بیشتر شرکت های بزرگ فناوری مصرف کننده که روی هوش مصنوعی و یادگیری ماشین متمرکز هستند ، اکنون از یادگیری فدراسیون استفاده می کنند – نوعی یادگیری ماشین که الگوریتم ها را روی دستگاه های توزیع شده در شبکه ، بدون نیاز به داده برای خروج هر دستگاه ، آموزش می دهد. با توجه به افزایش آگاهی در مورد مسائل مربوط به حریم خصوصی ، یادگیری فدراسیون می تواند به روش ترجیحی یادگیری ماشین برای مواردی که از داده های حساس (مانند مکان ، داده های مالی یا بهداشتی) استفاده می کنند تبدیل شود.
یادگیری فدراسیون: شکلی غیرمتمرکز از یادگیری ماشین
الگوریتم های یادگیری ماشین و مجموعه داده هایی که روی آنها آموزش می بینند معمولاً متمرکز هستند. داده ها از دستگاه های لبه ای (تلفن های همراه ، تبلت ها ، لپ تاپ ها و دستگاه های اینترنت اشیا industrial صنعتی) به یک سرور متمرکز منتقل می شوند ، جایی که الگوریتم های یادگیری ماشین آنها را خرد می کنند تا بینش پیدا کنند.
با این حال ، محققان دریافتند که یک سرور مرکزی نیازی به حلقه نیست. در عوض ، یادگیری فدراسیون به جای برعکس ، نسخه هایی از مدل یادگیری ماشین را به دستگاه های لبه ای می آورد.
هر دستگاهی که بخشی از یک شبکه یادگیری است ، کپی مدل یادگیری ماشین را دریافت کرده و به صورت محلی ذخیره می کند. این دستگاه با استفاده از داده های محلی مشتری نسخه خود را از مدل یادگیری ماشین آموزش می دهد. داده های آموزشی هر دستگاه به صورت محلی باقی مانده و به …