聯盟學習 – NVIDIA 技術博客

使用 NVIDIA FLARE 通過聯合學習防止健康數據泄露

Thu, 28 Sep 2023 04:54:39 +0000

在 2021 年，超過 4000 萬人的健康數據被泄露，而且這個趨勢并不樂觀。聯邦學習和分析的主要目標是在不訪問遠程站點原始數據的情況下執行數據分析和機器學習。這就是您不擁有且不應該直接訪問的數據。但是，如何更自信地實現這一點？想象一個孤立的聯邦學習場景，一家生物技術公司與醫院網絡合作。他們正在根據本地基礎設施中存儲的圖像的 CT 掃描結果，合作開發改進的肺癌檢測模型。聚合器和生物技術數據科學家均不得直接訪問圖像或下載圖像。他們只能對遠程模型進行聯合學習、訓練和驗證，并構建更好的聚合模型，然后與所有醫院共享這些模型，以提高通用性和檢測準確性。數據保護的目標一開始似乎顯而易見。這是一個權限、角色的問題，可能還有一些加密問題。遺憾的是，這并不像看上去那么簡單。聯合學習解決方案往往側重于以下方面：

Source

]]>

使用分布式數據集上的聯合學習使 LLM 適應下游任務

Mon, 10 Jul 2023 03:31:27 +0000

大型語言模型（ LLM ），如 GPT，由于其理解和生成類人文本的能力，已成為自然語言處理（ NLP ）中的革命性工具。這些模型基于大量不同的數據進行訓練，使其能夠學習模式、語言結構和上下文關系。它們是基礎模型，可以針對廣泛的下游任務進行定制，具有高度的通用性。諸如分類之類的下游任務可以包括基于預定義標準對文本進行分析和分類，這有助于諸如情緒分析或垃圾郵件檢測之類的任務。在封閉式問答（ QA ）中，他們可以根據給定的上下文提供精確的答案。在生成任務中，它們可以生成類似人類的文本，例如故事寫作或詩歌創作。即使是頭腦風暴， LLM 也可以利用其龐大的知識庫產生創造性和連貫性的想法。 LLM 的適應性和多功能性使其成為廣泛應用的寶貴工具，使企業、研究人員和個人能夠以顯著的效率和準確性完成各種任務。這篇文章向您展示了 LLM 如何使用分布式數據集和聯合學習來適應下游任務，

Source

]]>

借助 NVIDIA FLARE 實現的聯合學習，提升您的人工智能工作流程

Wed, 14 Jun 2023 05:05:37 +0000

在工作流程中利用人工智能的企業面臨的主要挑戰之一是管理支持大規模培訓和部署機器學習（ ML ）模型所需的基礎設施。為此，NVIDIA FLARE平臺提供了一個解決方案：聯合學習，使得跨企業管理復雜的人工智能工作流變得更加容易。 NVIDIA FLARE 2.3.0 是 NVIDIA 聯合學習平臺的最新版本，其中包含了令人興奮的新功能和增強功能，如：這篇文章詳細介紹了這些功能，并探討了它們如何幫助您的組織提升人工智能工作流程，并通過機器學習獲得更好的結果。有了這個版本，您現在可以使用 IaC 無縫管理您的多云基礎設施，利用不同云提供商的優勢，并分配您的工作負載以提高效率和可靠性。 IaC 使您能夠自動化基礎設施的管理和部署，從而節省時間并降低人為錯誤的風險。 NVIDIA FLARE 2.3.0 支持在 Microsoft Azure 和 AWS…

Source

]]>