Ny teknologi hjelper AI med å «lære med» i stedet for å «se på» brukerdata

Federated Learning gjør det mulig for AI å lære direkte på brukernes enheter, og bli smartere hver dag uten å samle inn eller lagre personopplysninger.

Det finnes fortsatt en måte å trene AI på uten å dele brukerdata.

I den digitale tidsalderen er personopplysninger «drivstoffet» for utvikling av kunstig intelligens. Men derfra dukker et paradoks opp: jo mer kunstig intelligens forstår mennesker, desto mer sårbare er vi for «gransking».

Informasjonslekkasjer, overdrevent personlig annonsering og ikke-transparente datainnsamlingspraksiser har gjort brukere stadig mer skeptiske til å «overlate» dataene sine til plattformer.

I den sammenhengen begynte teknologimiljøet å lete etter en måte for AI å fortsatt lære uten å samle inn private data, og det er Federated Learning.

Hvordan AI lærer uten å se data

I motsetning til den tradisjonelle treningsmodellen, må alle data som meldinger, bilder eller bruksvaner sendes til serveren for at AI skal kunne lære. Dette gjør mange bekymret fordi personopplysninger kan samles inn eller lekkes.

Med Federated Learning er prosessen reversert: læringen skjer rett på enheten din, som telefonen din. AI-en «observerer» bare hvordan du skriver eller bruker appen til å tegne sin egen læringsopplevelse, uten å sende faktiske data til serveren.

Telefonen sender deretter bare et sammendrag av de lærte resultatene (i form av tall eller matematiske formler) til det sentrale systemet for syntese.

Tenk deg dette: millioner av telefoner som deler «læringsopplevelser» i stedet for «arbeidsoppgaver». AI-en blir stadig smartere, men dine private data forlater aldri telefonen din.

I 2017 introduserte Google Federated Learning til Gboard, standard Android-tastaturet, slik at appen kan lære hvordan du skriver, forutsi ditt neste ord og rette stavefeil uten å sende meldinger tilbake til serverne sine.

Federated Learning stopper ikke der, men åpner også for et stort potensial innen det medisinske feltet. I stedet for å samle inn pasientdata, som er begrenset av strenge forskrifter som HIPAA (USA) eller GDPR (Europa), kan sykehus trene diagnostiske modeller sammen uten å dele faktiske journaler.

EXAM (2020)-prosjektet, initiert av NVIDIA, er et godt eksempel: mer enn 20 globale sykehus trente i fellesskap et system for å forutsi COVID-19-pasienttilstander uten å utveksle personopplysninger.

Ikke bare Google, men også Apple (anvendt i Siri og QuickType-tastatur), Meta (med FLUTE-testplattformen), sammen med finansinstitusjoner som WeBank eller Ant Group, og mange ledende universiteter som Stanford og MIT forsker også på eller distribuerer Federated Learning. Denne teknologien forventes å bli den nye standarden for AI-systemer som respekterer brukernes personvern.

Nøkkelen til rettferdig og transparent AI

Trening på millioner av enheter med ulike konfigurasjoner, ustabile tilkoblinger og begrenset batterikapasitet skaper mange utfordringer når det gjelder læringshastighet og nøyaktighet. I tillegg tvinger risikoen for omvendte modellangrep også utviklere til å kombinere Federated Learning med andre sikkerhetsteknologier som homomorf kryptering eller differensiell personvern.

AI blir bedre til å kjenne deg, men Federated Learning gir håp om å endre måten vi samhandler med teknologi på. I stedet for at AI passivt samler inn data, lærer AI nå direkte på enheten din uten å trenge tilgang til faktiske personopplysninger.

Dette beskytter ikke bare personvernet, men skaper også et nytt partnerskap mellom mennesker og AI der AI følger med og lærer med deg, i stedet for å invadere personvernet ditt.

Verden over jobber mange selskaper og forskere for å nå dette målet. Federated Learning forventes å bli nøkkelen til en transparent, rettferdig og brukerrespekterende AI-fremtid der AI faktisk lærer «med» deg, i stedet for å «vite for mye» om deg.

Tilbake til emnet

ENKELT INTELLIGENS

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