編譯 | 徐珊
編輯 | 云鵬
智東西7月12日消息，據(jù)外媒Tech Xplore報道，多國研究人員正在聯(lián)合研究一種新方法，他們希望通過聯(lián)邦學習的方法，讓分揀機器人更“聰明”。
“我們正研究如何讓AI利用算法分析分揀機器人的訓練數(shù)據(jù)，并提出更強大、更高效的分揀方案”，物料搬運和物流研究所（IFL）的喬納森·奧伯勒（Jonathan Auberle）表示。
2016年，McMahan等人首次提出“聯(lián)邦學習”這一術語。聯(lián)邦學習實際上是指一種加密的分布式機器學習，可以讓各方參與者在不披露底層數(shù)據(jù)的前提下共建模型。該方案不但能獲得更多參與者的信任，而且也打通了機器之間的“數(shù)據(jù)孤島”，開始走向“共同發(fā)展”。
盡管聯(lián)邦學習已經(jīng)提出了5年時間，但依舊面臨一些難題。比如，數(shù)據(jù)傳輸效率過慢，聯(lián)邦學習需要傳輸大量的數(shù)據(jù)，其數(shù)據(jù)傳輸效率對聯(lián)邦學習的落地應用較為關鍵。
一、新算法將協(xié)助分揀機器人實現(xiàn)聯(lián)邦學習
奧伯勒提到，他們希望獲得來自不同的分揀站點、工廠和公司分揀機器人機器學習的數(shù)據(jù)。因為不同類型的分揀機器人機器學習的方式不同。他們想要得到每天正在“打工”的分揀機器人，它們的機器學習數(shù)據(jù)，而不是某一個分揀機器人的機器學習數(shù)據(jù)。但這些數(shù)據(jù)往往會涉及一些敏感數(shù)據(jù)和公司機密，如產(chǎn)品數(shù)據(jù)等。
為了解決這一問題，研究人員表示他們希望通過新算法，讓不同場景的分揀機器人在不涉及敏感數(shù)據(jù)的情況下相互學習，即實現(xiàn)聯(lián)邦學習。
二、本地處理，聯(lián)邦學習兼顧技術與隱私
奧伯勒提到，“到目前為止，聯(lián)邦學習主要用于醫(yī)學領域的圖像分析。在該領域，保護患者數(shù)據(jù)為最高優(yōu)先級”。
他表示，聯(lián)邦學習不會交換一些具體的訓練數(shù)據(jù)，例如患者的醫(yī)療圖像，患者信息等。取而代之的是，它們會存儲相關機器學習的知識，并將這些學習數(shù)據(jù)傳輸?shù)街醒敕掌?，讓其他參與的機器也能從中央服務器獲得相關學習數(shù)據(jù)。
三、提高機器人學習能力，聯(lián)邦學習還能保護數(shù)據(jù)多樣性喬納森·奧伯勒認為，利用聯(lián)邦學習來實現(xiàn)分揀機器人學習主要有兩個好處。
一方面，他談到，“通過聯(lián)邦學習，我們不但保護了客戶的數(shù)據(jù)，還提高了分揀機器人的分揀速度”。
另一方面，他表示，“通過聯(lián)邦學習，我們在工業(yè)環(huán)境中保護了數(shù)據(jù)多樣性和數(shù)據(jù)安全性”。
結(jié)語：聯(lián)邦學習應用廣泛，隱私保護難題或被解決如今，隨著人工智能的快速發(fā)展，人們在保護數(shù)據(jù)上不斷做出選擇。一些公司將用戶的隱私放在第一位，另一些公司卻以各種理由“泄露”和盜竊數(shù)據(jù)隱私。但尷尬的是，人工智能相關技術的發(fā)展確實離不開大量的用戶數(shù)據(jù)。
目前，聯(lián)邦學習為這一困境帶來新的解決方案。更多的企業(yè)和研究機構(gòu)希望擴大聯(lián)邦學習的領域，讓其不再僅限于醫(yī)療領域，能夠在全行業(yè)得到充分發(fā)展。
未來，聯(lián)邦學習將會給機器學習帶來怎樣的驚喜，是否會真正成為兼顧數(shù)據(jù)共享和數(shù)據(jù)保護技術新的突破點，我們敬請期待。
