10.04.2017  Новости, Искусственный интеллект, Мобильные и беспроводные решения

Вряд ли кто-то возьмется оспаривать потенциал нейронных сетей — очевидно, что за ними будущее ИТ. В довесок к искусственному интеллекту эта технология будет управлять автономными и самоуправляемыми автомобилями, рассчитывать траектории полетов космических ракет, прогнозировать эпидемиологические вспышки, моделировать сейсмическую активность или проводить диагностику заболеваний. Но чтобы нейронные сети могли всё это делать качественно, их необходимо «насытить» информацией. Стандартные методы машинного обучения требуют, чтобы набор данных для обучения модели был собран в одном месте — на одном компьютере, сервере или в одном дата-центре или облаке. В случае с кластером компьютеров в дата-центре применяется метод стохастичного градиента (Stochastic Gradient Descent, SGD) — алгоритм оптимизации, который постоянно проходит по частям набор данных, гомогенно распределённый по серверам в облаке. Google, Apple, Facebook, Microsoft и остальные игроки в сфере ИИ давно занимаются именно этим: собирают данные — иногда конфиденциальные — с компьютеров и смартфонов пользователей в единое (предположительно) защищённое хранилище, на котором тренируют свои нейросети. Инженеры Google Research предложили новый способ машинного обучения, который поможет осуществить качественный скачок в данной области. Они разработали систему распределённого машинного обучения (Federated Learning), которая будет снабжаться данными с миллиарда Android-смартфонов. Замысел компании состоит в том, чтобы обучить ... читать далее.