Kenali Federated Learning – Pembelajaran Bersekutu Oleh Peranti Berlainan

Kenali Federated Learning – Pembelajaran Bersekutu Oleh Peranti Berlainan

Diterbitkan pada Sep 12, 2019 oleh .

Kecerdasan Buatan (Artificial Intelligence) dan Pembelajaran Mesin (Machine Learning) merupakan dua terma yang berhubung kait antara satu sama lain dalam dunia teknologi. Seiring dengan era globalisasi yang semakin canggih kini, teknologi-teknologi semakin berkembang dan ia sedikit sebanyak telah membawa perubahan yang besar kepada sektor sektor pekerjaan yang ada sekarang.

Jika ditafsirkan maksud sebenar AI, ia adalah satu fungsi yang telah diintegrasikan ke dalam sesebuah sistem untuk melatih sesebuah peranti pintar agar dapat melakukan pekerjaan yang dilakukan oleh manusia dengan lebih baik. Dengan adanya AI, ia dapat mengurangkan tenaga kerja manusia sekaligus mengelakkan berlakunya kesalahan yang sering dilakukan.

Pembelajaran Mesin pula dalam bahasa mudahnya adalah fungsi yang membolehkan sesuatu mesin untuk mempelajari sesuatu daripada data yang dimasukkan ke dalam sesuatu program. Seterusnya, melalui data input yang dimasukkan tersebut, ia akan menghasilkan sesuatu output hasil daripada ramalan data yang telah dipelajari tadi.

Dibawah istilah Pembelajaran Mesin pula terdapat satu lagi istilah, iaitu Pembelajaran Bersekutu (Federated Learning). Ia adalah satu teknik dalam pembelajaran mesin yang diciptakan oleh Google. Ia merupakan satu inovasi yang membolehkan sesuatu model melatih data di dalam sesuatu peranti mudah alih.

Sebagai contoh Pembelajaran Bersekutu yang sering kita guna adalah apabila kita memasukkan kata kunci di Google Keyboard, Gboard, ia akan menunjukkan pilihan kueri dan perkataan perkataan baru seperti “BTW”, atau “ewww” yang tiada dalam kamus atau perkataan yang diiktirafkan penggunaannya secara rasmi, begitu juga dengan pilihan emoji.

Bagaimana Pembelajaran Bersekutu Ini Berjalan?

Asas kepada proses Pembelajaran Mesin adalah mereka memerlukan data yang telah dilatih dan berada di pusat data. Seperti contoh, apabila anda memasuki laman e-dagang yang sering anda layari, antaramuka tersebut akan dipenuhi dengan produk-produk yang mempunyai potensi yang tinggi untuk anda beli. Ini adalah tugas yang dijalankan oleh Pembelajaran Bersekutu dimana mereka memahami kecenderungan pengguna untuk membeli produk dan menjalankan model pada data yang telah dikumpul sebelum ini dari laman web atau aplikasi. Data juga akan dikumpul berdasarkan proses pencarian yang dijalankan oleh pengguna.

Kebiasaannya, 50 hingga 1000 data boleh diperoleh daripada setiap pengguna, dalam satu masa. Data data yang dikumpul ini kemudiannya akan dihantar ke pusat data untuk direkodkan.

Pembelajaran Bersekutu ini juga mempunyai proses yang hampir sama. Peranti-peranti pintar yang kita miliki sekarang ini juga merupakan sebahagian daripada model untuk menjalankan proses Pembelajaran Bersekutu. Apa yang mereka akan lakukan adalah ia akan memuat turun sesuatu model untuk dijalankan pada telefon pintar, dan kemudiannya ditambah baik melalui bantuan pembelajaran data yang telah dikumpulkan di pusat data. Seterusnya, model ia akan meringkaskan beberapa perubahan kecil yang berlaku pada peranti pintar untuk membuat kemaskini data.

Data yang telah dikemaskini pada model ini seterusnya akan dihantar ke pelayan awan (cloud server) atau pusat pelayan (central server) melalui satu komunikasi yang telah disulitkan. Kemaskini ini kemudiannya akan diselarikan dengan kemaskini pengguna-pengguna lain untuk menambah-baik model yang telah dikongsikan.

Dikuasakan Oleh Teknologi TensorFlow  

Pembelajaran Bersekutu ini adalah salah satu inovasi daripada Google untuk menghasilkan lebih banyak informasi dengan berbekalkan sedikit data sahaja. Untuk menjalankan teknologi kepada peranti-peranti lain, ia memerlukan beberapa teknologi lain bagi menyokong Pembelajaran Bersekutu ini untuk berlaku. Bagi peranti pintar biasa, ia merupakan sebahagian kecil daripada teknologi TensorFlow.

