МОСКВА, 8 октября. /ТАСС/. Российские ученые разработали систему, позволяющую нескольким партнерским организациям совместно разрабатывать системы ИИ и при этом раздельно хранить данные, используемые для обучения нейросетей. Этот подход был использован несколькими ведущими научными центрами России создания системы ИИ, выявляющей мерцательную аритмию, сообщила пресс-служба Yandex Cloud.
"Федеративный подход позволяет участникам коллективно обучать модели, никому не передавая свои данные. Это открывает новые возможности для партнерств в сфере искусственного интеллекта. Теперь в них смогут участвовать компании из отраслей, где имеют дело с чувствительной информацией: например, финансов, медицины или промышленности", - говорится в сообщении.
В рамках этого подхода разрабатываемые системы ИИ сначала обучается на каждом из наборов данных, которым владеют участники проекта. На центральный сервер при этом передаются не сами данные, а результаты их обработки - к примеру, изменения в параметрах модели. Именно на них затем обучается глобальная модель. Таким образом, данные на протяжении всего процесса обучения не покидают контуры организаций - и никто, кроме владельцев, не может получить к ним доступ.
Как отмечается в сообщении, техническая часть этого проекта была совместно реализована инженерами Yandex Cloud и Института системного программирования РАН (Москва). Они разработали стек технологий, создали унифицированную среду для обучения и рассчитали необходимый объем ресурсов, а также проверили работу этой системы на практике, для чего ученые разработали нейросеть, способную выявлять мерцательную аритмию по данным ЭКГ.
В процессе ее разработки и обучения две партнерские организации - Сеченовский университет и Институт системного программирования РАН - подготовили два набора записей ЭКГ. Они использовались для проведения двух независимых раундов обучения на стороне каждого из участников разработки, а затем они были успешно объединены в рамках нового алгоритма при помощи федеративного подхода.
Методика машинного обучения, как надеются исследователи, позволит участвовать в совместных проектах организациям, которые раньше не могли сотрудничать из-за рисков, связанных с передачей чувствительных данных. Это повысит качество итоговых систем искусственного интеллекта, а также позволит наладить партнерские отношения организациям, удаленным друг от друга на большое расстояние.
