I 97. episode af EDB 5.0 taler vi med Morten Fisker fra Resolve om decentral og federated learning. Vi diskuterer hvad begreberne betyder, før vi dykker ned i, hvordan decentrale miljøer kan give adgang til mere data og bedre indblik i varians, fremfor de gennemsnitlige data man normalt arbejder med.
Vi diskuterer også, hvordan federated learning bringer store sprogmodeller tættere på datakilden ved at flytte modellerne til dataene i stedet for at sende dataene til modellerne. Sidst men ikke mindst diskuterer vi de etiske spørgsmål og den manglende lovgivning, der omgiver træningen af store sprogmodeller.
Shownotes:
00.00-11.07: Intro til Morten, Resolve og decentral træning
11.07-33.24: Decentral & federated learning, AI i produktudvikling, de bedste product managers, etik, modeller til data i stedet for data til modeller, manglende lovgivning o.l.
33.24-40.28: Fremtidsperspektiver, både kort- og langsigtet
40.28-41:43: Outtro og teaser til næste episode
Vært:
Mathias Mengesha Emiliussen