İspanyol yapay zeka şirketi Sherpa.ai, veriye dokunmadan yapay zeka modelleri eğitmeyi sağlayan teknolojisine 18 milyon dolar yatırım aldı. Federe öğrenme adı verilen yöntemle, hassas verileri merkezi bir sunucuya göndermeden, modeli verilerin bulunduğu yere getirip yerel olarak eğitiyor. Banka, hastane ve hükümetler gibi veri gizliliğine duyarlı kurumlar şirketi tercih ediyor.

Federe Öğrenme: Verinin Yolculuk Etmesi

Geleneksel yapay zeka sistemleri, verilerin merkezi bir bulut sunucusunda toplanıp modeli eğitmesi nedeniyle gizlilik riskleri taşıyor. Sherpa.ai'nin yaklaşımında bunun tersine çalışır: model, verilerin bulunduğu her hastane, banka veya kurumun sistemine gidiyor. Her kurum modeli yerel olarak eğitip, sadece öğrendiği sonuçları (ham veriyi değil) paylaşıyor. Şirketin iddiasına göre bu yöntem, siteler arasında gönderilen veri miktarını yüzde 99'a kadar azaltabiliyor.

Yatırımcılar ve Müşteri Porföyü

Yatırım turunda Silicon Valley'nin siber güvenlik ve yapay zeka yatırımcısı Forgepoint Capital ile birlikte Mundi Ventures, Ekarpen, Allegra Holdings ve SETT yer aldı. Sherpa.ai'nin müşteri listesi İspanya'nın Indra şirketi, Caja Laboral ve Unicaja bankaları, Prosegur güvenlik grubu, Centogene genomiks firması ve Amerika Birleşik Devletleri'nin Ulusal Sağlık Enstitüleri'ni içeriyor. Gizlilik odaklı bir Avrupa şirketinin ABD federal kurumuna hizmet vermesi, teknolojinin kabulünü gösteren bir işaret olarak değerlendiriliyor.

Ne anlama geliyor?

Veri gizliliği ve egemenliği, özellikle Avrupa'da giderek sıkılaşan düzenlemelerle birlikte, yapay zeka uygulamalarında merkezi bir sorun haline geldi. Birçok kurum, yapay zekadan faydalanmak istiyor ama hassas bilgilerini uluslararası bulut hizmetlerine teslim etmek istemiyor. Federe öğrenme, bu çelişkiyi çözmek için tasarlanmış bir tekniktir: modeller merkezi bir yerde eğitilmediği için, yapay zekanın güçlü yetenekleri sağlanırken bilgiler yerel sistemlerde kalıyor.

Bu yaklaşım, özellikle hasta kayıtları, banka müşteri bilgileri, devlet verisi gibi yüksek düzeyde korunan bilgilerle çalışan sektörlerde uygulanabiliyor. Modeller her kuruluşta ayrı ayrı eğitilerek, ardından kendi aralarında bilgi paylaştığı için, hiçbir merkezi sunucu tüm hassas verileri görmüyor. Sonuçta, yapay zeka sistemleri daha güvenli ve uyumlu bir şekilde devreye alınabiliyor.

Gizliliğe odaklı bu yöntemler, özellikle hükümetler ve düzenleyici kurumlar tarafından veri egemenliğini korumaya çalışıldığında daha önem kazanıyor. İş ortakları arasında veri paylaşımını kısıtlayan veya yasaklayan yönetmelikler söz konusu olduğunda, yerel eğitim ve paylaşılan çıktılar, kuruluşların yapay zekadan faydalanmanın bir yolunu sunuyor.