Föderiertes Lernen
Ein dezentraler Ansatz für maschinelles Lernen, bei dem Modelle auf mehreren Geräten oder Servern trainiert werden, die lokale Daten halten, ohne dass Rohdaten zentral geteilt werden müssen.
Ein datenschutzwahrendes Paradigma, das Modellaktualisierungen (Gradienten) – nicht Rohdaten – zwischen Clients (z. B. Smartphones) und einem zentralen Server überträgt und diese Aktualisierungen zu einem globalen Modell aggregiert. Es reduziert Datenübertragungskosten und wahrt die lokale Datensouveränität. Die Governance muss die Aggregation der Aktualisierungen absichern (um Poisoning zu verhindern), die Modellversionierung steuern und sicherstellen, dass der Beitrag jedes Clients angemessen gewichtet wird, um Verzerrungen durch unterrepräsentierte Knoten zu vermeiden.
Eine KI zur Tastaturvorhersage lernt mittels föderierten Lernens aus den Tippmustern der Nutzer auf ihren Smartphones: Jedes Gerät trainiert lokal auf Basis aktueller Texte, sendet verschlüsselte Gradienten-Updates, und der zentrale Server aggregiert diese. Keine persönlichen Texte verlassen das Gerät, wodurch die Privatsphäre der Nutzer gewahrt wird, während das globale Sprachmodell verbessert wird.
Wir helfen Ihnen, Antworten zu finden
Welches Problem löst Enzai?
Enzai bietet eine Infrastruktur auf Unternehmensniveau, um KI-Risiken und Compliance zu verwalten. Es schafft ein zentrales Aufzeichnungssystem, in dem KI-Systeme, Modelle, Datensätze und Governance-Entscheidungen dokumentiert, bewertet und prüfbar sind.
Für wen ist Enzai entwickelt?
Wie unterscheidet sich Enzai von anderen Governance-Tools?
Können wir beginnen, wenn wir keinen vorhandenen AI-Governance-Prozess haben?
Verlangsamt die KI-Governance die Innovation?
Wie bleibt Enzai im Einklang mit den sich entwickelnden KI-Vorschriften?
Forschung, Einblicke und Neuigkeiten
Ermöglichen Sie Ihrer Organisation die Einführung, Steuerung und Überwachung von KI mit unternehmensgerechtem Vertrauen. Entwickelt für regulierte Organisationen, die im großen Maßstab operieren.