Jungtinis mokymasis

Įvadas

Viena iš pagrindinių esamų problemų, susijusių su tradiciniu mašininio mokymosi (machine learning - ML) modeliu - susidūrimas su dideliu duomenų kiekiu. Ypač, kai tie duomenys yra privatūs (pvz. vartotojų asmeninė informacija). Duomenų saugojimas centriniame serveryje ne tik pažeidžia vartotojo privatumą, bet ir kelia pavojų, kad tie duomenys bus paviešinti. Dažniausiai naudotojų informacija yra saugoma didelėms korporacijoms priklausančiame debesyje (cloud), jiems to net nežinant. Suteikdami savo privatumą, vartotojai gauna vis geresnes programos versijas, kurios labiau pritaikytos jų poreikiams.

Šalių vyriausybės atsižvelgė į šias asmeninės informacijos pažeidžiamumo galimybės problemas ir ėmėsi griežtų priemonių duomenų privatumui užtikrinti - bendrais reglamentais įvesti ribojimai bet kuriai organizacijai ar įmonei prieiti prie jautrių vartotojo duomenų, kol vartotojas aiškiai to padaryti neleidžia (dažniausiai leidimas suteikiamas mygtuko paspaudimu).

Įmonėms darosi vis sunkiau kurti naujas programas dėl įsigaliojusių (ir vis naujai atsirandančių) vartotojus ginančių reglamentų, kurios galėtų suteikti geresnių, suasmenintų rezultatų. Visos mašininiu mokymusi pagrįstos programos veikia pagal paprastą logiką - kuo daugiau duomenų joms pateikiate, tuo geresni ir labiau suasmeninti rezultatai išgaunami. Jei jie nėra išgaunami panaudojant didelį srautą įvairių duomenų, bus gaunami prasti ir nesuasmeninti rezultatai. Taigi, ką daro organizacijos, kurioms asmens duomenys yra būtent tai, iš ko jos gyvena? Šias problemas – tiek vartotojui, tiek organizacijoms – galima išspręsti pasitelkus jungtinį mokymąsi (federated learning).

Jungtinis mokymasis ir jo veikimo principas

Jungtinis mokymasis - tai mašininio mokymosi metodas, leidžiantis mašininio mokymosi modeliams treniruotis naudojant skirtingus duomenų rinkinius, esančius skirtinguose serveriuose, nesidalijant duomenimis realiu laiku. Tai leidžia sukurti bendrą visuotinį modelį, neįtraukiant mokymo duomenų (privačių) į centrinį serverį. Tai taip pat leidžia asmens duomenims pasilikti vietinėse svetainėse, todėl realiai nebelieka asmens duomenų pažeidimų tikimybės. Jungtiniame mokyme į centrinį modelį keliauja ne duomenys, o bendrinė, nuasmeninta informacija. Dėl to šis mašinų mokymosi būdas išsprendžia anksčiau minėtas privatumo problemas, o ir modelius apmoko vietoje (įrenginyje) daug greičiau ir tiksliau.

Daugiau informacijos...

★ Klientai rekomenduoja

Šį rašto darbą rekomenduoja mūsų klientai. Ką tai reiškia?

Mūsų svetainėje pateikiama dešimtys tūkstančių skirtingų rašto darbų, kuriuos įkėlė daugybė moksleivių ir studentų su skirtingais gabumais. Būtent šis rašto darbas yra patikrintas specialistų ir rekomenduojamas kitų klientų, kurie po atsisiuntimo įvertino šį mokslo darbą teigiamai. Todėl galite būti tikri, kad šis pasirinkimas geriausias!