Google lanceert TensorFlow 2.0 met tools voor ontwikkeling privacy-bewuste AI

Google heeft een nieuwe iteratie van TensorFlow gelanceerd, het populaire framework voor kunstmatige intelligentie (AI). Ook publiceerde het bedrijf een stel aanvullende modules die gericht zijn op het voor algoritmes mogelijk maken om gebruikersdata verantwoordelijker te verwerken. 

TensorFlow 2.0 richt zich met name op het verbeteren van de bruikbaarheid, meldt Silicon Angle. De nieuwe versie komt met een gestroomlijnde application programming interface gebaseerd op Keras, een open source-tool ontworpen om AI-ontwikkelings-frameworks eenvoudiger in gebruik te maken. Het stelt engineers in staat om op één plek toegang te krijgen tot functies die eerder verspreid werden over meerdere API’s, en het biedt meer opties voor het aanpassen van de development workflow.

Een andere belangrijke verbetering is de toevoeging van zogenaamde eager execution. TensorFlow 2.0 activeert AI-modellen een stuk sneller dan eerdere versies, waardoor engineers verschillende model-variaties uit kunnen proberen met minder vertraging tussen de testen in.

Privacy

De meeste aandacht in de industrie gaat echter naar de bijbehorende tools die Google heeft uitgerold. Die tools zijn bedoeld om ontwikkelaars te helpen bij het inbouwen van privacy-controls in hun AI-software, zodat gebruikersinformatie beter beschermd wordt.

De eerste module, TensorFlow Privacy, laat machine learning-modellen potentieel gevoelige data die ze niet moeten verwerken verwijderen. Dat bereikt het door automatisch input te filteren die anders is dan de informatie die het algoritme normaal gesproken krijgt. Een AI-gebaseerde spellingscontrole zou bijvoorbeeld vooral letters als input krijgen, wat betekent dat lange reeksen met nummers – bijvoorbeeld creditcardnummers – eenvoudig geïdentificeerd en gefilterd kunnen worden.

De tweede module is TensorFlow Federated. Deze software is gericht op het groeiende aantal mobiele diensten die afhankelijk zijn van AI om kernfuncties te ondersteunen. Omdat mobiele apparaten een gelimiteerde verwerkingskracht hebben, handelen apps het leeraspect van machine learning meestal af door gebruikersdata door te sturen naar een cloud-gebaseerde backend voor analyses.

TensorFlow Federated laat apps de analyse direct op het apparaat van de gebruiker uitvoeren. De resulterende inzichten kunnen verzameld worden door ontwikkelaars en gebruikt worden om de AI-algoritmes te verbeteren, zonder toegang te krijgen tot de onderliggende data. Daarmee wordt de privacy van gebruikers verbeterd.

De nieuwe modules zijn net als TensorFlow zelf beschikbaar onder een open source-licentie.