谷歌研发出一种训练人工智能(AI)的新模式,可以直接在用户的智能手机上训练并改进AI算法。
当大型科技公司利用机器学习来改进软件时,其过程通常是非常集中的。举例来说,谷歌和苹果等公司会收集有关用户如何使用其应用程序的信息,并将这些数据存放在服务器上的某个地方,然后使用聚合数据来训练新算法。最后,用户将获得改进后的应用更新。
这种AI算法训练方法是有效的,但更新应用和收集反馈数据的过程是非常耗时的。而且,这种方式不利于保护用户隐私,因为公司必须在其服务器上存储有关用户如何使用其应用的数据。为了解决这些问题,谷歌正在尝试一种新的AI训练方式,并把它称为Federated Learning。
Federated Learning对AI算法的训练是直接在用户的设备上进行的,而不是将用户数据收集在谷歌服务器上的某个地方并使用这些数据来培训算法。换句话说,Federated Learning是利用用户手机的CPU来帮助培训谷歌的AI算法。
目前,谷歌正在Android平台键盘应用Gboard中测试Federated Learning。当Gboard根据用户输入的信息显示推荐搜索项时,Gboard将记住用户点击过的搜索项和忽略的搜索项,然后直接在用户手机上对算法进行个性化改进。(为了进行此次测试,谷歌已将其机器学习软件TensorFlow的精简版本整合入Gboard应用)。这些改进将被发送回谷歌,然后由谷歌汇总并向所有用户发布应用更新。
谷歌在一篇博文中解释说,这种AI训练方式有很多好处。首先,它更利于保护用户隐私,因为其训练过程是直接在用户设备上进行的,不会存储用户的数据。第二,这种训练方式会使用户立即受益于AI算法的个性化改进,而不必等待谷歌发布新的应用更新。谷歌表示,整个Federated Learning系统已经经过精简处理,不会影响用户手机的电池续航时间或性能,其训练过程只会在手机“处于空闲状态,并接通电源”且“接入了免费Wi-Fi”时才会进行。