VK тестирует модель ИИ для обучения на независимых дата-сетах

VK тестирует собственное решение для обучения искусственного интеллекта, которое может одновременно тренироваться на данных из разных баз без их фактического обмена и риска утечки персональных данных. Этот принцип называется вертикальным федеративным обучением (VML). О разработке решения рассказал руководитель группы Data Science в подразделении VK Predict Артём Агафонов, пишут «Ведомости».

Сейчас компании для обучения аналитической модели вынуждены делиться собственными данными друг с другом, с разработчиками сервиса и владельцем инфраструктуры, занимающимся их обработкой, говорит Агафонов. Безопасность этих данных гарантируется лишь доверием между участниками процесса обучения, уточняет он.

Также существует вариант, при котором компании сами обучают собственную модель, затем на предсказаниях обучают meta‑модель, которая объединяет проанализированные данные, продолжает Агафонов. «Но в данном случае модели не видят всех данных сразу, а также требуется передача самих данных, что уже само по себе небезопасно», — пояснил он.

Предиктивные модели позволяют прогнозировать спрос и предложение или, например, поломки оборудования, говорит Агафонов. Например, модель одновременно сможет анализировать данные ретейлера о продажах и о трафике торгового центра. На основе полученной аналитики продавец может спрогнозировать спрос на свои товары в том или ином ТЦ, а ТЦ — выбрать подходящих арендаторов. Решение может быть востребовано в разных отраслях, например финтехе и промышленности, добавил Агафонов. Сейчас VK уже тестирует сервис с несколькими партнёрами из ретейла и девелопмента, в дальнейшем планирует продавать это решение.

В России федеративное обучение сейчас не распространено, говорит технический директор HFLabs Никита Назаров.