De Japanse telecomgigant NTT gaat gedistribueerde machine learning op meerdere edge-servers uitvoeren. Een groep gedistribueerde servers die onafhankelijk van elkaar data verwerken, delen daarbij wat ze hebben 'geleerd' en maken één model. Deze werkwijze lijkt op een blockchain of een neuraal netwerk.
NTT, tegenwoordig ook actief als ict-dienstverlener, heeft machine learning (ml)-applicaties ontwikkeld die anders werken dan tot nog toe gebruikelijk. Normaal gesproken worden de data op een centrale plaats op een hoop gegooid, zo meldt Telecoms.com. Vervolgens wordt daar een model getraind. NTT bedacht echter een methode waarbij een applicatie op een bepaalde server met een verzameling gegevens wordt getraind, terwijl een applicatie op een andere server met een andere set gegevens ‘oefent’. Beide komen tot één gemeenschappelijk conclusie over de manier waarop die data moeten worden geïnterpreteerd.
Interessant voor telecombedrijven
NTT wijst erop dat het algoritme a-synchroon werkt. Dit betekent dat het voor de werking ervan niet nodig is dat alle servers de ml-module tegelijk draaien dan wel continu met elkaar in contact staan. Dit kan interessant zijn voor telecombedrijven die zich bewegen op gebied van het internet of things (iot). edge computing. Volgens NTT kan het lastig zijn grote hoeveelheden data in de cloud op een hoop te gooien als alles is verbonden met netwerken. Bovendien vraagt de markt vanwege privacy-problemen naar opslag van data op locale servers of apparatuur. Wettelijke regels zoals de GDPR versterken die behoefte.
Het uitrollen van modules voor ml aan de rand (edge) van het netwerk heeft ook het voordeel van een kortere responstijd (latency). De verwerking van gegevens vindt immers dichter bij de eindgebruiker plaats. NTT moet nog meer research doen naar wat ze noemt ‘edge-consensus learning’ alvorens deze nieuwe technologie commercieel beschikbaar is te stellen.
