Сбер и ИТМО создали инструмент для обучения моделей искусственного интеллекта в режиме федерации
Сбер и ИТМО создали инструмент для обучения моделей искусственного интеллекта в режиме федерации. Российские разработчики получили возможность безопасно обучать искусственный интеллект, используя данные, хранящиеся на различных устройствах и принадлежащие разным владельцам. Новый инструмент под названием Stalactite позволяет осуществлять федеративное обучение моделей ИИ без необходимости объединения данных, обеспечивая надежную защиту от утечек. Этот проект реализован в рамках федеральной инициативы «Искусственный интеллект». Глеб Гусев, руководитель Лаборатории искусственного интеллекта Сбербанка, подчеркнул: «Данная разработка продолжает наше многолетнее сотрудничество с научными институтами России в создании инструментов для дата-сайентистов. В этом году мы публиковали несколько исследований на международных конференциях по ИИ, включая тематику федеративного обучения. Этот фреймворк может быть использован для улучшения рекомендательных систем различных организаций, позволяя дата-сайентистам безопасно тестировать алгоритмы вертикального федеративного обучения в разных областях без обмена чувствительными данными». Николай Бутаков, старший научный сотрудник ИТМО, отметил: «Многие организации достигли этапа, когда собственные данные для машинного обучения не улучшают точность прогнозов. Для этого необходимы данные из внешних источников. В финансовом и медицинском секторах обмен информацией ограничен законодательством, что делает вертикальное федеративное обучение, используемое в Китае и США, важным решением. Stalactite стал одним из первых подобных проектов в России и может применяться для предсказания финансовых показателей организаций, владеющих чувствительными данными». Инструмент разработан на Python, а сетевой уровень использует технологию Protobuf для гибкой передачи данных без сложной синхронизации. Stalactite включает алгоритмы машинного обучения для работы с табличными данными и изображениями, применяясь как для регрессии и классификации, так и для задач рекомендаций. Инструменты мониторинга производительности помогают в отладке и настройке параметров среды. Stalactite в первую очередь ориентирован на разработчиков AI-систем, позволяя адаптировать алгоритмы для работы в режиме вертикального федеративного обучения. Благодаря командному интерфейсу, пользователи с минимальными навыками работы с терминалом могут запускать алгоритмы и обучать модели с помощью всего нескольких команд. Инструмент был представлен на международной научной конференции по рекомендательным системам RecSys (Core A). Источник: www.rbc.ru
Пост взят с международного финтех-медиа ресурса
ДЛЯ ЛЮДЕЙ