TensorFlow adalah rangka kerja sumber terbuka (open source framework) untuk pembelajaran mesin dimana ia boleh digunakan oleh pelbagai pihak dalam menghasilkan sesuatu informasi yang lebih berguna untuk sesuatu industri sesuai dengan kehendak mereka. Melalui TensorFlow ini, ia menawarkan latihan kepada data dan akan dimuatnaik ke perkomputeran awan untuk kegunaan pada peranti-peranti pintar yang lain.

Google mengaplikasikan teknologi TensorFlow ini dalam Pembelajaran Bersekutu bagi melatih sejumlah data yang sikit untuk terus digunakan dan menghasilkan lebih banyak informasi untuk pengguna peranti pintar yang lain.

Seperti contoh, kekerapan seseorang pengguna menaip sesuatu perkataan pada Gboard dapat memberi impak kepada pengalaman penggunaan seseorang. Apabila telefon pintar ini menaip sesuatu perkataan menggunakan peranti pintar, dan sesuatu perkataan itu merupakan perkataan yang sering digunakan, dengan teknologi ini, ia akan menambah kekerapan sesuatu perkataan itu ditaip apabila sesuatu peranti itu menerima kemaskini.

Kemudiannya, program ini akan dimuatnaik ke perkomputeran awan untuk merekodkan kekerapan sesuatu perkataan itu ditaip. Setiap perkataan akan menggunakan kod program berbeza untuk menghasilkan rekod kekerapan. Program ini akan berjalan setiap kali perkataan ditaip dan akhirnya sesuatu peranti pintar itu akan bertindak sendiri bergantung kepada kekerapan perkataan ditaip.

Teknologi Privasi – Adakah Data Peribadi Kita Selamat?

Jadi, kita telah faham bagaimana peranti pintar membuat pengiraan untuk kekerapan sesuatu perkataan itu ditaip secara manual. Namun, apabila sesuatu peranti ini membuat pengiraan kekerapan setiap perkataan yang ditaip, adakah privasi kita telah dicerobohi oleh para pembangun? Adakah kita mempunyai jalan penyelesaian yang lain supaya setiap perkataan yang kita taip tidak diperiksa dan direkodkan datanya?

Anda tidak perlu risau kerana melalui TensorFlow, mesej sesuatu individu tidak akan dinyahsulitkan untuk direkod. Jadi, bagaimana Google membuat jangkaan tentang perkataan yang kita selalu gunakan tanpa nyahsulitkan sesuatu data? Hal ini adalah kerana Google telah melatih program ini berulang kali untuk membolehkan Gboard membuat jangkaan dan turutan perkataan yang pengguna cenderung untuk taip dengan sendiri.

Perkataan yang baru seperti “ewww” akan direkodkan dengan terperinci, tentang penggunaan perkataan sebelumnya, dan berapa banyak huruf “W” ditaip. Kemudiannya, Google akan merekod model ini ke pusat data tanpa perlu nyahsulitkannya, dan ia sedia untuk digunakan apabila jangkaan perkataan dibuat. Perkataan perkataan ini akan dilatih untuk keluar di ruang jangkaan perkataan apabila perlu, dan ia akan belajar secara automatik dan merekodkan kebarangkalian sesuatu perkataan itu samaada dipilih atau tidak untuk diletakkan pada sesuatu ayat.

Anda juga tidak perlu risau sekiranya selalu menaip data peribadi seperti nombor kad kredit kerana Gboard tidak dilatih untuk menaip data peribadi seseorang, seperti turutan nombor telefon dan sebagainya.

Kesimpulan – Apakah Impak Pembelajaran Bersekutu Kepada Semua?

Biasanya Pembelajaran Bersekutu ini akan digunakan pada Gboard dimana papan kekunci pada telefon pintar dapat mempelajari rutin penggunanya berdasarkan kekerapan sesuatu perkataan yang ditaip dan pergerakkan jari pada papan kekunci. Selepas Gboard telah merekodkan rutin seseorang pengguna itu, ia kemudian akan membuat jangkaan perkataan seterusnya berdasarkan ayat yang telah ditaip.

Bukan itu sahaja, melalui Pembelajaran Bersekutu ini, ia juga akan membuat jangkaan tentang huruf apa yang anda sebenarnya ingin taip berdasarkan pergerakkan jari anda yang telah dipelajari oleh Gboard.

Pentingnya Pembelajaran Bersekutu ini adalah ia memudahkan seseorang individu itu untuk menaip sesuatu perkataan dengan lebih laju. Selain itu, privasi seseorang juga dapat ditingkatkan kerana melalui Pembelajaran Bersekutu ini, data pengguna tidak akan dinyahsulitkan untuk sesuatu model itu mempelajarinya. Penggunaan memori  dapat dikurangkan apabila data tidak dinyahsulitkan.

Bacaan Lanjut: Federated Learning

Bacaan alternatif: Federated Learning Dalam Bentuk Komik


TIPS & ULASAN