手机网站
手机网站
自3月24日在深圳考虑TF14的联邦学习以来，到9月北京ADL103期、10月CNCC2019技术论坛、10月26日TF23期为止，这是CCRP已经开始的第四届联邦学习主题的讨论，这次将重点放在联邦学习的最新应用上，大约有150人与头部ICT交互
从基础理论到应用实战，CCF TF第23期研讨会展示了下一代联邦学习应用实例。 此次CCF TF第23期“AI联邦学习的最新应用落地”研讨会由微库人工智能最高科学家范力欣担任主席，微库最高人工智能官杨强、微库人工智能部高级研究员范涛、腾讯云大数据和AI中心高级研究开发工程师秦姚琦、 华为消费者BG软件部CTO办公算法专家朱越、VMware中国研发中心技术总监张海宁、京东智能城市事业部AI平台负责人张啸波、革新工厂南京国际人工智能研究院执行院长冯雫、平安科技联邦学习技术部总经理王健宗、 中国科学院计算部普适计算系统研究中心主任陈益强、北京大学光华管理学院利用经济系教授翁翕作为研讨会特邀嘉宾，现场演讲分享了最新的行业经验，与参加者热烈交流。
人工智能技术在成功突破算法和计算能力限制的同时，“数据孤岛”和数据隐私安全问题为人工智能的应用着陆提出了新的挑战。 在这样的环境中，“联邦学习”成为应对这一课题的重要思路。 此前，CDSF第14期研讨会在深圳探讨了利用联邦学习开展AI大数据研究以保护数据隐私的方法。 本次研讨会强调了联邦学习技术落地的最新成果，深入探讨了联邦学习的激励机制、安全场景等前沿课题。
“现在联邦学习已经进入了新的时期，也就是着陆时期”。 在研讨会开头的致辞中，微银行的最高人工智能官杨强教授提出，联邦学习的发展需要经历“到达时的联邦学习发展阶段”、“应用落地积累案例阶段”和“联邦学习价值联盟网络建立阶段”三个阶段。 经历了以保护隐私为重点的第一阶段之后，现在的联邦学习已经进入了积累经验的落地阶段。 哪个领域适合联邦学习？ 如何体现联邦学习的商业价值？ 您可能面临哪些技术和业务挑战？ 如何建立不同企业间的联盟？ 杨强教授认为，这需要积累很多个案例，这次研讨会是出发点。
微银行首席人工智能官杨强教授发表了开头致辞
杨强教授展望了联邦学习的未来发展阶段后，本次研讨会主席、微库人工智能最高科学家范力欣在《保护隐私免受数据孤岛影响:联邦学习对各行业AI落地的影响》报告中，回顾了联邦学习提出的历史背景，进一步阐述了联邦学习落地的必要性。 范力欣博士说:“现在，我们经历了网络第四次信息革命，坐在庞大的信息和数据上。 “如果这些数据能够通过AI解读的话，我们的生活就会大大提高。”为了挖掘庞大信息背后的价值，以大家接受的方式共享所有数据，联邦学习诞生了。 联邦学习这一新兴的AI技术已经在各行各业相继落地，在知识城市、知识终端、知识医疗等领域取得了显着成果。
微型银行人工智能首席科学家范力欣作主题报告
在会议上，演讲者们来自行业的不同领域，从各自的行业实践中，分享了联邦学习在各领域的最新应用成果。 微库人工智能部高级研究员范涛在《FATE :新一代联邦学习技术与应用实战》主题报告中详细介绍了微库开发的4个决策型AI产品和联邦学习开源项目FATE在保险科学技术、信用控制、行业流程自动化等领域的应用， 包括智能定价引擎、智能评价引擎、职业智能产品和营销智能产品在内，“FATE与决策性AI产品合作，希望加快联邦学习在商务场景下的落地”。
微型银行人工智能部高级研究员范涛做了主题报告
在保险领域，微银行AI团队将用户年龄、职业、年租车次数等标签属性建立联邦学习模式，预测危险概率，实现千人千面的定价。 在信用方面，微银行AI团队开发的智能评估引擎利用开票金额和中央银行征收数据等标签属性，将微企业风控模型划分度——AUC of ROC (模型划分的好坏样本评估标准之一)提高到12%。
在医疗领域，联邦学习技术也是实现医疗大数据研究的重要方法。 中国科学院计算泛在计算系统研究中心主任陈益强研究员认为，健康管理需要在普适环境下实现开放区域用户行为的智能感知和理解，疾病诊断智能算法研究存在移动限制、时空限制等缺陷。 针对以上问题，陈益强博士及其团队利用联邦学习技术，在正规驱动的限制条件下将病情诊断模型联邦转变为普适条件下的健康状况监测，解决了医疗结合的应用要点。
