Najważniejsze słowa 2024 roku: ekosystemy danych i sztuczna inteligencja
W momencie, w którym zaczynasz przechowywać dane, naturalnie tworzysz lukę w zabezpieczeniach – zarówno dla siebie, jak i dla swoich klientów. Musisz wykorzystać te dane, aby stworzyć wartość, ale jednocześnie stajesz się bardziej narażony na atak, ponieważ dane są dziś niezwykle cenne.
To tak, jakbyś nieustannie dosypywał złote monety do garnka – naturalne jest, że gdy będzie on już odpowiednio duży i wystarczająco napełniony, cyberprzestępcy zaczną być zainteresowani atakiem.
Ta sytuacja dotyczy też twoich klientów. Wykorzystujesz dane, które współtworzysz wraz z nimi do tego, aby szkolić sztuczną inteligencję, by dzięki niej lepiej im służyć.
Uczenie federacyjne
Gdzie zatem te dane będą przechowywane – u klientów czy w twojej firmie?
Naturalną drogą do równoważenia ryzyka i potencjału może być uczenie federacyjne (z ang. federated learning). Jest to koncepcja, w której właściciele danych posiadają zarówno informacje, jak i własne rozproszone repozytoria, a następnie algorytm, lub sztuczna inteligencja, niejako podróżuje do różnych baz danych.
W rezultacie ten wspomniany złoty garnek jest rozdrobniony, jeśli więc komuś uda się go obrabować – używając analogii – to będzie to tylko kilka monet, a nie cała zawartość garnka.
Jest to nie tylko sposób na znalezienie równowagi pomiędzy potencjałem i ryzykiem, ale także sposób na zaoferowanie nowej przestrzeni do konkurencji dla firm, ponieważ niektóre z nich mogą zacząć myśleć o kolektywnym szkoleniu sztucznej inteligencji.
Czytaj także: Prezesi firm chcą wykorzystywać GenAI, aby utrzymać przewagę konkurencyjną>>>
Algorytm trenowany w różnych miejscach
Weźmy na przykład bank i firmę telekomunikacyjną. Każda z tych instytucji posiada bardzo różne dane. Jeśli jednak zostałyby one połączone, mogą wspólnie wytrenować bardzo potężną sztuczną inteligencję, która pomoże im wygenerować pewną wartość.
Problem w tym, że firmy nie mogą udostępniać sobie nawzajem danych, ponieważ tak naprawdę one należą do ich klientów. Jak zatem można to zrobić? Z odpowiedzią przychodzi uczenie federacyjne.
Algorytm trafia do danych banku, jest tam trenowany, a następnie wędruje do danych firmy telekomunikacyjnej lub ubezpieczeniowej i jest tam ponownie trenowany lub dostrajany, a następnie jest gotowy do użycia. Dane nigdy nie opuściły repozytorium, ale mamy sztuczną inteligencję, która naprawdę działa.
Federacyjne uczenie się, ekosystemy danych – to coś, co będziemy obserwować coraz częściej w ciągu najbliższych kilku lat. Gdybym miał dziś obstawić najważniejsze słowa na rok 2024, byłyby to ekosystemy danych.
Pełna treść wywiadu jest dostępna w grudniowym Miesięczniku BANK
