日常デバイスでのプライバシー保護AIトレーニングを実現

MITの研究者らは、プライバシーを保護しながらAIをトレーニングする「連合学習」の速度を約81%向上させる新しい手法を開発した。この手法FTTEは、選択的なパラメータサブセット、非同期更新、重み付け平均化により、メモリと通信のボトルネックを解消。各デバイスのメモリオーバーヘッドを80%、通信ペイロードを69%削減し、ほぼ同等の精度を維持する。スマートウォッチやセンサーなどのリソース制約のあるエッジデバイスでも高精度なAIモデルを実行可能にし、医療や金融などの機密性の高い分野や発展途上国での応用が期待される。