中国科学院计算泛在计算系统研究中心主任陈益强做专题报告
在智能城市建设方面，京东智能城市事业部AI平台部负责人、京东智能城市研究院老研究员张8050表示，通过不断获取、整合和发掘城市中不同领域的大数据来解决城市痛苦，是当今城市通向智能城市的途径。 张啸波博士在报告中指出，基于大数据和联邦学习的信用城市体系建设与京东城市基于城市计算和联邦学习技术制作的产品数字网关共享。 为了解决城市数据孤岛、数据共享困难的问题，在各级政府机构、大型企业机构、互联网公司等不同机构之间建立了安全、共享、智能、高效的连接，数字网关以联邦学习技术为基础，安全可靠、准确、场面多样、易于使用、 以轻量部署、可靠性等优势在机构间实现合法合规性前提下跨域建模和使用。
京东智能城市事业部AI平台负责人、京东智能城市研究院高级研究员张啸波做了主题报告
从智能终端领域面临的挑战出发，华为消费者BG软件部CTO办公算法专家朱越在智能终端分布式AI场景中共享了联邦学习应用的思路。 朱越认为，分布式AI的核心价值是正确的感知和预测，面临着系统动态化、设备异构化、多用户合作、适应硬件特性的挑战。 其中，突破系统动态、设备异构壁垒，构建统一的特征空间，基于统一的特征空间进行多用户多设备协调训练，给用户带来统一、连续、个性化的服务体验是联邦学习的潜在机遇。
华为消费者BG软件部CTO办公算法专家朱越做了主题报告
除了上述应用领域以外，会议上很多专家都分享了联邦学习在云服务、安全场景等最前沿课题上的实战。 VMware中国研发中心技术总监张海宁详细介绍了联邦学习与云计算相结合，联邦学习开源项目FATE应用于Kubernetes的方案。 他说，云服务是联邦学习的理想着陆路线，联邦学习本身的特点适合在云上与大量用户进行部署和使用。 例如，除了公共云中联邦学习的组织之外，还可以构建异构系统和生态系统，并为不同组织之间的数据对接提供平台。
VMware中国研发中心技术负责人张海宁做了专题报告
腾讯云大数据和AI中心高级研发工程师秦姚琦探讨了隐私计算技术落地问题，从许多隐私计算应用场景详细介绍了腾讯神盾沙箱在数据隐私保护AI计算和安全敏感数据资产合作场景中的解决方案，以及神盾沙箱的
腾讯云大数据与AI中心高级研发工程师秦姚琦做了专题报告
革新厂南京国际人工智能研究院执行院长冯霁在报告中围绕联邦学习技术框架详细介绍了联邦学习框架内不同模块可能遇到的潜在攻击方式，如数据毒、通道监听和样本对抗等攻击方法，并对此提出了相应的解决方案。 冯智认为，工业实践者在具体引进联邦学习技术满足业务合规化的同时，还需要在当前联邦学习中配置“保护锁”和“疫苗”，更好地保护自己的商业秘密。
创新厂南京国际人工智能研究院执行院长冯霁做了专题报告
平安科学技术联邦学习技术部总经理王健宗在《联邦智能加速AI落地》的报告中，解读了联邦智能生态的应用构成和发展前景。 王健宗博士认为，联邦智能兼顾隐私保护和数据共享两大难题，为建立企业间、数据间、领域间的大型数据AI生态提供了良好的技术支持。
平安科技联邦学习技术部社长王健宗做了主题报告
在本研讨会中，除了联邦学习的应用例外，还讨论了联邦学习的激励机制。 北京大学光华管理学院应用经济系教授翁翕认为，这是他第一次参加计算领域的学术研究，他心烦意乱，但非常有意义，他在现实设计中，数据联邦仍然提供充分的经济激励，确保联邦学习的参与者一直参与。 报告指出，翁耀教授与数据联邦应采取的最佳组织共享奖励结构，使联邦学习员工在不深入理解博弈论的情况下，能够根据他们的优化目标和现实情况，选择不同类型的奖励机制。 "联邦学习的最后目标函数是在最大化集团效应的同时，最小化遗憾，以公平的机制实现长期稳定性. "
北京大学光华管理学院以经济系教授翁耀为主题作了汇报
在最后一次圆桌讨论中，多位嘉宾就“企业人工智能部门的重要性”、“联邦学习界和工业界面临的挑战”、“中国企业落地联邦学习应用的优势和劣势”等话题进行了深入的交流和讨论。
目前联邦学习技术在帮助人工智能落地过程中已经建立起来，如何将这种新兴人工智能技术广泛应用于各行业，建立完善的激励机制，是学术界和行业应共同探讨的问题。
