Avec l’essor de l’apprentissage automatique dans l’ère numérique, la collecte de données d’entraînement pour construire et faire progresser les modèles d’IA est scrutée, car le processus pourrait poser des problèmes de confidentialité. Pour relever ce défi, l’apprentissage fédéré – une méthode de calcul préservant la vie privée – a vu le jour. En coordonnant l’apprentissage de micro-tâches sur différents appareils finaux, les résultats intermédiaires de l’apprentissage – plutôt que les données brutes de l’utilisateur – sont renvoyés vers le serveur cloud pour atténuer les problèmes de confidentialité. Cela permet néanmoins d’effectuer des tâches d’analyse de données et d’apprentissage automatique sur les appareils finaux.

En outre, grâce à un cadre événementiel récemment mis en œuvre, FederatedScope offre un support flexible et des outils complets, notamment une riche collection d’ensembles de données de référence, des architectures de modèles bien connues, des algorithmes d’apprentissage fédéré avancés, des fonctionnalités de réglage automatique faciles à utiliser et des interfaces conviviales. Ces outils permettent aux chercheurs et aux développeurs de construire et de personnaliser rapidement des applications d’apprentissage fédéré spécifiques à une tâche dans des domaines tels que la vision par ordinateur, le traitement du langage naturel, la reconnaissance vocale, l’apprentissage de graphes et la recommandation.

Pour la protection de la vie privée en particulier, la plateforme offre également des technologies de pointe, notamment la confidentialité différentielle et le calcul multipartite, afin de répondre aux différentes exigences en matière de protection de la vie privée.

Selon Gartner, 60 % des grandes organisations devraient utiliser une ou plusieurs techniques de calcul améliorant la confidentialité d’ici 2025.

Plus tôt cette année, l’Alibaba DAMO Academy a également révélé ses prévisions concernant les principales tendances qui façonneront l’industrie technologique dans les années à venir, et le calcul préservant la vie privée en faisait partie.