I 97. episode af EDB 5.0 taler vi med Morten Fisker fra Resolve om decentral og federated learning. Vi diskuterer hvad begreberne betyder, før vi dykker ned i, hvordan decentrale miljøer kan give adgang til mere data og bedre indblik i varians, fremfor de gennemsnitlige data man normalt arbejder med.

Vi diskuterer også, hvordan federated learning bringer store sprogmodeller tættere på datakilden ved at flytte modellerne til dataene i stedet for at sende dataene til modellerne. Sidst men ikke mindst diskuterer vi de etiske spørgsmål og den manglende lovgivning, der omgiver træningen af store sprogmodeller.

Shownotes:

Vært: