محققان در پژوهشی جدید به سراغ الگوریتم محبوب FedAvg در حوزه یادگیری فدرال (Federated Learning) رفتهاند تا ببینند چطور میتوان مدلهایی ساخت که هم برای هر کاربر بهطور شخصی دقیق باشند و هم در شرایط کلی عملکرد عمومی خوبی داشته باشند.
نتایج این آزمایش روی دادههای «تشخیص فعالیت انسانی» (HAR) نشان میدهد که اگرچه یادگیری فدرال برای حفظ حریم خصوصی عالی است، اما در شرایطی که دادههای کاربران با هم تفاوت زیادی داشته باشد (تغییر توزیع کلاسها)، دستیابی به این تعادل حساس کار سادهای نیست. این مقاله برای کسانی که در حوزه هوش مصنوعی توزیعشده و حریم خصوصی دادهها فعالیت میکنند، دریچهای جدید به چالشهای دنیای واقعی باز میکند. 🤖💡
منبع: arXiv AI