AWS Clean Rooms ML รองรับการฝึกโมเดลและการอนุมานที่ช่วยเสริมสร้างความเป็นส่วนตัว
วันนี้ AWS ได้ประกาศเปิดตัวการสร้างโมเดลแบบกำหนดเอง AWS Clean Rooms ML ซึ่งช่วยให้องค์กรต่าง ๆ สามารถสร้างข้อมูลคาดการณ์เชิงลึกร่วมกับพาร์ทเนอร์โดยเรียกใช้โมเดลแมชชีนเลิร์นนิ่ง (ML) และใช้ข้อมูลตนเองในการทำงานร่วมกันในพื้นที่ปลอดภัย ด้วยการเปิดตัวครั้งนี้ บริษัทต่าง ๆ และพาร์ทเนอร์ของตนจะสามารถฝึกโมเดล ML และเรียกใช้การอนุมานบนชุดข้อมูลรวมได้โดยไม่ต้องแชร์ข้อมูลที่ละเอียดอ่อนหรือโมเดลที่เป็นกรรมสิทธิ์
ตัวอย่างเช่น ผู้โฆษณาสามารถนำโมเดลและข้อมูลที่เป็นกรรมสิทธิ์ของตนเข้าสู่การทำงานร่วมกันในพื้นที่ปลอดภัยได้ และเชิญผู้เผยแพร่ให้เข้าถึงข้อมูลของตนได้เพื่อฝึกและใช้งานโมเดล ML แบบกำหนดเอง ซึ่งจะช่วยเพิ่มประสิทธิภาพแคมเปญ กระบวนการทั้งหมดนี้ไม่ต้องอาศัยการแชร์โมเดลและข้อมูลที่กำหนดเองของตนกับผู้อื่นแต่อย่างใด ในทำนองเดียวกัน สถาบันทางการเงินสามารถใช้บันทึกธุรกรรมในอดีตเพื่อฝึกโมเดล ML แบบกำหนดเอง และเชิญพาร์ทเนอร์เข้าทำงานร่วมกันในพื้นที่ปลอดภัยเพื่อตรวจจับธุรกรรมฉ้อโกงที่อาจเกิดขึ้นได้ โดยไม่ต้องแชร์ข้อมูลและแบบจำลองพื้นฐานของกันและกัน เมื่อใช้การสร้างโมเดลแบบกำหนดเองของ AWS Clean Rooms ML คุณจะได้รับข้อมูลเชิงลึกที่มีค่าร่วมกับพันธมิตรของคุณ อีกทั้งยังได้ปรับใช้การควบคุมที่ช่วยเสริมสร้างความเป็นส่วนตัวเมื่อทำการฝึกโมเดลและการอนุมาน โดยการกำหนดชุดข้อมูลที่จะใช้ในสภาพแวดล้อมแบบพื้นที่ปลอดภัย วิธีนี้จะช่วยให้คุณและพาร์ทเนอร์สามารถอนุมัติชุดข้อมูลที่ใช้ได้ และไม่จำเป็นต้องแชร์ข้อมูลที่ละเอียดอ่อนหรือโมเดลที่เป็นกรรมสิทธิ์ระหว่างกัน AWS Clean Rooms ML ยังมีความสามารถในการสร้างโมเดลที่คล้ายกันโดย AWS ซึ่งจะเพิ่มความแม่นยำของกลุ่มตัวอย่างที่คล้ายคลึงกันให้คุณได้ถึง 36% เมื่อเทียบกับมาตรฐานในอุตสาหกรรม
AWS Clean Rooms ML เป็นความสามารถหนึ่งของ AWS Clean Rooms ที่สามารถใช้งานได้ใน AWS Region เหล่านี้ หากต้องการเรียนรู้เพิ่มเติม โปรดไปที่ AWS Clean Rooms ML