Învățarea federată este a masina de învățare tehnică care permite mai multor părți să antreneze un model fără a-și partaja datele. Este folosit în mai multe industrii, de la tastaturi pentru dispozitive mobile la îngrijirea sănătății la vehicule autonome la platforme petroliere. Este deosebit de util în situațiile în care partajarea datelor este limitată de reglementări sau este sensibilă sau proprietară, deoarece permite organizațiilor să colaboreze la proiecte de învățare automată fără a sacrifica confidențialitatea datelor. De asemenea, este util în situațiile în care dimensiunile datelor sunt prohibitiv de mari, ceea ce face ca centralizarea datelor să fie lentă și costisitoare.
Unul dintre principalele obstacole în învățarea automată este nevoia de cantități mari de date. Aceasta poate fi o provocare pentru organizațiile care nu au acces la seturi mari de date sau pentru cele care lucrează cu date sensibile care nu pot fi partajate. Învățarea federată permite acestor organizații să contribuie la un model comun fără a fi nevoite să-și partajeze datele.
Învățarea federată poate ajuta, de asemenea, la depășirea problemei omogenității datelor. În multe cazuri, modelele sunt antrenate pe date dintr-un set mic de surse care nu reprezintă populația generală. Modelele instruite pe seturi de date restrânse nu se generalizează bine și, prin urmare, au performanțe slabe atunci când sunt implementate pe scară largă. Învățarea federată permite formarea modelelor pe un set mai mare și mai divers de surse de date fără a necesita centralizarea datelor din toate aceste surse de date, ceea ce duce la modele mai robuste, cu performanțe mai bune.
În plus, costul resurselor cloud compute poate fi un obstacol în învățarea automată. Pregătirea modelelor de învățare automată poate fi intensivă din punct de vedere computațional, necesitând hardware scump, cum ar fi unitățile de procesare grafică (GPU). Utilizarea instanțelor cloud pentru instruire poate deveni costisitoare foarte repede. Învățarea federată permite organizațiilor să partajeze încărcătura de formare a modelelor și să utilizeze resurse de calcul sau servere subutilizate pe care le au deja în centrele lor de date. Acest lucru poate duce la economii semnificative de costuri în procesele mari de formare intensivă în calcul.
Multe organizații sunt, de asemenea, preocupate de crearea de copii redundante ale seturi de date mari. Acest lucru poate genera costuri mari de stocare, precum și costuri pentru furnizorii de cloud pentru transferul datelor între centrele de date locale și conturile cloud sau între diferite conturi cloud. Învățarea federată permite organizațiilor să păstreze o singură copie a datelor lor și nu necesită mutarea acesteia într-o altă locație sau cont cloud pentru a antrena modele cu datele.
O altă provocare care poate limita utilizarea învățării automate este confidențialitatea și constrângeri de reglementare. Datele utilizate pentru antrenarea modelelor pot conține informații sensibile, cum ar fi informații de identificare personală (PII) sau informații personale de sănătate (PHI). Învățarea federată permite organizațiilor să antreneze modele fără a fi nevoite să-și partajeze datele, ceea ce poate ajuta la atenuarea acestor preocupări privind confidențialitatea și reglementările.
Învățarea federată este deja utilizată în mai multe industrii pentru a debloca puterea unor seturi de date mai mari și mai diverse fără partajarea datelor. De exemplu, în 2021 a Algoritmul de sprijinire a deciziei COVID a fost instruit cu date de la 20 de spitale din întreaga lume folosind învățarea federată (dezvăluire completă: acest proiect a fost condus de co-fondatorul și CEO-ul nostru), iar în 2022 un algoritmul de detectare a marginii cancerului cerebral a fost instruit cu date de la 71 de spitale din întreaga lume folosind. Google a folosit învățarea federată pentru prezice următorul cuvânt tastat pe tastaturile Google Android din 2018 (dezvăluire completă: înainte de a-mi fonda compania, am lucrat la Google și am fost implicat în proiecte care utilizează învățarea federată).
În rezumat, învățarea federată ajută la depășirea unui număr de obstacole în învățarea automată, inclusiv nevoia de cantități mari de date, costul resurselor de calcul și al stocării și transferului de date, provocarea omogenității datelor și preocupările privind confidențialitatea și reglementările. Permite organizațiilor să colaboreze la proiecte de învățare automată fără a sacrifica confidențialitatea datelor, democratizează utilizarea învățării automate și accesul la date de instruire diverse, generând modele mai robuste și mai performante.
- Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
- Platoblockchain. Web3 Metaverse Intelligence. Cunoștințe amplificate. Accesați Aici.
- Sursa: https://www.dataversity.net/how-federated-learning-is-helping-to-overcome-obstacles-in-machine-learning/
- 2018
- 2021
- 2022
- a
- Despre Noi
- acces
- Cont
- Conturi
- peste
- TOATE
- permite
- deja
- Sume
- și
- Android
- în jurul
- autonom
- autovehicule autonome
- deveni
- înainte
- fiind
- Mai bine
- între
- in linii mari
- Rac
- nu poti
- pasă
- cazuri
- Centre
- Centralizare
- centralizat
- CEO
- contesta
- Cloud
- Co-fondator
- colabora
- companie
- Calcula
- îngrijorat
- preocupările
- a contribui
- A costat
- economii
- Cheltuieli
- Crearea
- de date
- centre de date
- confidențialitatea datelor
- seturi de date
- schimbul de date
- stocare a datelor
- seturi de date
- VERSITATE DE DATE
- decizie
- democratizarea
- dislocate
- Detectare
- dispozitiv
- diferit
- dezvăluire
- diferit
- Nu
- Dont
- exemplu
- scump
- din
- Complet
- General
- unități de procesare grafică
- Piese metalice
- având în
- Sănătate
- Sănătate
- informație despre sănătate
- ajutor
- util
- ajutor
- Înalt
- spitale
- Cum
- HTTPS
- in
- Inclusiv
- industrii
- informații
- implicat
- problema
- IT
- mare
- mai mare
- conduce
- conducere
- învăţare
- Led
- LIMITĂ
- Limitat
- încărca
- locaţie
- maşină
- masina de învățare
- Principal
- menține
- Efectuarea
- multe
- Margine
- diminua
- Mobil
- dispozitiv mobil
- model
- Modele
- mai mult
- în mişcare
- multiplu
- Natură
- Nevoie
- următor
- număr
- obstacol
- obstacole
- Ulei
- comandă
- organizații
- Învinge
- în special
- petreceri
- performanță
- personal
- Sănătate personală
- Personal
- PII
- Plato
- Informații despre date Platon
- PlatoData
- populație
- putere
- intimitate
- procese
- prelucrare
- proiect
- Proiecte
- proprietate
- furnizori
- repede
- Regulament
- autoritățile de reglementare
- reprezenta
- necesita
- Resurse
- robust
- sacrificare
- Economie
- sensibil
- set
- Seturi
- câteva
- Distribuie
- comun
- partajarea
- semnificativ
- întrucât
- singur
- situații
- dimensiuni
- încetini
- mic
- Surse
- depozitare
- astfel de
- REZUMAT
- a sustine
- lumea
- lor
- la
- Tren
- dresat
- Pregătire
- transfer
- transferare
- de unităţi
- deschide
- utilizare
- Utilizand
- Vehicule
- care
- fără
- Cuvânt
- a lucrat
- de lucru
- lume
- elastic
- zephyrnet