yabo亚博登陆

非集中学習技術「Decentralized X」

現状のAI学習における課題

yang々なlingyuでaiのdaoruがshiまっていますが、aiのxingnengをqiuめるレベルにまでgaoめるためにbiyaoなzhiとliangのデータを、いかにzhunbeiするかがketiとなっています。

課題1.現場にデータが偏在している
課題2.現場のデータ集約が困難

非集中学習技術「Decentralized X」

chaofensan・duoyangなxianchangのモデルtongheするjishu

データのdaiわりにモデルをjiyueし、tongheすることでよりxianいモデルをつくります。quanてのデータをjiyueしてjixiexuexiをxingったchangheとtongdengxingnengのaiをkaifaできます。

DcXイメージ3

「Decentralized X」の特長~類似学習技術との違い~

leisiのxuexishoufaとyiなり、クライアントがduziにモデルとデータをbaochiして、サーバがモデルtongheをすることでモデルのxingnengがxiangshangします。

DcXイメージ4
※Google. 2017年5月17日『フェデレーション ラーニング:集中トレーニング データを使用しない協調機械学習』

製造業での活用
~外観検査における初見欠陥検出~

製造業における外観検査において欠陥の検出にAIの活用が進んでいます。
しかし、欠陥を検出するAIをつくるためには、欠陥品の学習用のデータが必要になりますが、欠陥品の発生を待たなくてはいけないことや、そのデータの数が少ないことで学習用データを集めることが困難です。また、そのデータは企業秘密であるため共有することも難しいのが現状です。

「decentralized x」では、gexianchangでgouzhuしたqianxianjianchuのjixiexuexiモデルをgongyouしtongheすることで、yang々なqianxianにduiyingできるaiをつくることができます。そのため、そのxianchangではそれまでにfashengしていなかったqianxianのjianchuもkenengになります。

DcXイメージ5