谷歌发布带有构建隐私意识AI的工具的TensorFlow

Google LLC今天推出了TensorFlow的新版本，其流行的人工智能框架以及一对互补模块，旨在使算法能够更负责任地处理用户数据。

TensorFlow 2.0主要致力于提高可用性。该版本带来了基于Keras的简化的应用程序编程接口，Keras是一种开放源代码工具，旨在使AI开发框架更易于使用。它使工程师能够在一处访问以前分散在多个API中的功能，并提供了更多选项来自定义开发工作流程。

另一个重要的增强功能是增加了对所谓的“急切执行”的支持。TensorFlow 2.0能够比以前的版本更快地启动AI模型，这使工程师可以尝试不同的模型变化，并在测试运行之间延迟更短。考虑到机器学习开发的高度迭代性，这有可能节省大量时间。

尽管TensorFlow 2.0有了重大改进，但与该版本一同推出的两个附带工具却引起了业界的最大关注。它们旨在帮助开发人员直接在其AI软件中构建隐私控制，以更好地保护用户信息。

第一个模块TensorFlow Privacy使机器学习模型可以丢弃不应处理的潜在敏感数据。它通过自动过滤与算法通常摄取的信息不同的输入来实现。例如，基于AI的拼写检查工具通常会将字母作为输入，这意味着很容易识别和过滤诸如信用卡号之类的长数字序列。

Google工程师Carey Radebaugh和Ulfar Erlingsson在博客中详细介绍：“使用TensorFlow Privacy，不需要任何隐私或其基础数学方面的专业知识：使用标准TensorFlow机制的人员不必更改其模型架构，培训过程或流程，”发布。

Google的另一个新的隐私模块称为TensorFlow Federated。该软件针对越来越多的依靠AI支持核心功能的移动服务。

由于移动设备的处理能力有限，应用程序通常通过将用户数据发送到基于云的后端进行分析来处理机器学习的学习方面。TensorFlow Federated使应用程序可以直接在用户的手机上执行分析。然后，开发人员可以收集所得到的见解，并使用它们来改进其AI算法，而不必访问基础数据，从而为消费者增加了隐私。

“借助TFF [TensorFlow Federated]，我们可以表达我们选择的ML模型架构，然后在所有作者提供的数据上训练它，同时保持每个作者的数据分别和局部。”两位工程师Alex Ingerman和Krzys Ostrowski谁帮助开发该项目，在一个单独的写帖子。

与TensorFlow本身非常相似，新模块可在开源许可下使用。