Faglige nøgleord: AI og machine learning, Matematik, GDPR, Privatliv
Oplæg tilgængeligt på: Dansk og engelsk
AI og machine learning er efterhånden blevet hverdagsord. Den almene dansker møder det uundgåligt i løbet af hverdagen. Disse ord er efterhånden også blevet synonyme med data, især i relation til de store sprogmodeller, der kræver enorme mængder. Sådan et scenarie antager dog, at træningsdataet er tilgængeligt. Med tiltag som GDPR og andre tiltag til at beskytte personfølsomme oplysninger, bliver det sværere og sværere at dele og overføre data. Med disse tiltag opstod et nyt forskningsfelt, kaldet federated learning. Det beskæftiger sig netop med at træne AI modeller uden at kunne samle data et sted. Det foregår ved at en global server har en global model, der sendes ud til alle centre (fx. hospitaler), der har lyst til at deltage. De udfører nu lokal træning på deres eget data, og sender model opdateringer tilbage til serveren. Gennemsnittet af alle opdateringerne bliver efterfølgende brugt til at opdatere den globale model.
På denne måde kan man udnytte store mængder data, der ikke bliver brugt endnu, men uden at gå på kompromis med datasikkerhed.
Jeg blev interesseret i forskning, da jeg begyndte at arbejde på mit bachelorprojekt. Jeg er meget drevet af nysgerrighed og nyder at undersøge ting, jeg undrer mig over. Min kandidat blev meget drevet af den tankegang, og det førte til at jeg startede på min PhD i maj 2025.