Google 脱Cookie加速

Googleが２２年までに、クロームでサードパーティークッキーを利用できなくなる一方、コホートの協調機械学習（フェデレーテッド・ラーニング・オブ・コートFLOC）の技術で代替。具体的にはブラウザーにAIを活用したソフトを組み込み、利用者の閲覧履歴を分析。この分析に基づいて好みや関心が似た数千人の利用者を「コホート（群）」としてくくり、広告主が配信先を選ぶのに使えるようにする。閲覧履歴を外部に持ち出すことを防ぎ、さらに数千人をくくって個人を特定できなくしてプライバシーに配慮する。

フェデレーテッド・ラーニング??　聞いたことがないな。

今回は、コピペして、後でゆっくり理解することにする。それにしても、どんどん、新しい手法が生まれてくるもんだ。以下のURLブログから、コピペした。コメントも何もない。よくわからない。そういうのが日経新聞レベルで、出てきたということ。日経は、協調といっているが、このブログは、フェデレーテッドなので連合と訳している。     https://acompany.tech/blog/federated-learning/

従来の機械学習は、個々のデータを１つの場所に集約し、そのデータを用いて学習を行います。学習が行われる前の大量のデータが１箇所に送信されるためデータの収集に時間がかかり、加えて学習の際の計算負荷も大きくなります。同時にデータのやり取りに多大な通信量がかかってしまうこともデメリットとして挙げられます。また、データがデータの持ち主のデバイスから外に出てしまうので、プライバシーの担保ができません。大量のデータを持ち主から離して扱うため、このような問題を抱えてしまうのです。

そこで、これらの問題を解決する手法として、連合学習が挙げられます。連合学習では個々のデバイスで機械学習を行い、改善点などの必要な要素のみ集計します。そのため、大量のデータを収集する必要がなく、データの計算負荷も一定であり、通信量も少なく済みます。さらに、データがデータの持ち主から離れることがないので、プライバシーも確保できます。この連合学習の特性によって、データの活用のハードルが下がると考えられます。

連合学習によるデータの活用
先ほど述べたように、連合学習はプライバシーを担保したままデータを活用できる手法です。一例を挙げると、GoogleはAndroidのGoogleキーボードには連合学習を使用しています。キーボードに入力している時に関連するキーワードを表示するシステムであり、候補から選んだキーワードを学習させ、必要な要素のみサーバに送信して新たなモデルを再度配布する、連合学習の手法が用いられています。

また、私たちの身近にあるスマートフォンはデータの宝庫ですが、多くの人がプライバシーの問題ゆえにスマートフォンのデータを利用されることは望まないでしょう。しかし、プライバシーが確保されるならば、学習後の共有モデルを活用することに拒否感を示す人は減ると考えられます。もし、多くの人が自らのスマートフォンで機械学習を行なった後のモデルを活用することに賛同すれば、いろんなデータを安心して得ることができ、様々な分野で活用される可能性が高まります。

スマートフォンなどのデバイスだけでなく、連合学習は医療分野においても活躍します。例えば、いくつかの病院が連携してある病気への処置を考えるとき、従来の機械学習を用いた方法では、全ての病院にいるその病気の罹患者の情報を集めて学習をしなければなりません。しかし連合学習を用いると、それぞれの病院から患者のデータが出ないのでプライバシーを確保したまま、病気への処置を算出することができます。

この他にも、金融、軍事、製薬などのプライバシー保護を必要とする様々な領域において連合学習は恩恵をもたらすことができると考えられています。