ให้ AI ทำงานควบคู่กับ Privacy ด้วยวิธี Federated Learning
ในปัจจุบัน เราจะปฏิเสธไม่ได้เลยว่าปัญญาประดิษฐ์ หรือ Artificial Intelligence นั้นเริ่มเข้ามาเป็นส่วนหนึ่งในชีวิตประจำวันของเรา ไม่ว่าจะเป็นการเดินทางไปทำงาน เราจะใช้ Google Maps มาคำนวนหาระยะทางที่ไปถึงจุดหมายเร็วที่สุด เมื่อเราถึงที่หมายและก่อนจะเริ่มทำงาน เราก็จะเปิดมือถือ เล่น Social Media ไม่ว่าจะเป็น Facebook, Instagram หรือ Twitter โดยที่แต่ละแอปพลิเคชั่นจะมีวิธีการนำเสนอบทความหรือข่าวที่เราสนใจเป็นพิเศษในรูปแบบของ Personalized Recommendation เพื่อให้เราพึงพอใจ เมื่อเราเริ่มทำงานและติดปัญหา เราก็จะทำการค้นหาปัญหานั้นบน Google เพื่อให้ได้ผลลัพธ์กลับมา ซึ่ง Google นั้นจะหาหัวข้อที่ตรงกับ Keyword ของเรามากที่สุด จนกระทั่งเราเลิกงานแล้วกลับบ้านไปพักผ่อน ซื้อของบนโลกออนไลน์ เช่น Alibaba, Lazada หรือShopee โดยเมื่อเราซื้อสินค้าแล้ว ทางเว็บไซต์ก็จะมี Recommendation สินค้าอื่นที่เรามีโอกาสจะสนใจและซื้อเพิ่มเติม ทั้งหมดนี้สื่อให้เห็นว่า AI นั้นเริ่มเข้ามามีผลต่อชีวิตของคนเราเพิ่มขึ้นเรื่อยๆ
อย่างไรก็ตาม การที่จะทำให้ AI นั้นมีประสิทธิภาพสูงขึ้นเรื่อยๆ “ข้อมูล” เป็นสิ่งสำคัญ ในปัจจุบันวิธีการเทรนโมเดลจะเป็นการนำข้อมูลในแต่ละที่มารวมใน Data Center หรือ Cloud(เรียกว่าวิธีการ Centralized) ซึ่งเป็นการยากที่จะนำข้อมูลทุกอย่างของผู้ใช้งานส่งเข้ามาที่ส่วนกลางและมีความเสี่ยงที่จะผิดกฏหมายในเรื่องของละเมิดสิทธิความเป็นส่วนตัว (Privacy) ดังนั้น Google จึงออกแบบระบบใหม่ให้มือถือแต่ละเครื่องนั้นสามารถเทรนโมเดลได้เองโดยปราศจากการส่งข้อมูลส่วนตัวเข้ามาที่ส่วนกลาง แต่จะส่งเพียงแค่ค่าเฉลี่ยของผล weight จากการอัพเดทโมเดลเข้ามาเพื่อพัฒนาระบบองค์รวม โดยเรียกวิธีนี้ว่า Federated Learning
Federated Learning นี้จะมีขั้นตอนหลักๆ อยู่ 3 ขั้นตอน
1. สำหรับมือถือแต่ละเครื่องนั้น จะมีโมเดลการทำนายติดตั้งอยู่ เมื่อผู้ใช้มีการใช้งานมือถือเรื่อยๆ โมเดลจะพัฒนาตามการใช้งานเพื่อตอบโจทย์แต่ละผู้ใช้งานแบบ Personalized
2. ต่อมามือถือแต่ละเครื่องจะทำการส่งข้อมูลเพื่ออัพเดทโมเดลมาไว้บน Cloud ที่พัฒนาตัวโมเดลนี้ผ่านการ encrypt communication ซึ่งวิธีนี้จะเป็นการเฉลี่ยค่าจากผู้ใช้งานหลายๆคน เพื่อให้มีความมั่นใจว่าไม่มีการเก็บข้อมูลแบบ Individual บน Cloud
3. ทำการอัพเดทโมเดลรวมมีคุณภาพมากยิ่งขึ้น และทำซ้ำตามวงจรเพื่อพัฒนาประสิทธิภาพ
หนึ่งใน AI ที่ทาง Google กำลังพัฒนาอยู่ เป็นการ Recommend คำต่อไปผ่าน Gboard บน Android ซึ่งเป็นแป้นพิมพ์ที่เชื่อมกับแอพลิเคชั่นอื่นๆได้ เช่นเมื่อเราพิมพ์คำว่า “Hello” ระบบก็จะทำการนำเสนอว่าคำต่อไปจะพิมพ์ว่าอะไรเป็นต้น เพื่อให้ผู้ใช้งานได้รับประโยชน์สูงที่สุด โดยเฉพาะอย่างยิ่งในปัจจุบัน Deep Learning ได้เข้ามายกระดับวงการ AI จึงทำให้การพัฒนาโมเดลนั้นยิ่งมีประสิทธิภาพมากยิ่งขึ้น ซึ่งทาง Gboard ได้นำ Tensowflow เป็นส่วนหนึ่งของการพัฒนาโมเดล ซึ่งการพัฒนานี้จำเป็นจะต้องมากับ User Experience ของผู้ใช้งานด้วย โดย Gboard นั้นจะตั้งเวลาให้พัฒนาโมเดลเฉพาะช่วงที่มือถือไม่มีการใช้งาน, กำลังชาจแบตอยู่ และเชื่อมต่ออินเทอร์เน็ต เพื่อหลีกเลื่ยงผลกระทบต่อการใช้งานโทรศัพท์
สุดท้ายนี้ เทคโนโลยี Federated Learning จะเป็นอีกหนึ่งเครื่องมือที่ช่วยในการพัฒนาโมเดลและทดสอบโดยปราศจากการเข้าถึงข้อมูลของผู้ใช้งานโดยตรง (Raw data) ซึ่งนักพัฒนาทั้งหลายสามารถนำหลักการนี้เข้ามาประยุกต์ใช้กับ Context อื่นๆได ้เมื่อผู้ที่มีข้อมูลไม่ต้องการจะแชร์ข้อมูล เช่น การทำ Predictive Maintenance ของแต่ละเครื่อง ATM เป็นต้น
Reference : https://ai.googleblog.com/2017/04/federated-learning-collaborative.html
