با متدی به نام یادگیری توزیعشده، گوگل دیگر نیازی به جمعآوری اطلاعات کاربران برای تمرین دادن الگوریتمهای خود نخواهد داشت.
اکثر شرکتهای بزرگ تکنولوژی، فرایند یادگیری ماشین (که برای بهتر کردن نرمافزار به کار میرود) را بهصورت متمرکز و در فضای سرورهای خود انجام میدهند. شرکتهایی مانند گوگل و اپل اطلاعات مربوط به استفادهی هر کاربر از اپلیکیشنها را در یک مکان جمعآوری و سپس از این دیتا برای تمرین دادن الگوریتم استفاده میکنند. به این ترتیب کاربران به عکسهای باکیفیتتر در دوربین گوشی یا توانایی جستجوی بهتر در اپلیکیشن ایمیل دست مییابند.
این متد بسیار کارآمد است؛ ولی رفتوآمدهای مداومی که باید برای آپدیت اپلیکیشنها و جمعآوری اطلاعات انجام شود بسیار زمانبر هستند. از نظر رعایت حریم کاربران نیز این رفتار چندان محبوب نیست؛ زیرا شرکتها باید نحوهی استفادهی هر کاربر از اپلیکیشنها را در سرورهای خود ذخیره کنند. برای برطرف کردن این مشکلات، گوگل به دنبال متدی جدید از تمرین دادن هوش مصنوعی رفته است که آن را «یادگیری توزیعشده» مینامد.
همانطور که از نام آن برمیآید؛ این روش جدید کارهای هوش مصنوعی را مرکز-زدایی خواهد کرد. بهجای جمعآوری اطلاعات در سرورهای گوگل و تمرین دادن الگوریتمها از این طریق، پروسهی یادگیری مستقیما در دستگاه هر کاربر انجام خواهد شد. در اصل از پردازنده هر گوشی برای تمرین دادن هوش مصنوعی گوگل استفاده میشود.
گوگل در حال حاضر در اپلیکیشن کیبورد خود برای دستگاههای اندروید (جیبورد) از یادگیری توزیعشده استفاده میکند. زمانی که جیبورد بر اساس پیامهای ارسالشده به کاربران جستجویهای گوگل را پیشنهاد میدهد؛ این اپ جستجوهای انتخابشده و آنهایی که مورد توجه قرار نگرفتهاند، به خاطر میسپرد. این اطلاعات سپس برای شخصیسازی بیشترِ الگوریتم اپ برای هر کاربر استفاده خواهد شد (برای انجام این تمرینها، گوگل نمونهای سبکتر از نرمافزار یادگیری ماشین خود، TensorFlow را نیز به جیبورد اضافه کرده است). تغییرات سپس به گوگل برمیگردند تا در آپدیتهای بعدی این نرمافزار برای تمام کاربران مورد استفاده قرار گیرند.
همانطور که گوگل در یکی از پستهای وبلاگی خود توضیح میدهد؛ این روش نوین چند ویژگی مثبت دارد. از آنجایی که اطلاعات کاربر هرگز از گوشی خارج نمیشود، به رعایت حریم خصوصی کمک میکند. همچنین تغییرات مناسب را بهصورت آنی اعمال میکند. پس کاربران نیازی به انتظار کشیدن برای انتشار آپدیتهای جدید و استفاده از الگوریتمهای مناسبتر ندارند. گوگل میگوید این پروسه به شکلی طراحی شده است که بر عمر باتری و کارکرد گوشی تأثیری نگذارد. پروسهی تمرین تنها در زمانهایی که گوشی در حال استفاده نیست و به برق و اینترنت رایگان متصل است، انجام میشود.
دانشمندان گوگل دراینباره میگویند:
یادگیری توزیعشده به ما اجازهی دستیابی به مدلهای هوشمندتر، تأخیر کمتر و استفاده از منابع محدودتر میدهد. همچنین محیطی امنتر به کاربران هدیه میدهد.
این نخستین بار نیست که شرکتهای بزرگ به دنبال محدودتر کردن جمعآوری اطلاعات کاربران هستند. در ماه ژوئن، شرکت اپل اعلام کرد که مدلهای یادگیری ماشین این شرکت از چیزی به نام «Differential Privacy» استفاده خواهند کرد تا با پنهان کردن اطلاعات کاربران در انبوهی از اطلاعات دیگر، از آنها محافظت کند. اینگونه متدها احتمالا در آینده رایجتر خواهند شد؛ زیرا شرکتها به دنبال متعادل کردن نیازشان برای دریافت اطلاعات و درخواست کاربران برای حفظ حریم شخصی بیشتر هستند. هرچند نتیجهی نهایی، هوش مصنوعی بهتر برای همه خواهد بود.