
聯合學習
AI競賽是資料的競爭,訓練資料量越多、種類越廣,AI模型的預測力就越強,但是超嚴格GDPR個資規範和隱私優先的風潮,成了蒐集訓練資料最大的障礙,如何克服?聯合學習找到了一個新出路
AI競賽是資料的競爭,訓練資料量越多、種類越廣,AI模型的預測力就越強,但是超嚴格GDPR個資規範和隱私優先的風潮,成了蒐集訓練資料最大的障礙,如何克服?聯合學習找到了一個新出路
臺北榮總嘗試聯合學習試驗,利用臺灣杉二號雲端環境,建置5個代表不同醫院的節點,以分散式機器學習方法,來強化AI模型對異質影像的辨識能力
三總加入由Nvidia和美國麻州醫學中心發起的COVID-19聯合學習專案,要集結20家跨國醫療機構之力、打破醫療小數據局限,以武漢肺炎患者連日的X光片和生命徵象數值,來打造一套病情惡化預警系統
在短短3年內開發多項讓人眼睛為之一亮的醫療AI模型,但又不拿取任何原始資料,AI Labs創辦人杜奕瑾說,聯合學習就是關鍵
自AI浪潮掀起以來,要打造表現好的模型,就需要越多的訓練資料。然而,越來越嚴格的個資保護規範,限制了企業取得資料的行為,成為AI大數據的衝突。但聯合學習,可望打破這個限制