Az új technológia segít a mesterséges intelligenciának a felhasználói adatokkal való „tanulásban”, ahelyett, hogy „megnézné” azokat.

A Federated Learning lehetővé teszi a mesterséges intelligencia számára, hogy közvetlenül a felhasználók eszközein tanuljon, így napról napra okosabb lesz anélkül, hogy személyes adatokat kellene gyűjteni vagy tárolni.

Még mindig van mód a mesterséges intelligencia képzésére felhasználói adatok megosztása nélkül

A digitális korban a személyes adatok jelentik a mesterséges intelligencia fejlesztésének „üzemanyagát”. De innentől kezdve egy paradoxon bontakozik ki: minél jobban megérti a mesterséges intelligencia az embereket, annál sebezhetőbbek vagyunk a „vizsgálattal szemben”.

Az információszivárgások, a túlzottan személyre szabott hirdetések és az átláthatatlan adatgyűjtési gyakorlatok miatt a felhasználók egyre óvatosabbak az adataik platformoknak való „átadásával” kapcsolatban.

Ebben az összefüggésben a technológiai közösség elkezdte keresni a módját, hogy a mesterséges intelligencia továbbra is tanulhasson anélkül, hogy személyes adatokat gyűjtene, és ez a Federated Learning.

Hogyan tanul a mesterséges intelligencia adatok megtekintése nélkül?

A hagyományos betanítási modellel ellentétben minden adatot, például üzeneteket, képeket vagy használati szokásokat el kell küldeni a szerverre, hogy a mesterséges intelligencia tanulhasson. Ez sokakat aggaszt, mivel személyes adatok gyűjthetők vagy kiszivároghatnak.

A Federated Learning esetében a folyamat fordított: a tanulás közvetlenül az eszközödön, például a telefonodon történik. A mesterséges intelligencia csupán „megfigyeli”, hogyan gépelsz vagy használod az alkalmazást, és így rajzolja meg saját tanulási élményét anélkül, hogy tényleges adatokat küldene a szervernek.

A telefon ezután csak a tanult eredmények összefoglalását (számok vagy matematikai képletek formájában) küldi el a központi rendszernek szintézis céljából.

Képzeld el ezt: több millió telefon oszt meg „tanulási élményeket” a „munkafeladatok” helyett. A mesterséges intelligencia egyre okosabb lesz, de a személyes adataid sosem hagyják el a telefonod.

2017-ben a Google bevezette a Federated Learning technológiát a Gboardba, az alapértelmezett Android billentyűzetbe, így az alkalmazás megtanulhatja, hogyan gépelsz, megjósolhatja a következő szót, és kijavíthatja a helyesírási hibákat anélkül, hogy üzeneteket küldene vissza a szervereire.

De nem áll meg itt, a Federated Learning az orvostudományban is hatalmas lehetőségeket nyit meg. Ahelyett, hogy a betegek adatait – melyeket olyan szigorú szabályozások korlátoznak, mint a HIPAA (USA) vagy a GDPR (Európa) – a kórházak diagnosztikai modelleket képezhetnek együtt anélkül, hogy valódi adatokat kellene megosztaniuk.

Az NVIDIA által kezdeményezett EXAM (2020) projekt erre kiváló példa: több mint 20 kórház világszerte közösen képzett egy rendszert, amely képes előre jelezni a COVID-19 betegek állapotát személyes adatok cseréje nélkül.

Nemcsak a Google, hanem az Apple (Siri és QuickType billentyűzeten alkalmazva), a Meta (a FLUTE tesztelési platformmal), valamint olyan pénzintézetek, mint a WeBank vagy az Ant Group, és számos vezető egyetem, mint a Stanford és az MIT is kutatja vagy alkalmazza a Federated Learning technológiát. Várhatóan ez a technológia lesz az új szabvány a felhasználók adatainak védelmét tiszteletben tartó mesterséges intelligencia rendszerek számára.

A tisztességes és átlátható mesterséges intelligencia kulcsa

A több millió, eltérő konfigurációjú, instabil kapcsolattal és korlátozott akkumulátorkapacitással rendelkező eszközön történő betanítás számos kihívást jelent a tanulási sebesség és pontosság szempontjából. Ezenkívül a fordított modelltámadások kockázata arra is kényszeríti a fejlesztőket, hogy a Federated Learninget más biztonsági technológiákkal, például homomorf titkosítással vagy differenciális adatvédelemmel kombinálják.

A mesterséges intelligencia egyre jobban ismer téged, de a Federated Learning (föderált tanulás) reményt ad arra, hogy megváltoztassuk a technológiával való interakciónk módját. A passzív adatgyűjtés helyett a mesterséges intelligencia most közvetlenül az eszközödön tanul anélkül, hogy hozzáférne a tényleges személyes adatokhoz.

Ez nemcsak a magánélet védelmét szolgálja, hanem egy új partnerséget is teremt az emberek és a mesterséges intelligencia között, ahol a mesterséges intelligencia elkísér és veled tanul, ahelyett, hogy megsértené a magánéletedet.

Világszerte számos vállalat és kutató törekszik erre a célra. A Federated Learning várhatóan kulcsfontosságú lesz egy átlátható, tisztességes és felhasználót tisztelő mesterséges intelligencia jövőhöz, ahol a mesterséges intelligencia valójában „veled” tanul, ahelyett, hogy „túl sokat tudna” rólad.

Vissza a témához

EGYETLEN INTELLIGENCIA

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