Tudásmorzsák - Az elosztott tanulás

A mesterséges intelligencia alkalmazásának olykor gátja az a helyzet, amikor az adat birtokosa nem akarja kiadni az adatot, a modell birtokosa pedig a modellt a kezéből. Erre a patthelyzetre létezik megoldás, a federated learning.

A federated learning olyan helyen alkalmazható, ahol érzékeny adatok kerülnek felhasználásra a betanítási folyamat során, vagyis a két kulcsszó az adatbiztonság és az adatvédelem. Ezek egyaránt lehetnek érzékeny egészségügyi adatok, vagy éppen üzleti titkok, egyedi ipari megoldások. Nem is az ok számít, ami miatt az adat birtokosa nem akarja megosztani a mesterséges intelligencia fejlesztővel az adatait, hanem az az állapot, amelybe így belekormányozzák magukat. Az elosztott tanulás megoldást kínál erre a problémára. A mesterséges intelligencia fejlesztők titkosított módon küldik át a modell adatait az adatbirtokosnak, vagy egy harmadik megbízható félnek, akiben megállapodnak. Ezt követően vagy az adatbirtokos, vagy harmadik fél igénybevétele esetén ez a megbízott közvetítő elvégzi a betanítást. A betanítás eredményeként elkészült mátrixot kapja meg a fejlesztő, így ők sosem fogják kezelni vagy látni az eredeti adatokat, csak az eredményeket. Arra is van mód, hogy egyedi eljárásokkal a betanított eredeményekbe olyan jellegű anonimizálást biztosító zajt helyezzenek el, amely segítségével még a szenzitív adatok sem lesznek hozzákapcsolhatók a betanítás alapjául szolgáló adathalmaz valamely eleméhez, így megvalósul az adatok megfelelő anonimizációja, ezáltal védelme.

Ilyen megoldásokat használnak például a mobiltelefonokban, de alkalmazható iparban, egészségügyben, banki rendszerekben is.