שיתוף פעולה – הפעם ללא שיתוף נתונים

This post is also available in: English (אנגלית)

חוקרים בצבא ארה"ב ועמיתיהם פיתחו טכניקות בינה מלאכותית, שיתגברו את מודעות המצב של החיילים בסביבת הפעולה הרב-מימדית. 

המחקר יאפשר אנליטיקה מבוזרת מאובטחת, דינמית ומודעת לסמנטיקה לצורך הפקת הבנת מצב במבצעים של הקואליציה (נאט"ו), בהם שיתוף הנתונים עלול להיות מושפע מאילוצי מדיניות. המחקר מרחיב את היכולת והיישומיות של 'למידה מאוחדת' (federated learning – FL), מונח שנטבע על ידי גוגל.

למידה מאוחדת היא טכניקה של למידת מכונה, שמאמנת אלגוריתם על מספר רב של מכשירי קצה או שרתים מבוזרים עם דוגמאות נתונים מקומיות, בלי להחליף אותם. למידה מאוחדת מאפשרת למס' רב של שחקנים לבנות מודל למידת מכונה משותף וחזק ללא צורך בשיתוף נתונים.

המחקר מציע, לראשונה, התמודדות עם מספר בעיות משמעותיות בלמידה מאוחדת, כולל מיוב אימונים במצבים של אילוצי משאבים, ולידציה של טכניקה על ידי ישום בעזרת מכשירי קצה מהעולם האמיתי, ועוד.

“מבחינת ההשלכות על היישומים הביטחוניים, טכנולוגיה חדשה זו מאפשרת אימונים מבוזרים או אימוץ מודלים לאנליטיקה בסביבות דלות משאבים, כדי לאפשר לשותפות בקואליציה (או ליחידות צבא) לסייע אחד לשני ללמוד משימות דומות ללא צורך בשיתוף הנתונים הרגישים שלהם משיקולי פרטיות או היעדר משאבי תקשורת", מסביר פרופ' קין לונג, מהמחלקות להנדסת חשמל ואלקטרוניקה מחשבים ב-Imperial College London. "הגישה החדשה מספקת יכולת מחזית הטכנולוגיה בהשוואה למתחרים שלנו".

המחקר הוכר על ידי מכון IEEE Communications Society.