O aprendizado de máquina depende de um processo centralizado: os dados recolhidos dos usuários vão para um servidor, e ali os algoritmos e inteligências artificiais são treinados. Depois, eles voltam aos serviços e tentam entregar resultados mais precisos ou melhores previsões, por exemplo. Acontece que esse processo consome bastante tempo e não é a melhor prática quando se trata de privacidade – afinal, as empresas precisam armazenar dados de uso na nuvem.

• Este braço robótico consegue aprender a lidar com novos objetos sozinho
• Batendo um papo com o Watson sobre obras de arte na Pinacoteca de São Paulo
• Você poderá compartilhar sua localização em tempo real pelo Google Maps

O Google anunciou que começará a testar um novo método de treinamento de sua inteligência artificial. Batizada de Federated Learning (Aprendizado Federativo, em tradução livre), ele descentraliza o trabalho e realiza todo o processo de treinamento direto nos dispositivos dos usuários. O método já está ativo no Gboard, teclado do Google em aparelhos Android.

Quando o teclado sugerir pesquisas baseadas na troca de mensagens, o app armazenará os dados sobre o uso da funcionalidade – registrando quando o usuário aproveitou e quando descartou as dicas. A partir daí, o algoritmo de sugestões irá aprender direto na CPU do smartphone. As alterações ainda serão enviadas para os servidores do Google, que agregará os aprendizados e realizará as melhorias para toda a base. No entanto, os dados de uso em si não são mais armazenados. O Google afirma que as informações enviadas ainda assim são criptografadas.

FederatedLearning_FinalFiles_Flow Chart1A) O aplicativo é atualizado em cada dispositivo. B) O Google coleta essas mudanças personalizadas. C) Depois, elas são reunidas para criar uma única nova atualização para o aplicativo. Imagem: Google.

Para fazer com que o aprendizado acontecesse dentro do smartphone, o Google incorporou uma versão reduzida do seu software de aprendizagem, o TensorFlow, dentro do Gboard. No post oficial, a companhia destacou as vantagens do Federated Learning:

O Federated Learning permite modelos mais inteligentes, menor latência e menos consumo de energia, tudo isso assegurando privacidade. E esse método tem outro benefício imediato: além de oferecer uma atualização ao modelo compartilhado, o modelo melhorado no seu celular pode ser utilizado imediatamente, alimentando experiências personalizadas na maneira como você utiliza o seu dispositivo.

Segundo a companhia, o sistema foi projetado para não prejudicar a duração de bateria e desempenho dos dispositivos. O processo de treinamento só acontece quando o aparelho está “ocioso, plugado na tomada e numa conexão Wi-Fi”.

Como aponta o The Verge, essa não é a primeira vez que empresas de tecnologia tentam balancear as melhorias da inteligência artificial com a privacidade dos usuários. Em junho do ano passado, a Apple anunciou seus modelos de aprendizado de máquina que usariam “privacidade diferencial” para obter uma camuflagem estatística dos dados recolhidos.

[The Verge via Google]

Imagem do topo: Alex Cranz/Gizmodo