NTT官方8月24日消息,NTT實現(xiàn)了一種邊緣計算環(huán)境下的異步分布式深度學(xué)習(xí)技術(shù)(Edge-consensus Learning)。在當前的機器學(xué)習(xí)中,尤其是深度學(xué)習(xí)中,通常在一個地方(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時代,很難在云中聚合大量數(shù)據(jù)。同時,從隱私保護的角度來看,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地方收集所有數(shù)據(jù)并進行學(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,以進行多方面的驗證。今后NTT將與合作伙伴繼續(xù)進行研發(fā)和演示實驗,以期在有望利用邊緣計算的大規(guī)模AI應(yīng)用領(lǐng)域中進行實際應(yīng)用。