अधिक वैश्विक अस्पतालों ने संयुक्त रूप से किसी भी व्यक्तिगत डेटा का आदान-प्रदान किए बिना COVID-19 रोगी की स्थिति की भविष्यवाणी करने के लिए एक प्रणाली को प्रशिक्षित किया।

सिर्फ़ गूगल ही नहीं, बल्कि ऐप्पल (सिरी और क्विकटाइप कीबोर्ड में प्रयुक्त), मेटा (FLUTE टेस्टिंग प्लेटफ़ॉर्म के साथ), वीबैंक या एंट ग्रुप जैसे वित्तीय संस्थान, और स्टैनफोर्ड, MIT जैसे कई प्रमुख विश्वविद्यालय भी फ़ेडरेटेड लर्निंग पर शोध या प्रयोग कर रहे हैं। यह तकनीक उपयोगकर्ताओं की गोपनीयता का सम्मान करने वाले AI सिस्टम के लिए नया मानक बनने की उम्मीद है।

निष्पक्ष और पारदर्शी AI की कुंजी

विविध कॉन्फ़िगरेशन, अस्थिर कनेक्शन और सीमित बैटरी क्षमता वाले लाखों उपकरणों पर प्रशिक्षण, सीखने की गति और सटीकता के संदर्भ में कई चुनौतियाँ पैदा करता है। इसके अलावा, रिवर्स मॉडल हमलों का जोखिम भी डेवलपर्स को फ़ेडरेटेड लर्निंग को होमोमॉर्फिक एन्क्रिप्शन या डिफरेंशियल प्राइवेसी जैसी अन्य सुरक्षा तकनीकों के साथ संयोजित करने के लिए मजबूर करता है।

एआई आपको बेहतर तरीके से जानने में सक्षम होता जा रहा है, लेकिन फ़ेडरेटेड लर्निंग तकनीक के साथ हमारे व्यवहार के तरीके को बदलने की उम्मीद जगाता है। एआई द्वारा निष्क्रिय रूप से डेटा एकत्र करने के बजाय, अब एआई वास्तविक व्यक्तिगत डेटा तक पहुँच के बिना सीधे आपके डिवाइस पर सीखता है।

इससे न केवल गोपनीयता की रक्षा होती है, बल्कि मानव और एआई के बीच एक नई साझेदारी भी बनती है, जहां एआई आपकी गोपनीयता पर आक्रमण करने के बजाय आपके साथ रहता है और आपके साथ सीखता है।

दुनिया भर में, कई कंपनियाँ और शोधकर्ता इस लक्ष्य की ओर अग्रसर हैं। फ़ेडरेटेड लर्निंग एक पारदर्शी, निष्पक्ष और उपयोगकर्ता-सम्मानित एआई भविष्य की कुंजी बनने की उम्मीद है, जहाँ एआई वास्तव में आपके बारे में "बहुत ज़्यादा जानने" के बजाय, आपके साथ सीखेगा।

विषय पर वापस जाएँ

एकल बुद्धि

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