谷歌發布TensorFlow 2.0 新增工具可構建有隱私意識AI

谷歌今天推出了其備受歡迎的人工智慧框架——TensorFlow的一個新迭代，以及一對旨在讓演算法能夠更負責任地處理用戶數據的互補模塊。

TensorFlow 2.0重點提高了可使用性。這次發布的版本帶來了基於Keras的簡化應用編程介面。Keras是一種開源工具，旨在使人工智慧開發框架更易於使用，它讓工程師能夠在一個位置訪問以前分布在多個API中的功能，並提供更多自定義開發工作流程的選項。

TensorFlow 2.0的另一個關鍵升級是增加了Eager Execution的支持。TensorFlow 2.0比之前的版本可以更快地啟動AI模型，通過更短的測試運行延遲，讓工程師們可以嘗試不同的模型變數。考慮到機器學習開發的高度迭代性，這有可能節省下大量的時間。

儘管TensorFlow 2.0這次有了顯著的改進，但這次發布最引人關注的是谷歌推出的另外兩款互補模塊，這兩個模塊旨在幫助開發人員直接在AI軟體中構建隱私控制，以更好地保護用戶信息。

第一個模塊是TensorFlow Privacy，它讓機器學習模型能夠丟棄不應該處理的潛在敏感數據，這是通過自動過濾與演算法通常攝取的信息不同的輸入來實現的。例如，基於AI的拼寫檢查工具主要將字母作為輸入，這意味著可以輕鬆識別和過濾諸如信用卡號之類的長數字序列。

「我們並不要求具備隱私或基礎數學方面的專業知識才能使用TensorFlow Privacy：那些使用標準TensorFlow的開發者不需要改變他們的模型架構、培訓程序或流程，」谷歌工程師Carey Radebaugh和Ulfar Erlingsson在博客中這樣表示。

另一個新的隱私模塊名為TensorFlow Federated，它主要針對越來越多依賴於AI支持核心功能的移動服務。

由於移動設備的處理能力有限，應用通常通過將用戶數據發送到基於雲的後端進行分析，來處理機器學習的學習方面。TensorFlow Federated讓應用可以直接在用戶手機上執行分析。然後，開發人員可以收集所得到的見解，並利用這些見解改進AI演算法，而無需訪問基礎數據，從而保護了消費者的隱私。

「通過TFF [TensorFlow Federated]，我們可以表達我們所選擇的機器學習模型架構，然後在所有作者提供的數據之間進行訓練，並保持每個作者的數據分離和本地化，」谷歌參與這個項目開發的兩位工程師Alex Ingerman和Krzys Ostrowski在博客文章中這樣寫道。

與TensorFlow本身非常相似，這兩個新模塊將以開源許可的形式提供給用戶。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！