過去為了優化 AI 演算法，會將用戶數據上傳到資料中心伺服器中進行機器學習；現在為了保護用戶隱私，加上邊緣運算 …

過去為了優化 AI 演算法，會將用戶數據上傳到資料中心伺服器中進行機器學習；現在為了保護用戶隱私，加上邊緣運算的趨勢，聯合學習只需要將「模型訓練」導入各個用戶的裝置上，接著演算法就會將「用戶裝置上整合得到的相關數據」，直接送到資料中心伺服器上，這樣就能用來強化中心伺服器的演算力，也能確保用戶隱私受到保護。

韓國近日則開發出了將可以在多數移動機器上學習人工智能（AI）模型的聯合學習技術，讓學習速度加快4.5倍的方法論。

聯合學習是谷歌提出的一種新的機器學習技術，在不洩露個人信息的情況下，可以利用龐大的用戶機器上的數據，開發醫療AI技術等。以穀歌為首，蘋果、淘寶等世界頂級技術企業正在廣泛引進該技術。

但是，AI模型學習是在用戶的智能手機上進行的，因此很容易會引起機器超負荷、電池消耗及性能低下等問題。研究組測定了參與聯合學習的用戶機器上的數據樣本，讓學生選擇最佳樣本，從而提高了AI學習速度。通過優化性能，在沒有模型準確度下降的情況下，將學習速度提高了4.5倍。通過這種方式，可以將用戶智能手機的超負荷問題最小化。

主導研究計畫的李成柱教授表示，聯合學習是許多世界企業使用的重要技術。此次研究結果提高了聯合學習的學習速度等，具有重大意義；這項技術在電腦視覺、自然語言處理、移動傳感器數據等多種應用方面都表現出良好的性能，未來將有更廣泛的應用。（記者／白水堯）

這篇文章 韓國AI新技術　聯合學習加速4.5倍 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。