NVIDIA cria sistema para treinar IAs com dados espalhados sem centralizar

A NVIDIA apresentou um jeito de treinar modelos de inteligência artificial que lidam com imagens e texto ao mesmo tempo — os chamados modelos visão-linguagem — sem que todos os dados precisem estar num mesmo lugar. Em vez de reunir fotos, legendas e perguntas num servidor central, a solução permite que cada instituição treine o modelo com seus próprios arquivos e depois envie apenas as correções aprendidas.

Isso resolve um problema comum em áreas como medicina, finanças e pesquisa: os dados que poderiam melhorar a IA estão espalhados entre hospitais, bancos ou universidades que não podem (ou não querem) abrir mão de suas bases por questões de privacidade ou segurança. A técnica se chama aprendizado federado, e o que a NVIDIA fez foi criar uma estrutura, batizada de NVIDIA FLARE, que coordena esse treino distribuído de forma eficiente.

O principal desafio técnico é que modelos visão-linguagem são enormes — transferir todas as peças de um modelo de um lado para o outro toda vez que ele é atualizado consumiria largura de banda e memória demais. A solução da NVIDIA tem duas partes: primeiro, os participantes compartilham apenas adaptadores leves (pequenos pacotes de ajuste que representam uma fração ínfima do modelo completo); segundo, o sistema sabe enviar dados pesados aos poucos e guardar temporariamente no disco rígido em vez de na memória RAM.

Na prática, isso significa que um hospital consegue treinar uma IA para identificar tumores em raios-X usando as imagens de outros hospitais sem jamais enviar as radiografias para fora de seus muros. Nos testes feitos pela NVIDIA com modelos abertos e até 16 instituições simuladas, o método reduziu o tráfego de dados em mais de 300 vezes por ciclo de treino e manteve a qualidade do modelo em 97% do que seria obtido com todos os dados num servidor central. A tecnologia já está disponível como código aberto e pode ser usada por qualquer organização que queira colaborar sem abrir mão de seus dados.