為了解決這個問題，人工智能研究人員一直在尋找新的機(jī)器學(xué)習(xí)模型培訓(xùn)技術(shù)，能夠同時保持?jǐn)?shù)據(jù)的機(jī)密性。麻省理工學(xué)院最新創(chuàng)造了一種被稱為分裂神經(jīng)網(wǎng)絡(luò)的方法：它允許一個人開始訓(xùn)練深度學(xué)習(xí)模型，而由另一個人完成訓(xùn)練。

這種方法的思路是讓醫(yī)院和其他醫(yī)療機(jī)構(gòu)能夠用患者的數(shù)據(jù)在本地培訓(xùn)他們的模型，然后將培訓(xùn)了一半的模型發(fā)送到一個集中的位置，在那里，所有的模型將一起完成最后階段的訓(xùn)練。這個集中的位置，無論是在谷歌還是其他公司的云端，都不會看到原始的患者數(shù)據(jù);他們只能看到培訓(xùn)了一半的模型。

麻省理工學(xué)院媒體實驗室的副教授，該論文的合著者——Ramesh Raskar將這一過程比作數(shù)據(jù)加密。他表示：“只是因為進(jìn)行了加密才能讓我能夠很放心地將信用卡數(shù)據(jù)發(fā)送給另一個實體。”通過神經(jīng)網(wǎng)絡(luò)的前幾個階段對醫(yī)學(xué)數(shù)據(jù)進(jìn)行模糊處理就是以相同的方式保護(hù)數(shù)據(jù)。

在對這種方法和其他一些也旨在保護(hù)患者數(shù)據(jù)安全的方法進(jìn)行對比測試時，研究小組發(fā)現(xiàn)，分裂神經(jīng)網(wǎng)絡(luò)需要的計算資源要少得多，而且能夠生成更高精度的模型。