矢島 大路さんが2022年電子情報通信学会総合大会で英語セッション奨励賞を受賞

【研究目的】
近年、機械学習は大量のデータから規則性を見つけ出したり、将来の結果を予測したりなど、様々な場面で利用されています。現在の機械学習は、データをサーバなどに一極集中して学習する場合が一般的であり、サーバへの集中的な負荷が問題となっています。これに対し、サーバで行われる処理を小型デバイスなどに分担する、Federated Learning のような分散機械学習が注目されています。しかし、機械学習には膨大な計算が必要とされるため、性能の低いデバイスを用いてFederated Learning を行うことは困難です。本研究では、機械学習モデルの圧縮技術である蒸留を用いた、デバイスの処理負荷およびシステム全体の通信量削減を目的としています。

 【研究内容】
本研究では、蒸留を用いて機械学習モデルを圧縮し、小型化されたモデルをサーバからデバイスに送信することで、デバイスの処理負荷およびシステム全体の通信量の削減を可能にしました。
 
【今後の展望】
Federated Learning は、ユーザが自分の保持するデータをサーバに送信する必要がないことから、プライバシー保護の利点があります。この提案手法を用いることで、性能の低いパソコン、またスマートフォンなどからも機械学習を行うことが可能となり、情報化社会のさらなる発展につながると考えています。