Federated Learning มีข้อจำกัดสำคัญในการนำไปใช้งานจริงในข้อใด

เฉลยอธิบาย

Federated Learning ถูกนำมาใช้เพื่อปกป้องความเป็นส่วนตัว โดยฝึกโมเดลบนอุปกรณ์ผู้ใช้แทนการส่งข้อมูลดิบไปยังศูนย์กลาง แต่ข้อจำกัดสำคัญคือ 1) การสื่อสารระหว่างอุปกรณ์กับเซิร์ฟเวอร์ต้องส่ง gradient หรือ model update จำนวนมาก ทำให้ใช้แบนด์วิธสูง และ 2) ปัญหา Non-IID (Non-Independently and Identically Distributed) คือข้อมูลในแต่ละอุปกรณ์มีการกระจายไม่สม่ำเสมอ ส่งผลให้ประสิทธิภาพของโมเดลรวมลดลง ตัวเลือกอื่นอธิบายผิดหลักการพื้นฐานของ Federated Learning