首页 云计算 > 内容

自然科学报告将发布新颖的去中心化联邦人工智能学习算法

时间:2022-12-06 14:56:29 来源:
导读 《自然科学报告》杂志发表了Presagen一种新的去中心化联邦人工智能学习算法的结果,该算法可以在全球分布的数据上训练人工智能,而无需将私...

《自然科学报告》杂志发表了Presagen一种新的去中心化联邦人工智能学习算法的结果,该算法可以在全球分布的数据上训练人工智能,而无需将私人数据移动到中心位置。突破性算法能够在数据质量差且包含错误的现实场景中实现比传统的集中式 AI 训练更高的 AI 准确性,尤其是在无法手动验证私有数据的情况下。

该算法由人工智能公司Presagen开发,为连接数据孤岛和在数据敏感且无法共享(移动)的行业(如医疗保健,国防和金融)训练人工智能提供了一种实用的解决方案。近年来,对分布式AI学习算法(称为联邦学习)的研究兴趣有所增加。但是,许多实施在可扩展性方面遇到了困难,并且通常需要将数据传输到中心位置,这可能会破坏数据隐私。

Presagen的分散式AI训练算法(DAITA)方法可确保数据隐私,稳健且可扩展,并且对于大型现实问题具有成本效益。该算法不是将数据移动到中央位置的 AI,而是将 AI 移动到可以在全球范围内分发的数据位置。仅共享来自在数据源上训练的 AI 的一般抽象学习,而不是单个数据集本身。

Presagen首席科学家Jonathan Hall博士解释说:“使用DAITA,我们可以优化AI在世界各地的旅行方式 - 最大限度地降低传输成本,同时最大限度地提高最终AI的性能,所有这些都无需查看敏感数据。

与美国试管婴儿实验室的Ovation Fertility网络合作,该算法被应用于评估胚胎活力的医疗保健问题,以帮助胚胎学家识别可能导致试管婴儿患者怀孕的胚胎。

Ovation Fertility的科学进步副总裁Matthew(Tex)VerMlyea博士说:“胚胎活力数据存在固有错误。由于与患者相关的其他因素,存活的患者胚胎并不总是导致怀孕。由于不确定性或主观性,医疗保健中的许多问题都有低质量的数据。

Presagen首席执行官Michelle Perugini博士说:“为了在医疗保健领域训练无偏见和商业可扩展的人工智能,你需要根据来自世界各地诊所的全球多样化数据来训练人工智能,这些数据代表了不同的临床环境和患者人口统计数据。然而,挑战在于数据隐私法阻止共享和集中医疗数据来训练人工智能。我们的分散式人工智能学习算法解决了将全球数据孤岛连接到人工智能的数据隐私、数据质量和数据多样性问题,以造福全球患者。

Presagen在全球市场上拥有两种商业AI医疗保健产品,其Life Whisperer品牌用于生育领域。Life Whisperer评估胚胎的生存能力和遗传完整性。Life Whisperer目前由FUJIFILM Irvine Scientific在全球范围内发行。

标签: