Antti Honkela ja Samuel Kaski kouluttavat tekoälyassistenttia yksityisyyttä suojaaville koneoppimismalleille
Helsingin yliopiston professori Antti Honkela ja Aalto-yliopiston sekä Manchesterin yliopiston professori Samuel Kaski ovat osa Suomen tekoälykeskus FCAIta. He tekevät yhteistyötä japanilaisen RIKENin kanssa, joka hallinnoi Japanin kansallista supertietokonetta Fugakua:
”Teemme yhteistyö professori Jun Sakuman kanssa, joka työskentelee RIKENillä ja Tokion teknologisessa instituutissa. Linkki perustuu aikaisempaan yhteistyöhön japanilaisten tutkijoiden kanssa yksityisyyttä suojaavan koneoppimisen saralla.”
Kehityksessä työkalu yksityisyyttä suojaaville koneoppimismalleille
Honkelan ja Kasken projekti keskittyy luonnollisesti tekoälyyn, tarkemmin sanottuna yksityisyyttä suojaavaan koneoppimiseen.
”Koneoppimismallit on todettu taipuvaisiksi muistamaan koulutusdatansa. Tämä voi aiheuttaa ongelmia, jos koulutusdataan sisältyy henkilötietoja tai muuta arkaluonteista tietoa, kuten terveystietoja. Kun malli avataan muiden käyttäjien saataville, arkaluonteinen data saattaa olla mahdollista palauttaa,” tutkijat kertovat.
Projektin tarkoitus on auttaa torjumaan tätä ongelmaa:
”Muistiinpainumisen voi välttää käyttämällä mallin koulutuksessa differentiaalista tietosuojaa. Valitettavasti se voi kuitenkin laskea mallin tarkkuutta. Koulutusprosessin huolellinen mukauttaminen voi minimoida tarkkuuden laskun, mutta se on usein laskennallisesti työlästä ja vaatii asiantuntemusta. Projektimme lopullinen päämäärä on kehittää tekoälyassistentti differentiaalista tietosuojaa käyttäville koneoppimismalleille. Assistentti auttaisi myös vähemmän kokeneita käyttäjiä kouluttamaan vahvoja malleja ilman liiallisia laskentavaatimuksia.”
Tekoälytutkimus vaatii tehokkaita alustoja
LUMI yhtenä maailman johtavista tekoälyalustoista on isossa roolissa myös tässä hankkeessa.
”Käytämme LUMIa kouluttamaan useita malleja eri koneoppimistehtäviä varten. Tämä auttaa meitä siivilöimään tietoa siitä, kuinka koulutus eri tehtäviin saadaan tehtyä tehokkaasti, ja lopulta kouluttamaan oma tekoälyassistenttimme. Assistentti kehitetään asteittain, eli sen kyvyt kasvavat projektin edetessä,” Honkela ja Kaski kuvaavat.
He alleviivaavat sopivien alustojen tärkeyttä tekoälytutkimuksessa yleensä:
”Koneoppimis- ja tekoälytutkimuksesta on tullut hyvin laskennallisesti raskasta viime vuosien aikana. Huippuluokan laskentainfrastruktuurien avulla voimme työskennellä tekoälymetodien käyttäjille hyödyllisten kärkiluokan mallien ja tutkimuskysymysten parissa sen sijaan, että tekisimme pienempiä, huonompilaatuisia malleja, jotka ovat laskennallisesti kevyempiä mutta joilla ei usein ole käytännön kannalta merkitystä.”
Pihla Kauranen, Maari Alanko ja Elisa Halonen
Kuva: Jamillah Knowles / Better Images of AI / Data People / CC-BY 4.0
Edistämme kansainvälistä tutkimusyhteistyötä
Tässä blogisarjassa syvennymme seitsemään kansainväliseen Suomi-Japani ja Suomi-Colorado tiedeyhteistyöprojektiin, jotka hyödyntävät LUMI-supertietokonetta vastatakseen huippuluokan tutkimusaiheisiin eri aloilla.
Liity seuraamme, kun haastattelemme projektien vetäjiä ja kuulemme, kuinka kukin yhteistyö syntyi ja miten he käyttävät LUMIa huippuluokan tutkimukseen!