Федеративное обучение — это один из инструментов для обучения систем искусственного интеллекта (ИИ). Он обеспечивает защиту персональных и медицинских конфиденциальных данных. Однако при генерации между клиентами и центральным сервером трафика федеративное обучение “нагружает” системы.
Ученые университета Северной Каролины предложили новый подход. Они задействовали сжатие данных, что создает дополнительные возможности для обучения ИИ беспроводным технологиям. Пакеты уплотняются перед отправкой, а затем реконвертируются сервером.
В результате ученые в эксперименте сократили объем исходящего беспроводного трафика на 99%. При этом данные, отправляемые сервером, не сжимаются.
«Наша методика наделяет федеративное обучение возможностью для работы с беспроводными устройствами с ограниченной доступной пропускной способностью. Например, его можно использовать для повышения производительности виртуальных помощников с голосовым управлением», — отметил Кай Юэ, ведущий автор исследования.
Работа ученых опубликована в журнале IEEE Journal of Selected Topics in Signal Processing
