Конфиденциальность усилена, но Google вместо этого перенесла обучение на серверы
Когда речь заходит о конфиденциальности в AI, у многих возникает интуитивная мысль: данные не покидают телефон, и тогда у облака становится меньше бизнеса. Но новый технологический маршрут может идти не по этому пути.
2 октября Google Research представила следующее поколение системы федеративного обучения: устройства сначала шифруют тренировочные образцы, а затем загружают их на сервер в защищённой среде, которая работает по заранее согласованным правилам доступа. Gboard уже использует её, чтобы запустить модели следующего слова для английского и японского.
Эта официальная статья особенно важна для трейдеров в одной фразе: узкое место в обучении сместилось с доступности устройств и мощности телефонов на защищённые вычислительные ресурсы на сервере. Здесь не сказано, что все данные со смартфонов можно без ограничений передавать облачным провайдерам, и нет обещания абсолютной безопасности.
Моё понимание такое: вопрос защиты данных и вопрос того, что вычисления всегда остаются локально, — это две задачи, которые можно проектировать отдельно. Телефон делает меньше работы, сервер может сделать больше; нельзя, увидев слова «端侧AI», сразу считать, что потребность в облаке неизбежно сокращается.
Но этот прогресс пока нельзя напрямую конвертировать в прогноз по заказам на новые чипы. Нужно дальше смотреть на масштабы внедрения, реальный объём обучения и то, сколько ресурсов потребляет новая схема при каждом задании.
То же самое верно для нарратива вокруг AI, например RENDER, FET, NEAR: сначала проверьте, где фактически выполняется задача и кто может за неё взимать плату. Исследование Google не объявляло участие этих проектов, поэтому оно не может заменить заявки на получение токенов.
Потребность в вычислительных мощностях не исчезла — вероятно, изменилось лишь место, где возникает узкое место.
$RENDER $FET $NEAR
Нажмите на мой аватар, чтобы посмотреть сделку в реальном времени
Когда речь заходит о конфиденциальности в AI, у многих возникает интуитивная мысль: данные не покидают телефон, и тогда у облака становится меньше бизнеса. Но новый технологический маршрут может идти не по этому пути.
2 октября Google Research представила следующее поколение системы федеративного обучения: устройства сначала шифруют тренировочные образцы, а затем загружают их на сервер в защищённой среде, которая работает по заранее согласованным правилам доступа. Gboard уже использует её, чтобы запустить модели следующего слова для английского и японского.
Эта официальная статья особенно важна для трейдеров в одной фразе: узкое место в обучении сместилось с доступности устройств и мощности телефонов на защищённые вычислительные ресурсы на сервере. Здесь не сказано, что все данные со смартфонов можно без ограничений передавать облачным провайдерам, и нет обещания абсолютной безопасности.
Моё понимание такое: вопрос защиты данных и вопрос того, что вычисления всегда остаются локально, — это две задачи, которые можно проектировать отдельно. Телефон делает меньше работы, сервер может сделать больше; нельзя, увидев слова «端侧AI», сразу считать, что потребность в облаке неизбежно сокращается.
Но этот прогресс пока нельзя напрямую конвертировать в прогноз по заказам на новые чипы. Нужно дальше смотреть на масштабы внедрения, реальный объём обучения и то, сколько ресурсов потребляет новая схема при каждом задании.
То же самое верно для нарратива вокруг AI, например RENDER, FET, NEAR: сначала проверьте, где фактически выполняется задача и кто может за неё взимать плату. Исследование Google не объявляло участие этих проектов, поэтому оно не может заменить заявки на получение токенов.
Потребность в вычислительных мощностях не исчезла — вероятно, изменилось лишь место, где возникает узкое место.
$RENDER $FET $NEAR
Нажмите на мой аватар, чтобы посмотреть сделку в реальном времени
