למידה מאוחדת היא א למידת מכונה טכניקה המאפשרת למספר צדדים להכשיר מודל מבלי לשתף את הנתונים שלהם. הוא נמצא בשימוש במספר תעשיות, ממקלדות למכשירים ניידים ועד שירותי בריאות לרכבים אוטונומיים ועד אסדות נפט. זה שימושי במיוחד במצבים שבהם שיתוף הנתונים מוגבל על ידי רגולציה, או שהוא רגיש או קנייני, מכיוון שהוא מאפשר לארגונים לשתף פעולה בפרויקטים של למידת מכונה מבלי להקריב את פרטיות הנתונים. זה מועיל גם במצבים שבהם גדלי הנתונים גדולים באופן בלתי אפשרי, מה שהופך את ריכוז הנתונים לאיטי ויקר.
אחד המכשולים העיקריים בלמידת מכונה הוא הצורך בכמויות גדולות של נתונים. זה יכול להיות אתגר עבור ארגונים שאין להם גישה למערכי נתונים גדולים, או עבור אלה שעובדים עם נתונים רגישים שלא ניתן לשתף. למידה מאוחדת מאפשרת לארגונים אלה לתרום למודל משותף מבלי לחלוק את הנתונים שלהם.
למידה מאוחדת יכולה גם לעזור להתגבר על סוגיית הומוגניות הנתונים. במקרים רבים, מודלים מאומנים על נתונים מקבוצה קטנה של מקורות שאינם מייצגים את האוכלוסייה הכללית. מודלים שהוכשרו על מערכי נתונים צרים אינם מכלילים היטב ולכן מתפקדים פחות כאשר הם נפרסים בצורה רחבה יותר. למידה מאוחדת מאפשרת מודלים להכשרה על קבוצה גדולה ומגוונת יותר של מקורות נתונים מבלי לדרוש את ריכוז הנתונים מכל מקורות הנתונים הללו, ובכך להוביל למודלים חזקים יותר עם ביצועים טובים יותר.
בנוסף, העלות של משאבי מחשוב ענן יכולה להוות מכשול בלמידת מכונה. אימון מודלים של למידת מכונה יכול להיות אינטנסיבי מבחינה חישובית, ודורש חומרה יקרה כמו יחידות עיבוד גרפיות (GPUs). שימוש במופעי ענן לאימון עלול להתייקר מהר מאוד. למידה מאוחדת מאפשרת לארגונים לחלוק את העומס של הדרכת מודלים ולהשתמש במשאבי מחשוב או שרתים שלא מנוצלים מספיק שכבר יש להם במרכזי הנתונים שלהם. זה יכול להוביל לחיסכון משמעותי בעלויות בתהליכי הכשרה עתירי מחשוב גדולים.
ארגונים רבים מודאגים גם מיצירת עותקים מיותרים של מערכי נתונים גדולים. זה יכול לצבור עלויות אחסון גבוהות, כמו גם עלויות לספקי ענן עבור העברת הנתונים בין מרכזי נתונים מקומיים וחשבונות ענן, או בין חשבונות ענן שונים. למידה מאוחדת מאפשרת לארגונים לשמור עותק בודד של הנתונים שלהם ואינה מצריכה העברתם למיקום אחר או לחשבון ענן אחר כדי לאמן מודלים עם הנתונים.
אתגר נוסף שיכול להגביל את השימוש בלמידת מכונה הוא פרטיות ו אילוצים רגולטוריים. הנתונים המשמשים לאימון דגמים עשויים להכיל מידע רגיש כגון מידע אישי מזהה (PII) או מידע בריאותי אישי (PHI). למידה מאוחדת מאפשרת לארגונים להכשיר מודלים ללא צורך לשתף את הנתונים שלהם, מה שיכול לעזור להפחית את חששות הפרטיות והרגולציה הללו.
למידה מאוחדת כבר נמצאת בשימוש במספר תעשיות על מנת לפתוח את הכוח של מערכי נתונים גדולים ומגוונים יותר ללא שיתוף נתונים. לדוגמה, בשנת 2021 א אלגוריתם תמיכה בהחלטות COVID הוכשר עם נתונים מ-20 בתי חולים ברחבי העולם באמצעות למידה מאוחדת (גילוי נאות: פרויקט זה הובל על ידי המייסד והמנכ"ל השותף שלנו), ובשנת 2022 אלגוריתם זיהוי שולי סרטן המוח הוכשר עם נתונים מ-71 בתי חולים ברחבי העולם באמצעות. גוגל השתמשה בלמידה מאוחדת כדי לחזות את המילה הבאה שהוקלדה על מקלדות Google Android מאז 2018 (גילוי נאות: לפני שהקמתי את החברה שלי, עבדתי בגוגל והייתי מעורב בפרויקטים המשתמשים בלמידה מאוחדת).
