Teknologi baru membantu AI 'belajar dengan' daripada 'melihat' data pengguna

AI - Ảnh 1. — Masih Ada Cara Melatih AI Tanpa Membagikan Data Pengguna

Di era digital, data pribadi menjadi "bahan bakar" bagi pengembangan AI. Namun, dari situlah muncul sebuah paradoks: semakin AI memahami manusia, semakin rentan kita terhadap "pengawasan".

Kebocoran informasi, iklan yang terlalu personal, dan praktik pengumpulan data yang tidak transparan telah membuat pengguna semakin waspada untuk "menyerahkan" data mereka ke platform.

Dalam konteks itu, komunitas teknologi mulai mencari cara agar AI tetap belajar tanpa mengumpulkan data pribadi, yaitu Pembelajaran Terfederasi.

Bagaimana AI belajar tanpa melihat data

Berbeda dengan model pelatihan tradisional, semua data seperti pesan, gambar, atau kebiasaan penggunaan harus dikirim ke server agar AI dapat mempelajarinya. Hal ini membuat banyak orang khawatir karena data pribadi dapat dikumpulkan atau bocor.

Dengan Pembelajaran Terfederasi, prosesnya terbalik: pembelajaran terjadi langsung di perangkat Anda, seperti ponsel Anda. AI hanya "mengamati" cara Anda mengetik atau menggunakan aplikasi untuk menggambar pengalaman belajarnya sendiri, tanpa mengirimkan data aktual ke server.

Ponsel kemudian hanya mengirimkan ringkasan hasil yang dipelajari (dalam bentuk angka atau rumus matematika) ke sistem pusat untuk disintesis.

Bayangkan ini: jutaan ponsel berbagi "pengalaman belajar", alih-alih "tugas kerja". AI semakin pintar, tetapi data pribadi Anda tidak pernah meninggalkan ponsel.

Pada tahun 2017, Google memperkenalkan Federated Learning ke Gboard, papan ketik Android bawaan, sehingga aplikasi tersebut dapat mempelajari cara Anda mengetik, memprediksi kata berikutnya, dan mengoreksi kesalahan ejaan tanpa mengirimkan pesan kembali ke servernya.

Tak berhenti di situ, Pembelajaran Terfederasi juga membuka potensi besar di bidang medis . Alih-alih mengumpulkan data pasien, yang dibatasi oleh peraturan ketat seperti HIPAA (AS) atau GDPR (Eropa), rumah sakit dapat melatih model diagnostik bersama tanpa berbagi data asli.

Proyek EXAM (2020) yang diprakarsai NVIDIA adalah contoh utama: lebih dari 20 rumah sakit global bersama-sama melatih sistem untuk memprediksi kondisi pasien COVID-19 tanpa bertukar data pribadi apa pun.

Tak hanya Google, Apple (yang diterapkan pada papan ketik Siri dan QuickType), Meta (dengan platform pengujian FLUTE), lembaga keuangan seperti WeBank atau Ant Group, serta banyak universitas terkemuka seperti Stanford dan MIT juga sedang meneliti atau menerapkan Pembelajaran Terfederasi. Teknologi ini diharapkan menjadi standar baru bagi sistem AI yang menghormati privasi pengguna.

Kunci untuk AI yang adil dan transparan

Pelatihan pada jutaan perangkat dengan konfigurasi beragam, koneksi tidak stabil, dan kapasitas baterai terbatas menciptakan banyak tantangan dalam hal kecepatan dan akurasi pembelajaran. Selain itu, risiko serangan model terbalik juga memaksa pengembang untuk menggabungkan Pembelajaran Terfederasi dengan teknologi keamanan lain seperti enkripsi homomorfik atau privasi diferensial.

AI semakin baik dalam mengenali Anda, tetapi Pembelajaran Terfederasi menawarkan harapan untuk mengubah cara kita berinteraksi dengan teknologi. Alih-alih mengumpulkan data secara pasif, AI kini belajar langsung di perangkat Anda tanpa perlu mengakses data pribadi yang sebenarnya.

Hal ini tidak hanya melindungi privasi, tetapi juga menciptakan kemitraan baru antara manusia dan AI di mana AI menemani dan belajar bersama Anda, alih-alih menyerang privasi Anda.

Di seluruh dunia , banyak perusahaan dan peneliti sedang mengejar tujuan ini. Pembelajaran Terfederasi diharapkan menjadi kunci menuju masa depan AI yang transparan, adil, dan menghargai pengguna, di mana AI benar-benar belajar "bersama" Anda, alih-alih "mengetahui terlalu banyak" tentang Anda.

Kembali ke topik

KECERDASAN TUNGGAL

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