В индустрии искусственного интеллекта появилась новая волна методов, которая бросает вызов старым подходам к сбору данных. Google научился тренировать модели на миллионах сообщений, не читая их напрямую. Этот метод, известный как Federated Learning, уже широко используют крупные компании — Google, Apple, Meta.
Проблема развития ИИ всегда заключалась в доступе к качественной обучающей базе. Чтобы построить продвинутый предиктивный клавиатурный движок, нужно понимать реальные разговоры — а эти данные обычно остаются закрытыми по причинам конфиденциальности.
Federated Learning решает проблему, оставляя данные на самом устройстве. Вместо того чтобы пересылать сообщения на сервер, устройства вычисляют обновления модели локально и делятся только анонимизированными улучшениями, которые объединяются централизованно. Таким образом, ИИ учится чувствовать контекст, сленг, автокоррекцию и прогнозы ввода без компромиссов в приватности.
Этот прорыв открывает новую эру машинного обучения — баланс между безопасностью данных и потребностью в обширных практических данных. Эксперты считают, что подобные технологии станут одними из важнейших достижений в области ИИ за последние годы.
Будущее за технологиями, которые умеют учиться без полной «раскрутки» личных данных. Аналитики прогнозируют, что в ближайшие 12 месяцев Federated Learning прочно закрепится в продуктах سراх и приложениях, значительно повышая уровень приватности при обучении ИИ.
