محققان در پژوهش جدیدی به سراغ یکی از بزرگترین چالشهای آموزش مدلهای هوش مصنوعی رفتهاند: چطور بدون به خطر انداختن حریم خصوصی (Differential Privacy)، مدلهایی با کارایی بالاتر داشته باشیم؟
در روشهای معمول (مانند DP-SGD)، نویز زیادی به محاسبات اضافه میشود که دقت مدل را کاهش میدهد. اما متد جدید DP-NGD با استفاده از «گرادیان طبیعی» (Natural Gradient Descent) و بهرهگیری از هندسه تابع زیان، یادگیری را بسیار بهینهتر کرده است. این روش هوشمندانه، با جدا کردن تخمین انحنا از دادههای حساس، تعادلی میان «امنیت اطلاعات» و «سرعت و دقت یادگیری» برقرار میکند که یک گام مهم برای آینده مدلهای محرمانه است. 🔒📈
منبع: arXiv AI