Google научила нейросети «забывать» личные данные пользователей при обучении

Пост опубликован в блогах iXBT.com, его автор не имеет отношения к редакции iXBT.com

Гонка за создание всё более мощных нейросетей упёрлась в неожиданный барьер — дефицит качественных данных для обучения. В поисках нового «топлива» для своих моделей технологические гиганты всё чаще обращаются к огромным массивам информации из интернета, среди которой неизбежно оказываются и конфиденциальные данные пользователей. Команда Google Research представила элегантное решение этой проблемы — технологию, которая позволяет ИИ учиться на наших данных, не запоминая их.

Автор: LeVK

Ключевая проблема современных больших языковых моделей (LLM) — их склонность к «непреднамеренному запоминанию». Хотя ответы нейросети всегда отчасти случайны, иногда она может почти дословно воспроизвести фрагмент информации, на которой обучалась. Если в обучающий набор попали чьи-то личные переписки, медицинские записи или финансовые отчёты, такой «сбой» может привести к катастрофической утечке. Для разработчиков же головной болью становится случайное цитирование моделью материалов, защищённых авторским правом.

Представьте, что нейросеть в ответ на безобидный вопрос вдруг цитирует чей-то личный имейл — именно от таких сценариев и призвана защитить новая технология.

Решение, предложенное Google, называется дифференциальной приватностью. Суть метода заключается в добавлении в процесс обучения математически выверенного «шума». Этот шум намеренно искажает исходные данные ровно настолько, чтобы модель могла уловить общие закономерности и паттерны, но не смогла запомнить конкретные детали. В результате нейросеть учится писать тексты в определённом стиле, но не сможет процитировать конкретное предложение из обучающего примера.

Однако у этого подхода была обратная сторона — «зашумление» данных снижало точность модели и требовало значительно больших вычислительных ресурсов. До сих пор никто не мог точно сказать, как найти баланс между приватностью и производительностью. Команда Google первой смогла вывести так называемые «законы масштабирования» для приватных нейросетей.

Исследователи установили, что качество работы модели зависит от трёх ключевых факторов — вычислительного бюджета (мощности «железа»), бюджета данных (объёма информации) и бюджета приватности (количества добавленного «шума»). Проще говоря, чем больше «шума» вы добавляете для защиты данных, тем больше вычислительных мощностей и объёма обучающей выборки потребуется, чтобы сохранить качество ответов на прежнем уровне.

Эта работа легла в основу VaultGemma. Но главное достижение Google — не сама модель, а опубликованная научная статья, в которой подробно описаны выведенные законы. Теперь у разработчиков по всему миру есть своего рода «рецепт», позволяющий находить идеальный баланс и создавать эффективные и при этом безопасные языковые модели. Однако, с учетом дефицита вычислительных мощностей в индустрии, сложно сказать, пойдут ли ведущие вендоры на увеличение затрат ради приватности в своих флагманских LLM.

Источник: Arstechnica

Автор не входит в состав редакции iXBT.com (подробнее »)
Об авторе
Наношу добро, причиняю пользу, благодарен за лайки и содержательные (дополняющие статьи) комментарии.

Сейчас на главной

Новости

Публикации

Тепловизор без единой линзы: физика лицевой ямки гремучника и алгоритм деконволюции

В лицевой части черепа ямкоголовой змеи находится парное углубление глубиной около 5-6 мм с круглым входным отверстием диаметром от 1,5 мм до 3 мм. Анатомически этот парный орган повторяет...

Телефон Nokia 5510: выглядел странно, работал ещё страннее

В начале двухтысячных мобильная индустрия не боялась смелых экспериментов с форм-факторами. Nokia 5510 стал одним из самых необычных их воплощений. Он выпускался под самоироничным слоганом...

A4TECH Bloody GR220 — обзор игровых наушников с подключением по радиоканалу, по Bluetooth и по проводу

Сегодня на обзоре новая модель беспроводных наушников A4Tech Bloody GR220 с возможностью подключения и по USB. Для подключения «по воздуху» здесь сразу два варианта: это радиоканал и по Bluetooth....

Король вечеринок: обзор акустической системы W-KING D20

W-KING D20 — портативная колонка, которая нацелена на то, чтобы быть основой вечеринки. У нее есть достаточно мощности, подключение микрофонов и гитары. Хватит ли ее пения на вечер,...

Магнитофоны как искусство: 10 самых красивых кассетных дек за всю историю аудио

Во время расцвета компакт-кассеты деки были не просто источниками звука. Они становились центральным элементом аудиостойки, с подсветкой индикаторов, видимым движением ленты, тактильными клавишами...

Чтобы выжить в Австралии, местным змеям пришлось изменить свой размер: в противном случае они погибали от ядовитых жаб

В 1935 году в Австралию была завезена жаба-ага. Животное должно было бороться с жуками-вредителями, поедавшими сахарный тростник. Однако на деле получилось иначе. Жабы сами стали поедать местные...