سايت تبليغات علفو پلاس

جمع آوري داده هاي كافي بدون سوگيري توزيع براي بهبود عملكرد تحليل هوش مصنوعي (AI) ضروري است. فناوري هوش مصنوعي براي جمع‌آوري داده‌هاي پراكنده در چندين مؤسسه و انجام ايمن تجزيه و تحليل يكپارچه و در عين حال محرمانه نگه داشتن اطلاعات خاص، مانند اطلاعات شخصي و دانش، مورد نياز است. به طور خاص، اعتقاد بر اين است كه اگر اطلاعات شخصي در داده‌هاي به اشتراك‌گذاشته‌شده دخيل و قابل شناسايي باشد، استفاده از داده‌ها محدود مي‌شود.

يك تيم تحقيقاتي يك فناوري هوش مصنوعي ايمن به نام «تحليل همكاري داده‌هاي غيرقابل شناسايي» را توسعه داده‌اند كه تنها داده‌هاي انتزاعي را به اشتراك مي‌گذارد كه به آساني با داده‌هاي اصلي قابل شناسايي نيستند و امكان تجزيه و تحليل يكپارچه اطلاعات شخصي كه توسط چندين طرف، مانند شركت‌ها، نگهداري مي‌شود . دولت هاي محلي ، بيمارستان ها و ساير سازمان ها. مقاله آنها در مجله Information Fusion منتشر شده است .

اين تيم چارچوبي را براي تعاريف رياضي داده هاي به راحتي قابل شناسايي معرفي كرده است. پس از آن، تيم يك الگوريتم تجزيه و تحليل يكپارچه را پيشنهاد كرده است كه تنها داده هاي انتزاعي را كه نمي توان به راحتي با داده هاي اصلي شناسايي كرد، به اشتراك مي گذارد. اين امكان استفاده از داده هاي بيشتري را در تجزيه و تحليل مربوط به اطلاعات شخصي فراهم مي كند، كه به نوبه خود، انتظار مي رود به طور قابل توجهي دقت تجزيه و تحليل هوش مصنوعي را بهبود بخشد.

كاربردهاي خاص شامل پيش بيني بيماري از طريق تخمين عوامل خطر از طريق تجزيه و تحليل يكپارچه داده هاي آزمايش و دارو از چندين مؤسسه پزشكي و افزايش اثربخشي آموزشي از طريق تجزيه و تحليل يكپارچه داده هاي دانش آموزان از چندين مؤسسه آموزشي است . پيش بيني مي شود كه اين فناوري توسعه يك پلتفرم جديد را تسهيل كند كه اطلاعات شخصي با كيفيت بالا را از موسسات مختلف جمع آوري مي كند و در عين حال از داده هاي اصلي محافظت مي كند و از هوش مصنوعي براي تجزيه و تحليل جامع داده ها استفاده مي كند.