上海艺术展开幕_首个联邦学习半交互式 Demo 亮相上海艺术展 零距离体验 AI 游戏魅力

自2019年11月7日起，人工智能与艺术“脑洞”探索展在McaM上海明现代美术馆举行。 众多行业专家和艺术先驱聚集在一起，以艺术作品为载体，向观众展示人工智能艺术的视觉盛宴，同时探索“AI+艺术”的无限可能性。

与以往不同，这次艺术展有特别的展品，观众不仅可以看，还可以直接操作。 那是微银行AI团队的作品“联邦学习的多代理游戏AI的可视化”Demo (以下简称“联邦学习Demo”)。 联邦学习Demo让观众参与AI建模的过程，通过互动性和趣味性，与自己训练的机器人和游戏对抗，教音乐，使理解AI变得简单快乐。

联邦学习Demo是一种半交互式赛车游戏，观众可以参与其中，更直观地感受和理解联邦AI的技术原理和优势。 众所周知，在赛车游戏中，传统游戏者多次尝试，改善自己对地图路线的理解度，寻求最高速度，但由于个人精力和游戏次数有限(可能受天赋限制)，因此可以保证多次练习获胜 传统的单兵作战方法与Demo中依靠单一玩家的数据训练的AI模型相似，因为只学习单一玩家的少量数据，所以表现非常平凡。 但是，联邦学习技术在此过程中，绕过游戏者数据，将各游戏者数据训练过的AI模型直接结合起来，不断训练、完善联邦学习AI模型，成为最后的winner。 换句话说，一个玩家无论多么强大，只要一个人战斗，联邦学习就能团结多个人取胜。

上图: AI培训中:玩家游戏界面

据说上海艺术展并非联邦学习游行首次登场。 作为国内首次的游戏化联邦学习半互动游行，该游行今年8月在澳门召开的人工智能领域领先的学术会议IJCAI2019上也展示了。 从学术会议跨境艺术展览中，联邦学习示范不仅可以参与、可视化、游戏化的方式，还可以让观众自己参与联邦学习技术的运作过程，降低非技术人员对AI的认知阈值，为AI进入群众视野提供新的窗口。

用于在游戏中训练模型的大量数据会引起背后数据的隐私和安全问题。 如果数据不被共享，就会变成“数据孤岛”，训练高效的AI模型是很困难的。 一个人练习是奇怪的数据共享，谁能保证用户的隐私和安全？ 联邦学习技术通过共享模型而不是基础数据，为实现各方面数据不出现在当地、实现联合建模、提高机器学习效果、保护数据隐私和安全、管理数据、解决数据孤岛与人工智能发展矛盾提供了新思路。

作为联邦学习在国内的倡导者和推动者，微型银行也不断推进该技术在各行业的应用。 例如，微型银行和极端视角共同发布了业界首款视觉联邦学习系统，大大拓展了企业数据的应用范围，共享了数据模型的成果，同时避免了企业对数据安全问题的担忧。 除计算机视觉领域外，联邦学习技术也应用于金融、医疗、城市管理等多个领域，支持多行业的“智力升级”。

在数据安全和数据隐私保护日益受到关注的未来，联邦学习将在更多行业、更多场景中发挥无限可能性，全面加快“智慧未来”的到来。 在通向“知识未来”的道路上，不仅需要联邦学习这一“硬”技术，还需要联邦学习示范这样有趣的工具，有助于理解新技术。 只有这样，每个人才能参与“智慧的未来”，受益匪浅。 正如Demo的创作者李权和魏锡光所说，“无论是技术还是说明技术的工具，都会回到人身上，以更低的成本过上更好的生活。”