با راهکار جدید هوش مصنوعی گوگل، گوشی‌های اندرویدی هوشمندتر می‌شوند

گوگل همواره به دنبال بهبود سرویس‌های موبایل خود است و در آخرین تلاشش، به روش جدیدی بانام یادگیری مستقل (federated learning) روی آورده است.
گوگل هم‌اکنون در حال آزمایش این روش است؛ این روش تغییراتی بزرگی در چگونگی کارکرد سیستم‌های یادگیری ماشین روی اندروید ایجاد می‌کند. در حال حاضر، داده‌های کاربران به‌صورت مورد به مورد به سرویس ابری گوگل فرستاده می‌شود اما در روش یادگیری مستقل، مدل یادگیری ماشین روی دیوایس کاربر دانلود و در همان‌جا اصلاح می‌شود و سپس خلاصه‌ای از تغییرات ایجادشده به سرورهای گوگل فرستاده می‌شود. تفاوت اصلی این دو روش در محل ذخیره‌سازی داده‌هاست.

این روش جدید روی کیبرد محبوب گوگل، جی‌برد، در حال آزمایش است. داده‌های ذخیره‌شده روی دستگاه شامل مواردی چون زمان‌بندی و متن کلمات پیشنهادی کیبرد است. پس از ذخیره‌سازی داده‌ها روی دستگاه، گوشی آن‌ها را پردازش می‌کند و ساخت آپدیتی برای مدل یادگیری ماشین را آغاز می‌کند که این آپدیت سپس به سرورهای گوگل فرستاده می‌شود.

در سیستم جدید، مشکلاتی نیز وجود دشته است. به‌عنوان‌مثال، گوگل گفته است تاخیر بالا و سرعت پایین ارتباط اینترنتی و توزیع نامتوازن داده‌ها، روی کارکرد سیستم تاثیر منفی دارد. برای حل این مشکلات، گوگل از "الگوریتم‌های میانگین‌گیری مستقل" استفاده می‌کند تا زمان آپلود آپدیت‌ها و مصرف انرژی گوشی را کاهش دهد. این الگوریتم‌ها درواقع قبل از آپلود شدن داده‌ها، آن‌ها را در بسته‌های کوچک‌تر فشرده می‌کنند. داده‌ها تنها در زمانی که گوشی غیرفعال، در حال شارژ و به وای‌فای متصل است، روی سرورهای گوگل آپلود می‌شوند.

یادگیری مستقل مزیت‌های بزرگی دارد. گوگل گفته است این روش سطح حریم خصوصی را بهبود می‌دهد چراکه گوگل به داده‌های پردازش شده دسترسی ندارد و تنها بسته‌های آپدیت کوچکی را دریافت می‌کند که به سرورهای گوگل فرستاده می‌شوند. مزیت دیگر اینکه کاربران، بهبود مدل‌های یادگیری ماشین را بلافاصله تجربه می‌کنند و نیازی نیست منتظر ارائه آپدیتی از سوی گوگل بمانند.