В настоящее время компании, желающие обучить аналитическую модель, вынуждены обмениваться своими данными друг с другом, разработчиками и владельцами инфраструктуры. По словам Агафонова, безопасность этих данных зависит только от доверия между участниками процесса. Он также упомянул о возможности компаниям обучать свои модели, которые затем можно использовать в meta-моделях для анализа данных, не требуя самих данных. Однако по его словам, передача данных может представлять риск безопасности.
По словам Агафонова, предиктивные модели могут быть применены для прогнозирования спроса, предложения и других аспектов, основываясь на предыдущих взаимодействиях пользователей с услугами и товарами. Например, модель может одновременно обрабатывать данные о продажах и посещаемости торговых центров. Эти информации помогут ритейлерам прогнозировать спрос и торговым центрам выбирать арендаторов. В дальнейшем использование этого решения может быть распространено в различных отраслях, таких как финансы и промышленность.
Сейчас VK уже в процессе тестирования своего сервиса с несколькими партнерами из ритейла и девелопмента, и планирует в последствии внедрить его на рынок. По прогнозу Ассоциации больших данных, к концу 2024 года весь рынок больших данных в России составит 319 миллиардов рублей.
Технический директор HFLabs, Никита Назаров, отмечает, что федеративное обучение в России пока не так распространено из-за опасений относительно конфиденциальности данных. Однако он уверен, что VK, как передовая технологическая компания с самой популярной социальной сетью в России, будет успешно интегрировать этот метод обучения в свой продуктовый портфель. Назаров также отмечает, что Google, Amazon, IBM и Nvidia также работают над развитием платформ на основе VML.
По мнению представителя Ассоциации больших данных, решение VK по вертикальному федеративному обучению предоставляет большие возможности для компаний, желающих использовать технологии искусственного интеллекта, но не желающих делиться данными с остальными участниками рынка. Это особенно актуально для отраслей с особыми требованиями к конфиденциальности данных, таких как промышленность.