לסיכום, למידה מאוחדת מסייעת להתגבר על מספר מכשולים בלמידת מכונה, כולל הצורך בכמויות גדולות של נתונים, עלות משאבי המחשוב ואחסון והעברה של נתונים, האתגר של הומוגניות נתונים ודאגות לפרטיות ורגולציה. זה מאפשר לארגונים לשתף פעולה בפרויקטים של למידת מכונה מבלי להקריב את פרטיות הנתונים, דמוקרטיזציה של השימוש בלמידת מכונה וגישה לנתוני הדרכה גדולים ומגוונים, ומניב מודלים חזקים יותר ובעלי ביצועים טובים יותר.
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- Platoblockchain. Web3 Metaverse Intelligence. ידע מוגבר. גישה כאן.
- מקור: https://www.dataversity.net/how-federated-learning-is-helping-to-overcome-obstacles-in-machine-learning/
- 2018
- 2021
- 2022
- a
- אודות
- גישה
- חֶשְׁבּוֹן
- חשבונות
- לרוחב
- תעשיות
- מאפשר
- כְּבָר
- כמויות
- ו
- דְמוּי אָדָם
- סביב
- אוטונומי
- כלי רכב אוטונומיים
- להיות
- לפני
- להיות
- מוטב
- בֵּין
- בְּהַרְחָבָה
- מחלת הסרטן
- לא יכול
- אשר
- מקרים
- מרכזים
- ריכוזיות
- מְרוּכָּז
- מנכ"ל
- לאתגר
- ענן
- מייסד שותף
- לשתף פעולה
- חברה
- לחשב
- מודאג
- דאגות
- לתרום
- עלות
- חיסכון עלויות
- עלויות
- יוצרים
- נתונים
- מרכז נתונים
- פרטיות מידע
- ערכות נתונים
- שיתוף מידע
- אחסון נתונים
- מערכי נתונים
- קושי
- החלטה
- דמוקרטיזציה
- פרס
- איתור
- מכשיר
- אחר
- חשיפה
- שונה
- לא
- לא
- דוגמה
- יקר
- החל מ-
- מלא
- כללי
- GPUs
- חומרה
- יש
- בְּרִיאוּת
- בריאות הציבור
- מידע בריא
- לעזור
- מועיל
- עזרה
- גָבוֹהַ
- בתי חולים
- איך
- HTTPS
- in
- כולל
- תעשיות
- מידע
- מעורב
- סוגיה
- IT
- גָדוֹל
- גדול יותר
- עוֹפֶרֶת
- מוביל
- למידה
- הוביל
- להגביל
- מוגבל
- לִטעוֹן
- מיקום
- מכונה
- למידת מכונה
- ראשי
- לתחזק
- עשייה
- רב
- שולים
- להקל
- סלולרי
- מכשיר נייד
- מודל
- מודלים
- יותר
- נע
- מספר
- טבע
- צורך
- הבא
- מספר
- מכשול
- מכשולים
- שמן
- להזמין
- ארגונים
- להתגבר על
- במיוחד
- צדדים
- ביצועים
- אישי
- בריאות אישית
- אישית
- pii
- אפלטון
- מודיעין אפלטון
- אפלטון נתונים
- אוכלוסייה
- כּוֹחַ
- פְּרָטִיוּת
- תהליכים
- תהליך
- פּרוֹיֶקט
- פרויקטים
- קניינית
- ספקים
- מהירות
- תקנה
- רגולטורים
- לייצג
- לדרוש
- משאבים
- חָסוֹן
- מקריב
- חיסכון
- רגיש
- סט
- סטים
- כמה
- שיתוף
- משותף
- שיתוף
- משמעותי
- since
- יחיד
- מצבים
- גדל
- להאט
- קטן
- מקורות
- אחסון
- כזה
- סיכום
- תמיכה
- השמיים
- העולם
- שֶׁלָהֶם
- ל
- רכבת
- מְאוּמָן
- הדרכה
- להעביר
- מעביר
- יחידות
- לפתוח
- להשתמש
- ניצול
- כלי רכב
- אשר
- לְלֹא
- Word
- עבד
- עובד
- עוֹלָם
- מותר
- זפירנט