AI-nyhederFL-MAESTRO får AI til at lære på små enheder
Ny metode lader flere små enheder træne AI sammen uden at dele private data – selv med begrænset strøm og hukommelse.
Det er sket
Forskere har udviklet FL-MAESTRO, et system der bruger flere AI-agenter til at styre fødereret læring – en teknik hvor mange enheder træner en fælles model uden at sende rå data til en central server. Det nye er, at det virker selv på enheder med meget lidt regnekraft, som mobiltelefoner eller sensorer.
Hvordan virker det?
FL-MAESTRO lader en hoved-AI koordinere flere hjælpe-agenter, der hver især klarer opgaver som at planlægge træning eller komprimere data. Det mindsker kommunikationen mellem enheder og server, hvilket sparer både tid og energi. Test viser, at metoden kan matche traditionelle systemer med op til 50 % mindre dataudveksling.
Hvad kan det bruges til?
Det kan betyde, at hospitaler træner AI på patientjournaler uden at dele følsomme oplysninger, eller at fabrikker optimerer maskiner lokalt. For almindelige brugere handler det om, at din telefon kan blive klogere uden at sende alt videre – og uden at tømme batteriet.
- FL-MAESTRO bruger flere AI-agenter til at koordinere fødereret læring.
- Metoden er designet til enheder med begrænset regnekraft.
- Private data bliver aldrig sendt til en central server.
- Tests viser op til 50 procent mindre kommunikation end traditionel metode.
- Komprimering af data sparer energi og tid i træningsprocessen.
- Kan bruges på mobiltelefoner, sensorer og i sundhedssektoren.
Du kan snart få en telefon eller en enhed, der bliver klogere med tiden – uden at dine data forlader enheden, og uden at batteriet drænes.
Kilder:
arXiv cs.AI →
Genfortalt i egne ord af AI-nyheder.com · Tjek altid originalkilden, før du handler på vigtige oplysninger.