فدرال لرنینگ ، هوش مصنوعی توزیع شده وکاربرد آن در حفظ حریم خصوصی

فدرال لرنینگ، پارادایمی نوین در هوش مصنوعی توزیع شده، با هدف حفظ حریم خصوصی و بهره گیری از داده های گسترده بدون انتقال آن ها به سرور مرکزی است. این روش که توسط گوگل در سال ۲۰۱۶ معرفی شد، مدل های یادگیری را به دستگاه های محلی می فرستد تا با داده های موجود آموزش ببینند و تنها به روزرسانی ها به سرور ارسال شوند. از کاربردهای آن می توان به مراقبت های بهداشتی، کیبورد Gboard، اینترنت اشیا و صنعت مالی اشاره کرد. با وجود مزایا، چالش هایی مانند ناهمگونی داده ها، امنیت و هزینه های ارتباطی دارد که با الگوریتم هایی مثل FedAvg و FedProx در حال رفع شدن هستند.

کلیدواژه ها:

یادگیری توزیع شده ، فدرال لرنینگ ، حریم خصوصی ، هوش مصنوعی