Die Firma FedZero hat es sich zur Aufgabe gemacht, energieeffiziente KI-Modelle zu entwickeln. In Kooperation mit den Forschern des BIFOLD-Instituts stellen sie das innovative verteilte Lernsystem FedZero vor, das ausschlie\u00dflich mit erneuerbarer Energie betrieben werden kann. Dieses System bietet eine L\u00f6sung f\u00fcr den Einsatz sensibler Gesundheitsdaten in der Medizin, ohne dass die Daten zwischen den Partnern ausgetauscht werden m\u00fcssen.<\/p>\n
Federated Learning erm\u00f6glicht es verschiedenen Parteien, gemeinsam ein Vorhersage-Modell zu trainieren, ohne ihre Daten preiszugeben. Das ist besonders in Bereichen wie der Medizin wichtig, wo der Datenschutz eine gro\u00dfe Rolle spielt. Die Modelle werden dezentral bei den einzelnen Partnern trainiert, ohne dass eine \u00dcbertragung der Daten zwischen den Institutionen stattfindet. Dadurch wird die Sicherheit der Daten gew\u00e4hrleistet.<\/p>\n
Allerdings geht das federale Lernen auch mit einem hohen Energieverbrauch einher. Um diesem Problem entgegenzuwirken, hat FedZero eine Struktur entwickelt, die sicherstellt, dass die Trainingsprozesse fair verteilt und nur dann durchgef\u00fchrt werden, wenn ausreichend erneuerbare Energie zur Verf\u00fcgung steht. Der Energieverbrauch wird entsprechend der verf\u00fcgbaren \u00fcbersch\u00fcssigen erneuerbaren Energie optimiert. Im Gegensatz zu den meisten zentralisierten Anwendungen des maschinellen Lernens, bei denen alle Trainingsdaten in einem einzigen Rechenzentrum gespeichert sind, k\u00f6nnen die KI-Modelle von FedZero in r\u00e4umlich getrennten Rechenzentren verteilt werden.<\/p>\n
Prof. Dr. Odej Kao, Lehrstuhlinhaber f\u00fcr Verteilte Systeme und Betriebssysteme an der TU Berlin und BIFOLD Fellow, erkl\u00e4rt: „Ein Beispiel hierf\u00fcr sind Gesundheitseinrichtungen, die aus Datenschutzgr\u00fcnden keine sensiblen Patientendaten teilen k\u00f6nnen, aber dennoch gemeinsam Vorhersagemodelle f\u00fcr Diagnosen und Behandlungsempfehlungen entwickeln m\u00f6chten.“<\/p>\n
Die Forscher des Huawei Munich Research Center haben untersucht, ob maschinelles Lernen ohne CO2-Emissionen m\u00f6glich ist. Dabei haben sie gezeigt, wie das Konzept des f\u00f6deralen Lernens genutzt werden kann, um ausschlie\u00dflich mit gr\u00fcner Energie zu arbeiten und somit keine zus\u00e4tzlichen CO2-Emissionen zu verursachen. Das neue System FedZero setzt dieses Konzept um, indem es die \u00fcbersch\u00fcssige erneuerbare Energie mit ungenutzten Rechenressourcen verbindet. Dadurch kann der CO2-Aussto\u00df des Trainings auf null reduziert werden.<\/p>\n
Allerdings bringen Projekte, die sich auf die Nutzung von \u00fcbersch\u00fcssiger erneuerbarer Energie konzentrieren, neue Herausforderungen mit sich. Insbesondere das Problem der Fairness stellt sich beim Federated Learning. Partner mit begrenztem Zugang zu \u00fcbersch\u00fcssiger gr\u00fcner Energie k\u00f6nnten im endg\u00fcltigen Modell unterrepr\u00e4sentiert sein, da ihnen auch weniger Trainingszeit zur Verf\u00fcgung steht. Um diesem Problem entgegenzuwirken, passt FedZero das Trainings-Tempo dynamisch an die aktuellen Bedingungen an.<\/p>\n
Die Ergebnisse dieser Forschung werden am 5. Juni 2024 auf der 15. ACM International Conference on Future and Sustainable Energy Systems (e-Energy 24) in Singapur vorgestellt. Weitere Ver\u00f6ffentlichungen zu diesem Thema sind geplant.<\/p>\n
FedZero bietet eine vielversprechende M\u00f6glichkeit, KI-Modelle energieeffizient zu entwickeln und gleichzeitig die Sicherheit sensibler Daten zu gew\u00e4hrleisten. Durch den Einsatz von erneuerbarer Energie und das dezentrale Training der Modelle kann der CO2-Aussto\u00df des maschinellen Lernens erheblich reduziert werden. Die Entwicklung in diesem Bereich ist ein wichtiger Schritt in Richtung einer nachhaltigen und umweltfreundlichen Nutzung von KI-Technologien.<\/p>\n
Schlagw\u00f6rter: FedZero + Odej Kao + Lauritz Thamsen<\/p>\n","protected":false},"excerpt":{"rendered":"
Die Firma FedZero hat es sich zur Aufgabe gemacht, energieeffiziente KI-Modelle zu entwickeln. In Kooperation mit den Forschern des BIFOLD-Instituts stellen sie das innovative verteilte Lernsystem FedZero vor, das ausschlie\u00dflich mit erneuerbarer Energie betrieben werden kann. Dieses System bietet eine L\u00f6sung f\u00fcr den Einsatz sensibler Gesundheitsdaten in der Medizin, ohne...<\/p>\n","protected":false},"author":4,"featured_media":5692,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-5693","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/5693","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=5693"}],"version-history":[{"count":0,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/5693\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/media\/5692"}],"wp:attachment":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=5693"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=5693"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=5693"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}