DynamoFLはプライバシー保護AIをより多くの業界に導入することを目指しています

GDPR、CCPA、HIPAAといったデータプライバシー規制は、金融取引、患者の健康記録、ユーザーデバイスのログといった機密データを用いてAIシステムを学習させる上で課題となっています。過去のデータは、AIシステムにパターンを識別し予測を行うよう「教える」ものですが、個人の個人情報を侵害することなくそれを利用するには技術的なハードルがあります。 

近年普及している回避策の一つに、フェデレーテッドラーニング（Federated Learning）があります。この手法は、複数のデバイスやサーバーにまたがってデータを交換することなくシステムをトレーニングするため、共同研究者はデータを共有することなく共通のシステムを構築できます。インテルは最近、ペンシルベニア大学医学部と提携し、フェデレーテッドラーニングを用いた脳腫瘍分類システムを開発しました。また、ノバルティスやメルクを含む大手製薬会社は、新薬発見を加速するためのフェデレーテッドラーニングプラットフォームを構築しました。

Nvidia（Clara経由）をはじめとするテクノロジー大手は、フェデレーテッド・ラーニングをサービスとして提供しています。しかし、新興スタートアップのDynamoFLは、パフォーマンスを重視しながらもプライバシーを犠牲にしないフェデレーテッド・ラーニング・プラットフォームで、既存企業に挑もうとしています。

「DynamoFLは、MIT電気工学・コンピュータサイエンス学科の博士課程を修了したクリスチャン・ラウと私によって設立されました。この2人は過去5年間、プライバシー保護型機械学習と機械学習用ハードウェアの開発に取り組んできました」と、CEOのヴァイクント・ムグンタン氏はTechCrunchのメールインタビューで語った。「GDPRやCCPAといった新たなプライバシー規制の到来を受け、社内でフェデレーテッドラーニングを構築しようとしていた大手金融・テクノロジー企業から、度々仕事のオファーを受け、フェデレーテッドラーニングの巨大な市場を発見しました。その過程で、これらの組織が社内でフェデレーテッドラーニングを立ち上げるのに苦労していることが明らかでした。そこで、この市場のギャップを埋めるためにDynamoFLを開発しました。」

DynamoFLは、自動車、IoT、金融セクターに主要顧客を持つと主張しており、市場開拓戦略の初期段階にあります（このスタートアップ企業は現在4人の従業員を抱えていますが、年末までに10人を雇用する予定です）。しかし、DynamoFLは競合他社との差別化を図るため、革新的なAI技術の改良に注力しており、フェデレーテッドラーニングにおける攻撃や脆弱性（システムのトレーニングに使用されたデータの検出を可能にする「メンバー推論」攻撃など）に対抗しながら、システムパフォーマンスを向上させるとされる機能を提供しています。

「当社のパーソナライズされたフェデレーテッドラーニング技術は、機械学習チームがモデルを微調整し、個々のコホートにおけるパフォーマンスを向上させることを可能にします。これにより、経営幹部は、これまでブラックボックスソリューションとみなされていた機械学習モデルを導入する際に、より高い自信を持って取り組むことができます」とムグンタン氏は述べています。「これは、従来のフェデレーテッドラーニングに共通する課題に苦戦しているDevron、Rhino Health、Owkin、NimbleEdge、FedMLといった競合他社との差別化にもつながります。」

DynamoFLは、プライバシー保護を重視する他のAIポイントソリューションと比較して、自社のプラットフォームがコスト効率に優れていると謳っています。フェデレーテッドラーニングは中央サーバーへの大量のデータ収集を必要としないため、DynamoFLはデータ転送と計算コストを削減できるとムグンタン氏は主張します。例えば、顧客はペタバイト規模の生データではなく、小さな増分ファイルのみを送信できます。さらに、単一のサーバーに大量のデータを保存する必要がなくなるため、データ漏洩のリスクも軽減できます。