مقدمة:
مكتبة Open Federated Learning ، المعروفة اختصارًا باسم OpenFL ، مكتبة بايثون للتعلم الاتحادي تتيح للمؤسسات تدريب نموذج بصورة تعاونية دون مشاركة المعلومات الحساسة.
نعرض في هذا المقال خصائصها الأساسية، ولماذا تعد خيارًا قويًا لعلماء البيانات الراغبين في الاستفادة من الحوسبة الموزعة، وكيفية المشاركة في المشروع.
طورت Intel المشروع واستضافته، وقبله المجلس الاستشاري التقني لـ LF AI & Data ، التابع لمؤسسة Linux ، مشروعًا في مرحلة الاحتضان في مارس 2023.
كيف يعمل التعلم الاتحادي:
التعلم الاتحادي طريقة تعلم آلي تتيح التعاون عبر مواقع أو أجهزة مختلفة مع إبقاء البيانات آمنة وخاصة. ويمكن تدريب النماذج على جهاز المستخدم دون إرسال بياناته إلى خادم مركزي.
توفر OpenFL وسيلة فعالة لتنفيذ نماذج التعلم الاتحادي؛ فهي تدعم الحوسبة الموزعة بزمن استجابة منخفض، ومهيأة للأجهزة محدودة الموارد. ويعرضها الكاتب وسيلة لبناء نماذج تحافظ على الأمن والخصوصية مع الاستفادة من الحوسبة الموزعة.
ولمثال واقعي، يحيل الكاتب إلى دراسة حالة تعاونت فيها Intel Labs مع 71 مؤسسة صحية وبحثية دولية لتدريب نماذج تتعرف إلى أورام الدماغ. وينسب إلى المشروع تحسن الكشف بنسبة 33%. كما يحيل إلى فيديو يوضح التعاون مع Frontier Development Lab أو FDL ، وهي شراكة بين القطاعين العام والخاص تضم NASA ومعهد SETI و Trillium Technologies.
الحوسبة الطرفية اللامركزية:
تسمح البنية الطرفية اللامركزية بالتعاون بين مواقع أو أجهزة مختلفة مع الحفاظ على خصوصية البيانات وأمنها؛ فتبقى البيانات على جهاز المستخدم بدل إرسالها إلى خادم مركزي. وتوفر OpenFL طريقة فعالة لتنفيذ هذه الحلول، بدعم الحساب الموزع بزمن تأخر منخفض والعمل على الأجهزة المحدودة الموارد.
مكونات OpenFL:
المدير Director هو المكون المركزي، وينسق عملية التعلم الاتحادي بإدارة الاتصال بين المشاركين، وتجميع تحديثات النموذج، وتقييم أدائه.
ويعمل المبعوث Envoy ، وهو مكون خفيف، على جهاز كل مشارك؛ فيجمع البيانات المحلية ويتصل بالمدير ويرسل تحديثات النموذج.
أما واجهة Frontend API فتوفر مكتبة بايثون ذات واجهة سهلة، تبسط إعداد تجارب التعلم الاتحادي وإدارتها، وتخفف حاجة المستخدم إلى التعامل مع التفاصيل الدقيقة للبروتوكول.
وتتيح الإضافات Plugins توسيع الوظائف ومرونتها؛ مثل دعم أطر تعلم عميق جديدة أو إدماج آليات أمن إضافية.
وتضم الأدوات المساعدة وسائل أخرى، منها أداة لتقسيم مجموعات البيانات وأداة لتتبع الأخطاء مخصصة لتجارب التعلم الاتحادي.
هذه بعض المكونات الأساسية فقط؛ وللتفصيل يرجع القارئ إلى توثيق OpenFL المرتبط في إحالات الأصل.
ماذا تقدم لك OpenFL:
هي إطار مرن وقابل للتوسيع ومفتوح المصدر لتدريب نماذج التعلم الآلي دون مشاركة البيانات الحساسة، ويتوافق مع أطر منها TensorFlow و PyTorch و scikit-learn.
ويعدد الكاتب فوائدها: تدريب النماذج على بيانات حساسة دون نقلها، بما في ذلك البيانات الطبية أو المالية الخاضعة لقواعد خصوصية؛ وتحسين دقة النماذج بالاستفادة من تنوع البيانات لدى المؤسسات؛ والتدريب على نطاق أكبر من الطرق التقليدية بما قد ينتج نماذج أدق وأكثر متانة؛ وتقليل التكلفة بإلغاء الحاجة إلى نقل البيانات إلى موضع مركزي.
ملاحظة تحريرية: هذه فوائد يعرضها الكاتب في سياق 2023 ، ولا يعني بقاء البيانات محليًا ضمان الخصوصية تلقائيًا في كل إعداد؛ فتظل آليات الحماية وطريقة التنفيذ مؤثرتين. كما أن نسبة التحسن المذكورة تخص المثال المحال إليه، ولا تمثل نتيجة عامة لكل استعمال.
المشاركة في المشروع:
للتوسع، يوصي الكاتب بزيارة مستودع GitHub الخاص بـ OpenFL ، ومحاولة معالجة بعض المشكلات، خاصة الموسومة good first issue لمن يملك الخبرة؛ وتجريب الدروس التعليمية؛ وقراءة المقال المرتبط الذي يشرح تدريب نموذج؛ واستخدام التوثيق الإلكتروني لإطلاق أول اتحاد تعلم؛ وحضور اللقاءات المجتمعية الافتراضية، التي يتضمن تقويمها مناطق زمنية متعددة؛ ومشاهدة العرض التجريبي المرتبط.
المراجع:
https://lfaidata.foundation/blog/2023/03/09/intels-transition-of-openfl-primes-growth-of-confidential-ai
https://www.intel.com/content/www/us/en/newsroom/news/intel-penn-medicine-federated-learning-brain-tumor-detection.html#gs.qrs8uz
https://www.intel.com/content/www/us/en/research/overview.html
https://frontierdevelopmentlab.org
https://openfl.readthedocs.io/en/latest/source/openfl/components.html
https://www.tensorflow.org/
https://pytorch.org
https://scikit-learn.org/stable/index.html
https://github.com/securefederatedai/openfl
https://github.com/securefederatedai/openfl/issues
https://github.com/intel/openfl/tree/develop/openfl-tutorials
https://towardsdatascience.com/go-federated-with-openfl-8bc145a5ead1
https://openfl.readthedocs.io/en/latest/index.html
https://wiki.lfaidata.foundation/pages/viewpage.action?pageId=70648254
https://youtu.be/gNPmEca_BlA?t=1321
https://unsplash.com/@iuliok?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText
https://unsplash.com/photos/adYrxx9oZQg?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText
https://opensource.net/author/ezequiel-lanza/