ตามมาติดๆหลังการประกาศเปิดตัว TensorFlow 2.0 Alpha ที่ทางกูเกิลได้ประกาศเปิดตัว TensorFlow Privacy – Library สำหรับการพัฒนาโมเดล Machine Learning ที่ช่วยการันตีความเป็นส่วนตัวของข้อมูลให้นักพัฒนาที่ยังไม่เชี่ยวชาญด้านนี้มากนักนำไปใช้งานกันได้โดยสะดวก
TensorFlow Privacy นี้จะช่วยให้นักพัฒนาสามารถเทรนโมเดล Machine Learning ที่มีการใช้ข้อมูลที่ละเอียดอ่อนต้องการความเป็นส่วนตัวสูงได้อย่างสบายใจหายห่วง โดยเจ้าไลบรารี่นี้ประกอบไปด้วยเทคนิคที่ถูกคัดเลือกมาแล้วว่าความเป็นส่วนตัวของข้อมูลจะถูกรักษาอย่างดีเยี่ยมในขั้นตอนการเทรนโมเดล
TensorFlow Privacy ใช้เทคนิคที่มีพื้นฐานมาจากหลักการที่เรียกว่า Differential Privacy ซึ่งเป็นเทคนิคทางสถิติที่จะทำการเพิ่มความแม่นยำของ Queries โดยลดผลกระทบต่อความเป็นส่วนตัวของเจ้าของข้อมูล เทคนิคนี้จะเข้ามาช่วยให้โมเดลที่กำลังสร้างนั้นเรียนรู้จากแพทเทิร์นแบบกว้างๆแทนที่จะเป็นข้อมูลเฉพาะเจาะจงของข้อมูล นอกจากนี้ เทคนิคนี้จะช่วยการันตีว่าโมเดลจะไม่จดจำหรือเรียนรู้รายละเอียดของผู้ใช้ใดๆด้วย
ทุกวันนี้ Machine Learning ถูกนำไปใช้ในงานที่หลากหลายมากขึ้นเรื่อยๆ และบ่อยครั้งข้อมูลที่ใช้ในการสร้างโมเดลเหล่านี้ก็เป็นข้อมูลที่ละเอียดอ่อน เช่น ข้อมูลอีเมล์ส่วนตัว ข้อมูลพฤติกรรมการใช้งาน หรือข้อมูลส่วนตัวอื่นๆ ความเป็นส่วนตัวในระบบ AI จึงเป็นประเด็นที่สาธารณะให้ความสนใจ และนักพัฒนาควรให้ความสำคัญมากขึ้น
TensorFlow Privacy นั้นเปิดให้ใช้แล้ววันนี้ในรูปแบบ Opensource โดยนักพัฒนาไม่ต้องมีความเชี่ยวชาญด้านความเป็นส่วนตัวหรือหลักการทางคณิตศาสตร์ที่อยู่เบื้องหลังเทคนิคนี้มาก่อน ไลบรารี่นี้จะไม่เปลี่ยนโครงสร้าง วิธีการเทรน หรือขั้นตอนต่างๆของโมเดล นักพัฒนาเพียงต้องปรับโค้ดเล็กน้อยและะปรับ Hyperparameters ซึ่งมีส่วนเกี่ยวข้องกับความเป็นส่วนตัวเท่านั้น
สำหรับผู้ที่สนใจ สามารถเข้าไปศึกษาเพิ่มเติมและเริ่มใช้งาน TensorFlow Privacy ได้ที่ https://github.com/tensorflow/privacy