萬物互聯(lián)的IoT時(shí)代，如何在云中聚合大量數(shù)據(jù)？

NTT官方8月24日消息，NTT實(shí)現(xiàn)了一種邊緣計(jì)算環(huán)境下的異步分布式深度學(xué)習(xí)技術(shù)（Edge-consensus Learning）。在當(dāng)前的機(jī)器學(xué)習(xí)中，尤其是深度學(xué)習(xí)中，通常在一個(gè)地方（云）收集數(shù)據(jù)并學(xué)習(xí)如圖像/語音識別之類的模型。

但是，萬物互聯(lián)的IoT時(shí)代，很難在云中聚合大量數(shù)據(jù)。同時(shí)，從隱私保護(hù)的角度來看，將數(shù)據(jù)存儲在本地服務(wù)器/設(shè)備上的需求也越來越大。這項(xiàng)研究的目的是開發(fā)學(xué)習(xí)算法以獲得共識模型，即使服務(wù)器組中累積了統(tǒng)計(jì)不一致的數(shù)據(jù)，并且在服務(wù)器之間異步通信/交換與模型相關(guān)的變量，也可以獲得與在一個(gè)地方收集所有數(shù)據(jù)并進(jìn)行學(xué)習(xí)而獲得的模型相似的等效模型。與模型相關(guān)的代碼將在Github上發(fā)布，以進(jìn)行多方面的驗(yàn)證。

今后NTT將與合作伙伴繼續(xù)進(jìn)行研發(fā)和演示實(shí)驗(yàn)，以期在有望利用邊緣計(jì)算的大規(guī)模AI應(yīng)用領(lǐng)域中進(jìn)行實(shí)際應(yīng)用。
責(zé)任編輯：tzh