微众银行首席_ 微众银行首席AI官杨强：构建数据联邦，能打通数据孤岛且保护隐私

腾讯新闻“第一线”濮祥

12月3日下午，微银首席人工智能官、国际人工智能协会执行委员杨强作为嘉宾出席了2019年腾讯ConTech技术大会，发表了题为“数据孤岛: AI进化推进内容合作生态构筑”的主旨演讲。

演讲开头，杨强就机器学习和人类学习如何合作共享了思考。

人脑由一兆级神经元构成，神经元有很多连接，如果连接顺畅的话，对应学习的概念就会被强化。 相反，这个概念会变弱。 因此，人们在看电影和读新闻时，吸收知识，这种知识加强了大脑某些部分的神经元之间的联系，联系的粗细表示人们对这个概念的灵敏度。

人工智能科学家利用这个概念设计神经元网络。 人的学习能力是概念间的关系得到加强。 例如，看到一个概念联想到另一个相关概念，人类智能的表达也出现在两个神经元之间的通信链接中。

杨强说，我们不断接触概念，不断复习和反复，这一概念加深了印象，体现在大脑皮质的永久记忆中。 最近的发现确实令人鼓舞。 例如，当美国科学家发现人类晚上睡觉时，其实他们还在继续学习，白天学到的概念在睡觉的时候也在不断增加。

基于这些发现，计算机学家可以利用这种观念来设计神经网络，当输入和输出之间存在多层神经网络连接时，这种概念从量的变化到质的变化，从而形成从所观察到的视频到头的复杂概念。

但是，设计这样的神经网络面临着数据孤岛的挑战。 什么是数据仓库的挑战？ 首先，我要谈谈小数据面临的挑战。 在一个新的领域，大多数用户不在，此时对产品的理解和对用户的理解能够应对小数据的挑战。

数据碎片，即数据孤岛，到处都是小数据，但是哪里的数据不容易汇总呢？技术原因、人的利益原因、数据的所有者不同，要整合起来也不容易。 加上监督的要求，现在隐私的要求越来越严格，我们无法收集不同机构的数据。

面对小数据挑战和数据孤岛挑战，杨强认为必须设计解决方案。 对于前者，将设计方案称为“过渡学习”，对于后者，将设计方案称为“联邦学习”。

“过渡学习”来源于人的观察。 人类解决问题通常能够确立当前问题与未来问题之间的相似性。 人工智能的此类模拟发生在数据之间、模型之间、数学表达式之间以及任务之间。 利用这种相似性，可以将在成熟区域中建立的区域模型和数据迁移到新区域，解决新区域的问题，不需要重叠数据。

杨强举了斯坦福大学和世界银行利用卫星图像估算非洲地区经济状况的例子。 如果这样的估价变得困难的话，传统的方法是派遣工作人员到当地进行调查。 最终，他们用“过渡学习”解决了这个问题。 首先，从已经标记的因特网数据转移到夜光图像的数据，夜光图像已经通知了一部分关于经济状况的知识。 第二，他们从夜光的画像转移到白天的画像，学校和桥等详细。 两者相结合，形成完整的过渡学习体系，自动获得经济状况。

数据孤岛问题，孤岛之间的桥梁是必要的吗？ 解决方案是物理隔离、逻辑连接。 物理隔离是指数据不能在本地移动，保护隐私，构建逻辑共通的模型，该模型吸收各方面的数据。

杨强需要把模型培育成羊，给予数据，这些数据像草一样分布在各家各户。 过去的做法就像是运送各家的草，收集数据一样。 现在不行。 因为数据不能在本地出现。 解决办法是把羊转到各家，吃草到下一家，模式变大，数据也不再当地出现，最后不再违反法规。

这个故事非常有启发性，在技术上被称为“联邦学习”技术，有不同的数据员，在其上制作数据“联邦”，也就是把逻辑上的知识联系起来，但是在物理上不能移动。 在保护用户隐私的同时，可以收集知识。

杨强认为，在信息产业中也存在数据孤岛的问题，关系链、强目的、弱目的、服务、消费等不同的数据分散在各个方面。 那么，我们能否利用用户数据、媒体数据和内容数据构建联邦学习网络？ 用户的隐私受到保护，数据不需要从一个位置移动到另一个位置。

各客户端之间，构筑了商量过的语言，是在各个场所准备好数据后，用一个键连接数据，连接多个内容的推荐模型。 这可以被配置为FedRec，FedRec是内容推荐平台。 该平台可以帮助推荐视频、推荐文章更准确、更个性化和更好地满足用户需要。

杨强希望在保护隐私的同时，用人工智能分发和推荐信息，防伪和防伪技术越来越发达，最终媒体也越来越好。