ในบริบทของ Federated Learning ข้อใดอธิบายข้อได้เปรียบหลักและข้อจำกัดสำคัญได้ถูกต้องที่สุด
กข้อได้เปรียบคือข้อมูลดิบไม่ต้องส่งออกจากอุปกรณ์ต้นทาง ช่วยปกป้องความเป็นส่วนตัว แต่มีข้อจำกัดคือการสื่อสารระหว่างอุปกรณ์และเซิร์ฟเวอร์กลางใช้แบนด์วิดท์สูงและอาจเกิดความล่าช้า
ขข้อได้เปรียบคือโมเดลฝึกฝนได้เร็วกว่าการเรียนรู้แบบรวมศูนย์ถึง 10 เท่า แต่มีข้อจำกัดคือต้องการหน่วยความจำในอุปกรณ์ปลายทางมากกว่าปกติ 5 เท่า
คข้อได้เปรียบคือสามารถใช้ข้อมูลที่มีป้ายกำกับ (Labeled Data) ได้มากกว่าการเรียนรู้แบบรวมศูนย์ แต่มีข้อจำกัดคือโมเดลที่ได้มีความแม่นยำต่ำกว่าเสมอ
งข้อได้เปรียบคือไม่จำเป็นต้องใช้อัลกอริทึมการรวมโมเดล (Aggregation Algorithm) ใด ๆ แต่มีข้อจำกัดคือข้อมูลของผู้ใช้ทุกคนต้องมีการกระจายแบบเดียวกัน
เฉลยอธิบาย
Federated Learning มีข้อได้เปรียบหลักคือข้อมูลดิบของผู้ใช้ยังคงอยู่ในอุปกรณ์ต้นทาง ส่งเพียง Gradient หรือ Model Update ไปยังเซิร์ฟเวอร์กลาง จึงปกป้องความเป็นส่วนตัว แต่ การรับส่ง Model Update จากอุปกรณ์จำนวนมากต้องใช้แบนด์วิดท์สูงและเกิดความล่าช้าได้ ส่วนตัวเลือกอื่นไม่ถูกต้อง เช่น ความเร็วไม่ได้เร็วกว่า 10 เท่าเสมอ และ Federated Learning ยังต้องใช้อัลกอริทึมการรวมโมเดล เช่น FedAvg