211service.com
Microsoft un Google vēlas ļaut mākslīgajam intelektam atbrīvoties no mūsu privātākajiem datiem
Nesen parādījusies jaudīga mašīnmācīšanās tehnika, kas pazīstama kā dziļā mācīšanās, ir padarījusi tādus skaitļošanas gigantus kā Google, Facebook un Microsoft vēl izsalkušākus pēc datiem. Tas ļauj programmatūrai iemācīties atpazīt attēlus vai saprast valodu.
Tomēr daudzas problēmas, kurās padziļināta mācīšanās varētu būt visvērtīgākā, ir saistītas ar datiem, kurus ir grūti iegūt vai kurus glabā organizācijas, kuras nevēlas tos kopīgot. Un, kā saka Apple izpilddirektors Tims Kuks, daži patērētāji jau ir nobažījušies par to, ka uzņēmumi aprij viņu personisko informāciju.
Daudzi cilvēki, kuriem ir sensitīvu datu kopas, piemēram, medicīniski attēli, vienkārši nevēlas tos kopīgot juridisku un reglamentējošu iemeslu dēļ, saka. Vitālijs Šmatikovs , Cornell Tech profesors, kurš pēta privātumu. Zināmā mērā mēs liedzam šiem cilvēkiem padziļinātas mācīšanās priekšrocības.
Šmatikovs un Microsoft un Google pētnieki strādā pie veidiem, kā apiet šo privātuma problēmu. Nodrošinot veidus, kā izmantot un apmācīt mākslīgos neironu tīklus, ko izmanto dziļās mācībās, bez nepieciešamības apēst visu, viņi cer, ka varēs apmācīt viedāku programmatūru un pārliecināt sensitīvu datu aizbildņus izmantot šādas sistēmas.
Šmatikovs un kolēģis Reza Šokri pārbauda to, ko viņi sauc privātumu saglabājoša dziļa mācīšanās . Tas nodrošina veidu, kā gūt labumu no vairākām organizācijām, piemēram, dažādām slimnīcām, apvienojot savus datus, lai apmācītu padziļinātas apmācības programmatūru, neuzņemoties risku to faktiski koplietot.
Katra organizācija apmāca padziļinātas apmācības algoritmus, pamatojoties uz saviem datiem, un pēc tam koplieto tikai galvenos apmācītās programmatūras parametrus. Tos var apvienot sistēmā, kas darbojas gandrīz tikpat labi kā tad, ja tā būtu apmācīta par visiem datiem vienlaikus.
Kornela pētījumu daļēji finansēja Google, kas ir publicēja rakstu par līdzīgiem eksperimentiem un runā ar Shmatikovu par viņa idejām. Uzņēmuma pētnieki izgudroja veidu, kā apmācīt uzņēmuma dziļās mācīšanās algoritmus, izmantojot datus, piemēram, attēlus no viedtālruņiem, nepārsūtot šos datus Google mākonī.
Tas uzņēmumam varētu atvieglot mūsu mobilajās ierīcēs glabātās ļoti personiskās informācijas izmantošanu, viņi rakstīja. Google atteicās padarīt kādu pieejamu, lai apspriestu šo pētījumu, taču Šmatikovs uzskata, ka uzņēmums joprojām strādā pie tā.
Microsoft kriptogrāfijas pētniecības grupa ir izstrādājusi savu risinājumu mašīnmācības privātuma problēmai. Tas izgudroja veidu, kā izmantot apmācītu padziļinātu apmācību programmatūru šifrētiem datiem un izspļaut šifrētas atbildes. Ideja ir tāda, ka, piemēram, slimnīca varētu lūgt Microsoft izmantot kādu no tiem Kriptotīkli lai atzīmētu medicīniskos skenējumus, kuros ir iespējamās problēmas, izvairoties no parastās nepieciešamības pakļaut attēlus uzņēmumam.
Microsoft pētnieki atklāja šo triku, izmantojot paņēmienu, ko sauc par homomorfo šifrēšanu, kas ļauj veikt matemātiskas darbības ar šifrētiem datiem un iegūt šifrētu rezultātu (skatiet 10 Breakthrough Technologies 2011: Homomorphic Encryption). Viņi ir pārbaudījuši šo ideju, izmantojot padziļinātu apmācību programmatūru, kas atpazīst rokrakstu, un sistēmu, kas novērtē pacienta pneimonijas risku no viņa dzīvības pazīmēm.
Lai veiktu to pašu darbu, CryptoNet ir nepieciešama lielāka skaitļošanas jauda nekā parastajai padziļinātās apmācības programmatūrai. Bet Kristīne Lautere , kurš vada Microsoft kriptogrāfijas izpēti, saka, ka atšķirība ir pietiekami maza, lai CryptoNets varētu kļūt praktiski lietojams reālajā pasaulē. Viņa saka, ka veselības, finanšu un farmācijas nozare, manuprāt, ir vieta, kur to, visticamāk, izmantos vispirms.