От градиентов к управлению: как сделать PyTorch способным учитывать происхождение данных — Катери...
От градиентов к управлению: обеспечение учета происхождения данных в PyTorch — Катерина Ромашко и Клодаг Уолш, Red Hat PyTorch был создан для отслеживания процесса обучения моделей, а не для определения необходимости такого обучения. Поскольку системы ИИ все чаще работают с регулируемыми, ограниченными юрисдикциями и суверенными данными, отслеживание происхождения данных и политики больше не могут существовать вне среды выполнения. В этом докладе рассматривается суверенитет данных как первостепенное ограничение и утверждается, что отслеживание происхождения данных является недостающим примитивом в современных фреймворках машинного обучения. Основываясь на динамических графах и системе автоградов PyTorch, мы описываем, как тензоры могут передавать метаданные о происхождении, согласии и политике на этапах обучения и вывода. Цель состоит не в инструментах обеспечения соответствия требованиям, а в создании PyTorch, учитывающего происхождение данных, который позволит создавать надежный, проверяемый и развертываемый ИИ в периферийных, федеративных и европейских экосистемах ИИ.
Название:
От градиентов к управлению: как сделать PyTorch способным учитывать происхождение данных — Катери...
Категория:
Разное