Avec Federated Learning, Google teste son IA depuis les smartphones

AppsCloudMobilitéOS mobilesWifi
7 12 Donnez votre avis

L’intelligence artificielle est gourmande en données, mais doit respecter les règles de confidentialité. Pour résoudre ce dilemme, Google propose le système de Federated Learning où l’IA s’entraîne directement sur les smartphones.

Tous les spécialistes de l’intelligence artificielle estiment que, sans données, il n’y a pas d’IA. Mais nous vivons aussi dans un monde où les questions de protection des données sont importantes. Les acteurs de l’intelligence artificielle doivent donc tenter de combiner ces deux exigences. Google vient d’apporter une solution originale à ce dilemme : le Federated Learning ou apprentissage fédéré.

Habituellement, pour entraîner les algorithmes de Google, les données du comportement des mobinautes sont basculées dans le Cloud. La firme de Mountain View veut décentraliser ce traitement des données personnelles directement sur le smartphone. Google explique le fonctionnement de cette technique dans un billet de blog : l’utilisateur télécharge une application dotée d’un module de Machine Learning (en l’occurrence une version légère du moeur Open Source TensorFlow), l’IA s’entraîne via l’usage de l’application etGoogle récupère les modifications de l’algorithme lors des mises à jour de l’application.

Le clavier Gboard en éclaireur

Google a commencé à tester cette technique d’apprentissage fédéré avec l’application Gboard, le clavier intelligent. « Quand Gboard affiche une requête suggérée, le téléphone stocke localement des informations sur le contexte actuel et sur la suggestion. La technique du Federated Learning se sert de cet historique sur le smartphone pour améliorer la réponse à une prochaine requête dans Gboard », explique Google.

gboard FL

Les équipes de Google soulignent que l’intégration de l’entraînement de l’IA au sein d’un smartphone Android n’est pas une chose aisée. Elle nécessite quelques efforts techniques. Ainsi, l’algorithme d’optimisation Stochastic Gradient Descent (SGD) fonctionne habituellement à partir de jeux de données homogènes partitionnés sur les serveurs du Cloud de Google. Avec le Federated Learning, les données sont éparpillées sur des millions de terminaux, disposant d’une bande passante et de temps de latence fluctuants. D’où l’idée de mettre à contribution le processeur du terminal et de communiquer avec les serveurs de manière limitée et de façon compressée. Google assure, par exemple, que les mises à jour se font pendant les périodes d’inactivité du smartphone et quand une connexion WiFi est disponible.

A lire aussi :

L’intelligence artificielle peut-elle échapper au sexisme ?

Intelligence artificielle et pensée humaine, à un algorithme près ?


Lire la biographie de l´auteur  Masquer la biographie de l´auteur