group-telegram.com/gipro_ru/792
Last Update:
Недавно ИСП РАН, Сеченовский Университет и платформа Yandex Cloud провели тесты федеративного машинного обучения — инструмента, который позволяет настроить ИИ на анализ чувствительных данных.
Решение, которое работает на основе обработки данных на стороне клиента (локально) и передаёт комплексную информацию на центральный (федеративный) сервер позволило установить возможность ИИ выявлять фибрилляцию предсердий, один самых распространённых видов сердечной патологии.
ИИ смог выявить 12 сердечно-сосудистых заболеваний с диагностической точностью до 95%. А эксперимент показал перспективу применения искусственного интеллекта в различных направлениях, где необходим анализ big data с получением точной и достоверной информации. Кроме того, федеративный способ предоставляет высокий уровень информационной безопасности.
В энергетике федеративное обучение может быть перспективным в тех направлениях, где уже употребляют ИИ — для диагностики оборудования, определения отказов, прогнозирования сбоев. Кроме того, метод может быть полезен для анализа эффективности функционирования электросетей и контроля потребления электроэнергии.
Интересно, что сферы искусственного интеллекта и электроэнергетики оказываются критически важными друг для друга. Так, недавно Google проявил интерес к применению атомных электростанций в США и Японии для питания ЦОД, отвечающих за обучение ключевых нейросетей.
Кроме того, OpenAI, разработчики ChatGPT, предложили правительству США проект распределенной по всем штатам сети центров обработки данных, совмещенных с источником генерации в 5 ГВт для каждого центра. Так наглядно формируется взаимная зависимость: энергетика питает ЦОДы, а искусственный интеллект позволяет повышать эффективность сетей и объектов генерации.