Új módszert vezetett be a Google a mesterséges intelligencia tanítására: lokálisan, a felhasználók készülékein okosítják az algoritmust. A klasszikus módszertan szerint a begyűjtött adatokat központilag dolgozták fel, az eredményeket pedig a soron következő frissítések alkalmával juttatták el az ügyfelekhez, ám ennél hatékonyabb a Federated Learningnek elnevezett megoldás.

Ahogy a neve is mutatja, decentralizált megoldásról van szó, nem a Google szervereit dolgoztatja a folyamat, hanem a mobilokat. A Google azt mondja, emiatt nem fognak sem gyorsabban merülni, sem lassulni a telefonok. Az adatkeretet sem zabálja fel a megoldás.

Helyben feldolgozásra kerülnek a használati adatok, a központ egységesíti a beérkező statisztikákat, majd megtörténik a frissítés (forrás: Google) [+]

A kísérletek a keresőóriás saját billentyűzet applikációjába került beépítésre, a Gboard androidos felhasználói lettek a kísérleti nyulak. A szóajánlási rendszeren tesztel a vállalat, tehát azt figyelik, melyik javasolt szót használják, melyeket vetik el a gépelő emberek.

Az adatok helyi feldolgozásához a TensorFlow leegyszerűsített változatát építették a Gboardba, ami kizárólag töltőre dugott telefon esetében áll munkába, az információkat pedig csak Wi-Fi kapcsolaton keresztül küldi be a központba, ahonnan a többi felhasználó is profitál a használati szokásokból az egyesített frissítés révén.

A bejelentés blogposztján a Google azt írja, a megoldás számos előnnyel bír, például azzal, hogy a személyes adatok nem hagyják el a készüléket, a helyi feldolgozásnak köszönhetően saját szervereiken nem kell ezeket tárolni, illetve azt is kiemelik, hogy ezzel a módszerrel gyakorlatilag azonnal javítható az ajánlórendszer, hiszen nincs szükség központi patchelésre.