Új módszert vezetett be a Google a mesterséges intelligencia tanítására: nem nagy adatközpontokban, hanem lokálisan, a felhasználók készülékein okosítják az algoritmust – írja az ITcafé.

A klasszikus módszertan szerint a begyűjtött adatokat központilag dolgozták fel, az eredményeket pedig a soron következő frissítésekkel juttatták el a felhasználókhoz. Ennél viszont hatékonyabb a Federated Learningnek elnevezett módszer. Ahogy a neve is mutatja, decentralizált megoldásról van szó, nem a Google szervereit dolgoztatja a folyamat, hanem a mobilokat. A Google azt mondja, emiatt nem fognak sem gyorsabban merülni, sem lassulni a telefonok, és a mobilnetes adatkeret se fogy el hamarabb.

A módszer egyelőre kísérleti fázisban van, a Google első körben a saját fejlesztésű mobilos billentyűzete, a Gboard androidos változatába építette be. Ennek a szóajánlási rendszerén figyeli az algoritmus, melyik javasolt szavakat használják, melyeket vetik el a gépelő emberek.

Az adatok helyi feldolgozásához a Google nyílt gépi tanulási szoftverkészlete, a TensorFlow leegyszerűsített változatát építették a Gboardba. Csak akkor dolgozik, ha a telefont töltőre dugjuk, az információkat pedig csak wifin keresztül küldi be a központba, ahonnan a többi felhasználó is profitál a használati szokásokból az egyesített frissítés révén.

A Google a bejelentésről szóló blogposztjában azt írja, a megoldás több előnnyel is jár, például hogy a személyes adatok nem hagyják el a készüléket, mert a helyi feldolgozásnak köszönhetően a saját szervereiken nem kell ezeket tárolniuk. Azt is kiemelik, hogy ezzel a módszerrel gyakorlatilag azonnal javítható az ajánlórendszer, hiszen nincs szükség központi javítás kiadására.