三年前，Google一篇聯合學習（Federated Learning，又稱聯邦學習）部落格文章，解釋了如何以分散式訓練方法，把資料留在本地端，打造出可部署至上百萬支手機的輸入字推薦模型。這個作法，不再需要收集大量個人資料至資料中心，不僅取代傳統集中式機器學習，更一舉成為現在AI大數據與個資隱私瓶頸的解套方法。
2017年，Google為改善自家Android虛擬鍵盤Gboard的輸入功能，設計出一套加密分散式機器學習方法。首先，個別用戶的手機會從中央主機下載一套模型，接著在數以萬計的用戶端，根據用戶端的使用行為，來訓練Local端模型。
臉書留言
胡 自文
(這個頁面共進入 3 次, 今天進入 1 次)
