人工智能时代,大数据是必备“资源”。然而,现在多数行业却仍面对着“小数据”状况而束手无策,数据割裂、数据孤岛,成了限制 AI 发展的瓶颈。如何在促进合作发展的同时,避免数据与平台垄断和保护个人隐私,是人工智能产业化当下面临的一大难题。
联邦学习(Federated Learning)作为近年来新兴的分布式机器学习技术,核心是让参与各方可以在不暴露底层数据的前提下联合建模,共同提升机器学习效果,实现 AI 协作。这一技术对于打破数据孤岛,进一步推动人工智能产业化意义重大。
作为全球最大的非营利性专业技术学会,IEEE(电器和电子工程师协会)在学术及国际标准等领域具有公认权威性。在 2018 年 12 月,IEEE 通过了微众银行发起的《联邦学习基础架构与应用》国际标准(编号 P3652.1),作为国际上首个针对人工智能协同技术框架订立标准的项目,旨在对联邦学习的定义、框架、案例进行研讨分析,确立全行业规范。
人工智能时代,大数据是必备“资源”。然而,现在多数行业却仍面对着“小数据”状况而束手无策,数据割裂、数据孤岛,成了限制 AI 发展的瓶颈。如何在促进合作发展的同时,避免数据与平台垄断和保护个人隐私,是人工智能产业化当下面临的一大难题。联邦学习(Federated Learning)作为近年来新兴的分布式机器学习技术,核心是让参与各方可以在不暴露底层数据的前提下联合建模,共同提升机器学习效果,实现 AI 协作。这一技术对于打破数据孤岛,进一步推动人工智能产业化意义重大。
作为国内“联邦学习”技术的首倡者和领导者,微众银行 AI 团队在微众银行首席人工智能官杨强教授的带领下,不断推进着联邦学习的标准化建设工作,致力于为联邦学习的落地应用提供技术规范,为社会各界共建联邦生态提供合作依据。目前,联邦学习技术已成功应用至智能信贷、智能风控、智能权益定价、智慧零售、智能用工、异常检测等业务场景,为智慧城市、智慧金融等多行业赋能。而未来,基于统一的“技术沟通语言”,联邦学习将会在更多行业更多场景发挥无限潜能。
为了更好地推进联邦学习技术的行业规范及应用,微众银行 AI 团队自今年 2 月起,牵头发起了 3 次 IEEE 标准工作组讨论会议,携手京东、星云 Clustar、创新工场、第四范式、中国电信、小米、瑞士再保险、腾讯、华大基因等十余家企业及机构,共探联邦学习规范化未来。据悉,第四次工作组会议将在今年 10 月份召开,从更多维度探讨联邦学习,并且预计明年会有标准草案初稿出台。对于联邦学习这项技术而言,技术标准的出台将标志着技术向更通用、更成熟的方向发展,为社会各界共建联邦生态奠定基础,同时为立法和监管提供技术依据。
除了牵头制定国际标准,微众银行 AI 团队也积极推动着国内联邦学习标准的制定和在多组织多联盟的落地。在第二十三届中国国际软件博览会上,AIOSS 重磅发布了包括《信息技术服务 联邦学习 参考架构》在内的四项团体标准及《中国人工智能开源软件应用案例集》,由微众银行 AI 团队牵头制定的这一标准是我国第一个关于联邦学习的团体规范标准。据了解,自 18 年 1 月起,从国家人工智能标准化总体组,到 AIOSS(中国人工智能开源软件发展联盟),再到 AITISA(新一代人工智能产业技术创新战略联盟),多权威组织纷纷将目光投向联邦学习,微众银行 AI 团队主导及参与数次探讨,力求与各组织、机构共同建立更完善的联邦学习行业规范。
在数据安全、数据隐私保护越发受到关注的当下,联邦学习或将搭建起机构与用户间数据信任、科技向善的桥梁,开辟人工智能行业发展新方向。杨强教授表示:“联邦学习国际标准及其他规范的制定将更进一步为联邦学习在各行业的落地应用提供技术体系,为社会各界合作奠定基础,在未来,势必会有更多行业加入这一生态的共建”。
评论