Google начнёт улучшать алгоритмы ИИ прямо на смартфонах пользователей

Обычно процесс улучшения программного обеспечения с помощью машинного обучения очень централизован. Компании вроде Google и Apple собирают в одном месте информацию о том, как человек использует приложения, и с её помощью тренируют новые алгоритмы. В результате фотографии становятся чётче, а поисковые запросы — точнее.

Этот метод эффективен, но на постоянное обновление и сбор данных уходит много времени. При этом компаниям приходится хранить информацию о действиях пользователей на своих серверах, что вредит конфиденциальности. Google хочет исправить эту проблему, поэтому начала экспериментировать с новым методом тренировки искусственного интеллекта — федеративным обучением (Federated Learning).

Федеративное обучение направлено на децентрализацию работы искусственного интеллекта. Система не собирает данные в одном месте, чтобы тренировать алгоритмы, а проводит процесс обучения прямо на устройстве пользователя. В данном случае за улучшение ИИ отвечает процессор смартфона или планшета.

Google тестирует технологию через клавиатуру Gboard для Android. Приложение предлагает поисковые запросы на основе сообщений и запоминает, какими рекомендациями человек воспользовался, а какие проигнорировал. Так алгоритмы персонализируются прямо на устройстве. Для этого компания встроила в Gboard адаптированную версию программного обеспечения машинного обучения TensorFlow.

Как пишет Google, у этого метода есть несколько преимуществ. Он более конфиденциален, поскольку данные, используемые для улучшения приложения, не покидают устройство. Изменения вносятся мгновенно, поскольку человеку не нужно ждать, пока Google выпустит обновление.

Система оптимизирована таким образом, чтобы не влиять на работу аккумулятора и производительность устройства. Процесс обучения осуществляется только когда телефон «находится в режиме ожидания, подключен к сети электропитания и использует беспроводное соединение».

«Федеративное обучение позволяет создавать более интеллектуальные модели, обеспечивает меньшую задержку и энергопотребление, а также конфиденциальность», — подытожили исследователи Google Брендан Макмахан (Brendan McMahan) и Дэниел Рэмэдж (Daniel Ramage).

 
Источник: 3DNews

gboard, google, машинное обучение, тренировка, федеративное обучение

Читайте также