در دنیای یادگیری ماشین غیرمتمرکز، وقتی سازمانهای مختلف میخواهند با هم مدلهای هوش مصنوعی آموزش دهند، معمولاً با مشکل «تفاوت در ویژگیهای دادهها» روبرو میشوند. در روشهای فعلی، اگر یک ویژگی در یک سایت موجود نباشد، مدل دچار اختلال میشود.
محققان در مقاله جدیدی، استراتژیهای هوشمندانهای (هم قطعی و هم احتمالی) برای حل این مشکل در «جنگلهای تصادفی» (Random Forests) ارائه دادهاند. این روش اجازه میدهد بدون محدود کردن دادهها به اشتراکِ ویژگیهای موجود در سایتها، مدلهای دقیقتر و قدرتمندتری آموزش داد. این پیشرفت گامی بزرگ برای همکاریهای امن و هوشمند بینسازمانی بدون نیاز به اشتراکگذاری مستقیم دادههاست! 🚀✨
منبع: arXiv Machine Learning