Dari rekomendasi yang dipersonalisasi hingga kemajuan ilmiah, model AI membantu meningkatkan kehidupan dan mentransformasi industri. Namun dampak dan keakuratan model AI ini sering kali ditentukan oleh kualitas data yang digunakan. Kumpulan data yang besar dan berkualitas tinggi sangat penting untuk mengembangkan model AI yang akurat dan representatif, namun data tersebut harus digunakan dengan cara yang menjaga privasi individu.
Di situlah JAX Dan JAX-Privasi masuk. Diperkenalkan pada tahun 2020, JAX adalah perpustakaan komputasi numerik berkinerja tinggi yang dirancang untuk pembelajaran mesin (ML) skala besar. Fitur intinya — termasuk diferensiasi otomatis, kompilasi tepat waktudan penskalaan yang mulus di berbagai akselerator — menjadikannya platform ideal untuk membangun dan melatih model kompleks secara efisien. JAX telah menjadi landasan bagi para peneliti dan insinyur yang mendorong batas-batas AI. Ekosistem di sekitarnya mencakup serangkaian perpustakaan khusus domain yang kuat, termasuk Lenanyang menyederhanakan implementasi arsitektur jaringan saraf, dan pajakyang mengimplementasikan pengoptimal canggih.
Dibangun di JAX, JAX-Privacy adalah perangkat yang tangguh untuk membangun dan mengaudit model privat yang berbeda. Hal ini memungkinkan peneliti dan pengembang untuk mengimplementasikan dengan cepat dan efisien privat yang berbeda (DP) algoritma untuk melatih model pembelajaran mendalam pada kumpulan data besar, dan menyediakan alat inti yang diperlukan untuk mengintegrasikan pelatihan pribadi ke dalam alur kerja pelatihan terdistribusi modern. Versi asli JAX-Privacy diperkenalkan pada tahun 2022 untuk memungkinkan peneliti eksternal mereproduksi dan memvalidasi beberapa data kami kemajuan dalam pelatihan swasta. Sejak itu, organisasi ini berkembang menjadi pusat tempat tim peneliti di Google mengintegrasikan wawasan penelitian baru mereka ke dalam pelatihan DP dan algoritme audit.
Hari ini, kami dengan bangga mengumumkan peluncurannya JAX-Privasi 1.0. Mengintegrasikan kemajuan penelitian terbaru kami dan dirancang ulang untuk modularitas, versi baru ini semakin memudahkan peneliti dan pengembang untuk membangun jalur pelatihan DP yang menggabungkan algoritme DP canggih dengan skalabilitas yang disediakan oleh JAX.
