في مجال الذكاء الاصطناعي ، أصبحت تقنية الضبط المتقاطع في مجال النطاق حلاً رئيسيًا لحماية حقوق الملكية النموذجية وخصوصية البيانات. في الآونة الأخيرة ، اقترح فريق أبحاث مشترك من ANT Digital Technology ، وجامعة Zhejiang ، وجامعة ليفربول ، وجامعة شرق الصين العادية ، إطارًا مبتكرًا يسمى Scaleot في مؤتمر AAAI2025. مع الحفاظ على الأداء النموذجي بدون فقدان ، يحسن هذا الإطار حماية الخصوصية بنسبة 50 ٪ ، ويقلل من استهلاك طاقة الحوسبة بنسبة 90 ٪ مقارنة بتكنولوجيا تقطير المعرفة التقليدية. توفر هذه النتيجة الاختراق حلاً فعالًا وخفيف الوزن للضغط المتقاطع بين النموذج المعلمة على مستوى 10 مليارات. تم اختيار ورقتها كتقرير شفهي لـ AAAI لابتكارها. كان عدد الطلبات في هذا المؤتمر قربًا ما يقرب من 13000 ، وكانت نسبة التقارير الشفوية 4.6 ٪ فقط.
تعمل تقنية الضبط الدقيقة عبر المجال على تحويل النموذج الكبير إلى محاكي من خلال ضغط ضياع. يقوم حامل البيانات بتدريب المحول بناءً عليه ويعيده إلى النموذج الكبير لإكمال الضبط ، وبالتالي ضمان عدم وجود البيانات أو النموذج خارج المجال وحماية خصوصية كلا الطرفين. ومع ذلك ، فإن الفن السابق له بعض القيود: أولاً ، يمكن أن يؤدي نهج "لبنة البناء الموحدة" بسهولة إلى فقدان الطبقات الرئيسية للنموذج ، وبالتالي تقليل الأداء بشكل كبير ؛ ثانياً ، سيؤدي استخدام تقنية التقطير للتعويض عن خسائر الأداء إلى ارتفاع تكاليف حسابية ؛ بالإضافة إلى ذلك ، تفتقر الأساليب الحالية إلى المرونة في حماية الخصوصية.
يعمل إطار ScaleOT الذي اقترحه فريق ANT Digital Technology Technic على توازن الأداء النموذجي وأمن الخصوصية من خلال ثلاث أفكار مبتكرة. أولاً ، يستخدم Framework مسح التعلم التعزيز لتحديد الطبقات الرئيسية تلقائيًا عن طريق تقييم أهمية الطبقة الذكية للنموذج الكبير ، وبالتالي تقليل خسائر الأداء. ثانياً ، يتم "ترميز" الطبقة الأصلية المحتجزة لمنع المهاجمين من استعادة النموذج الأصلي وتحسين قوة حماية الخصوصية مع الأداء غير المفقود تقريبًا. أخيرًا ، يمكن تجميع إطار عمل Scaleot بمرونة وفقًا لسيناريوهات مختلفة لتحقيق قوة خصوصية قابلة للتعديل.
يعد حل قضايا الخصوصية والأمان للبيانات والنماذج مشكلة مهمة للنماذج الكبيرة التي يجب تنفيذها في الصناعة ، وخاصة الصناعة المالية. تم دمج هذه الخوارزمية المبتكرة لـ ANT Digital في منتج حماية خصوصية MOSS Big Model ، وأصبحت واحدة من أوائل المنتجات في الصين التي تمرير معهد تكنولوجيا المعلومات والاتصالات لإجراء اختبارات خاصة على المنتجات البيئية الجديرة بالثقة. لا يوفر التطبيق الناجح لهذه التكنولوجيا حلًا أكثر أمانًا للنشر للنماذج للصناعة المالية ، ولكنه يضع أيضًا معيارًا لتطبيقات النماذج واسعة النطاق في الصناعات الأخرى.
مع التطوير المستمر لتكنولوجيا الذكاء الاصطناعي ، ستلعب تقنية الضبط الشائكة عبر المجالات دورًا مهمًا في المزيد من المجالات. لا يوفر اقتراح ScaleOT Framework أفكارًا جديدة للتوازن بين أداء النموذج وأمن الخصوصية ، ولكن أيضًا يضع أساسًا متينًا للتطبيق الواسع النطاق للنماذج الكبيرة في المستقبل. إن هذا الإنجاز المبتكر للتكنولوجيا الرقمية لشركة ANT وشركائها سيعزز بلا شك المزيد من التطوير لتكنولوجيا الذكاء الاصطناعي في مجال حماية الخصوصية.