人工智能發展目前所面臨的嚴重挑戰是什么?眾所周知,人工智能離不開大數據,然而現在多數行業中遇到的是小數據,是數據割裂、數據孤島,成為限制人工智能發展的一大瓶頸。人工智能領域的科學家們如何解決這一難題?

　　5月24日-25日,中國計算機學會(CCF)年度盛事——2019 CCF青年精英大會(YEF 2019)在成都舉辦。微眾銀行AI團隊作為聯邦學習技術在國內的首倡者受邀參會,微眾銀行首席人工智能官(CAIO)楊強教授發表特邀報告:《用戶隱私,數據孤島和聯邦遷移學習》,為上述人工智能的數據難題提供了答案。

　　本次大會的主題是“硬科技創新之路”,共包含6個精彩特邀報告、1個大會論壇、2個思辨式YOCSEF論壇、12個專題論壇、以及精彩的思想秀和科技創業秀。來自國內外計算機領域頂尖專家與企業界重磅嘉賓齊聚一堂,800余位青年精英從全國各地慕名而來,探討深度學習、聯邦學習、邊緣計算、機器人等計算機前沿領域的未來十年。

　　圖:YEF 2019大會現場

　　人工智能發展應用越來越廣泛,所面臨的挑戰也日益凸顯。人工智能離不開大數據,然而現在多數行業中遇到的是小數據,是數據割裂、數據孤島,這是限制人工智能發展的一大瓶頸,能否用技術方法解決這個問題?數據隱私保護日益嚴格,傳統打通數據的方式受限,如何建立起安全有效的數據協作機制?針對以上問題,微眾銀行首席人工智能官(CAIO)楊強教授在特邀報告《用戶隱私,數據孤島和聯邦遷移學習》中指出:“遷移學習”是將大數據遷移到小數據,實現舉一反三,而“聯邦學習”則可以讓多個參與方數據不出本地進行合作,“聯邦遷移學習”將“遷移學習”和“聯邦學習”結合起來,系統介紹了聯邦遷移學習如何幫助不同機構打破隔閡,聯合建立AI模型,同時各方數據不出本地,用戶隱私得到最好保護。

　　圖:微眾銀行首席人工智能官楊強教授特邀報告

　　楊強教授通過詳實生動的案例展示了聯邦遷移學習現階段已經落地的行業應用,包括金融領域各機構聯合建立企業風控模型、銀行間聯合建立反洗錢模型、城市管理中的視覺應用等,指出聯邦遷移學習可以讓機構在不共享數據的情況下合作提升機器學習效果,對模型提升率高達15%并且可以實現模型效果無損失,具有廣闊的行業應用空間,隨著聯邦生態的不斷完善和國際標準制定的不斷推進,一定可以發揮更大的行業價值。

　　大會特設的“聯邦學習及用戶隱私”專題論壇,圍繞“聯邦學習”和“數據安全”、“用戶隱私”展開討論,吸引了大批專家、學者和青年精英參與。會上提到,“聯邦學習(Federated Learning)”是一種加密的分布式機器學習技術,讓參與各方在自有數據不出本地,保護數據隱私的前提下進行聯合建模,提升機器學習的效果,為數據隱私保護提供了新思路。目前在這項技術的研究上,我國居于世界前列。谷歌提出了基于手機終端的聯邦學習算法框架,微眾銀行則首次提出針對多方機構合作的“聯邦遷移學習”,并且通過開放開源平臺Federated AI Technology Enabler(FATE)發布了通用的聯邦學習解決方案,推動聯邦學習技術在行業中的落地應用。

　　微眾銀行與來自鵬城實驗室、平安科技、創新工場、北京航空航天大學、瑞士再保險等知名高校及企業的重磅嘉賓就聯邦學習的核心技術、行業應用進行了深入講解與探討。

　　圖:微眾銀行AI部門高級研究員劉洋專題演講

　　在以“學界、產業界代表漫談聯邦學習在數據隱私保護上的突破與未來”為主題的圓桌環節,專家們圍繞聯邦學習的落地應用場景、現階段面臨的挑戰和未來發展方向等問題進行了討論,特別是分析了企業在進行聯邦學習合作過程中可能會遇到的問題,并給出了相應的解決方案,為未來更大范圍的行業合作奠定了基礎。

　　配圖:微眾銀行參與聯邦學習圓桌論壇

　　為期兩天的大會是學術論辯,是思想碰撞,更是對科技未來的大膽探索。聯邦學習作為新興的人工智能技術,下一個十年將走向何方?微眾銀行和業界各位專家們給出了答案——行業落地。