協調的機械学習と敵対的機械学習
とうとうMITテクノロジーレビューをサブスクリプション登録してしまいました。最近の機械学習などのトレンドを追うにはいい気がしたんです。
スポンサードシェアという仕組みがあり、以下のリンクをクリックしていただくと全文読めるみたいです。
今日、気になった記事は、
「医療用AI普及へブレークスルー「協調機械学習」は何が画期的か？」
協調的機械学習（Federated lerning）の新しい使い方という話。
協調的機械学習（Federated lerning）というのは、学習を携帯やPCなど各端末で行い、その結果のパラメータチューニングした結果を中央にシェアして更新をかけていく仕組みのようです。
もともと、教師ありの機械学習はできるだけたくさんのデータを集め、データの数分すこしずつパラメータを更新させていく必要があったのですが、それを結果をもとに動かしていく仕組みだそうです。
（自分自身、それ以上詳しいことはまだよくわかっていません。）
例でいうと、Googleの入力補助で使われています。各携帯端末で入力サポートの表示とその選ばれた結果を使って、学習した結果を中央に送って全体の精度を向上させ、その結果をまた端末に送る流れです。
この方法の良いところは、中央は何を入力して何を選ばれたかまったく気にする必要がなくモデルの精度向上だけに意識を向ければよくなります。
今回の記事はそれを医療情報などプライバシーの高いものに使えるよねっていう話でした。
これって拡大すれば、各世界中のデータを集めてすごい人工知能を作ろうプロジェクトみたいなのにも使えるかもしれないと妄想しました。そして、ターミネーターの時代が・・・・
そうなると前回、紹介した敵対的機械学習とのせめぎあいになると予測します。
誰が意図せず悪用したデータを流すことで学習を間違った方向に進めてしまうことも可能になるということです。
先ほどの入力補助の場合も、Googleを嫌う人が集まって、わざとレコメンドの後ろのものをみんながわざと選びはじめると
規模が多くなればそっちをみんな求めているということにもなりかねなくなるわけです。
利便性とリスクはいつまでたっても二律背反です。
個人的な話でいえば、医療などまだまだ未知の分野については国を超えて情報共有などをすることでより良い技術が生まれてほしいなぁと思います。
ここまで読んでいただきありがとうございます。 スキを押していただけると嬉しいです。 フォローしていただけるとさらにうれしいです。