联邦学习：AI大规模落地又一革命性突破

一方面，AI在安防行业的探索才刚刚开始；另一方面，做好AI所必须的数据养料有限且质量较差，不同数据源之间存在难以打破的壁垒。

除了少数几家拥有海量用户、具备产品和服务优势的巨无霸企业外，大多数中小型AI安防企业难以以一种合理、合法的方式跨越人工智能落地的数据鸿沟，或者需要付出巨大的成本来解决这一问题。

外，随着大数据的发展，重视数据隐私和安全已经成为一种世界性的趋势，一系列条例的出台更是加剧了数据获取的难度，这也给人工智能的落地应用带来了前所未有的挑战。

何解？

针对这个问题，经过和六位学术界、工业界领头人的采访，得到的答案比较一致： 从目前的研究进展来看，“联邦学习”技术可能是解决以上问题的最佳选择。

联邦学习的概念最初由谷歌在2016年提出，在中国，香港科技大学讲席教授、微众银行首席人工智能官（CAIO）杨强教授算是联邦学习研究第一人。之后包括微众银行、腾讯、平安科技、华为、京东等在内的国内企业和机构推动联邦学习进入了学术研究与行业落地新阶段。

联邦学习之所以能够在如此短的时间里迅速由一个构想变为一门学科，主要因为它可以让参与各方在不披露底层数据的前提下共建模型，之后利用整个数据联邦内的数据资源，提高每个成员的模型表现。

通俗来说，深度学习时代，每个AI企业的技术能力是单打独斗式的；而联邦学习的出现，更为紧密、安全地将各个AI企业联系在了一起，联邦中的每个成员都可以用最快的速度提升自身能力的同时汲取别人的长处，最终获得共同成长。

譬如A厂商有校园数据、B厂商有工厂数据、C厂商有社区数据，且这三家厂商都使用了联邦学习技术。

从业务层面出发，A、B、C这三家厂商便直接获得了两种能力：1、最快速地优化自身业务；2、最快速地拓展新业务。

最快速地优化自身业务表现在，平台每天会有若干个类似A厂商的企业向平台输入加密后的数据模型，而这些数据模型中有A厂商非常缺乏的其他数据信息，而A厂商便可根据这些数据去更新自己的算法模型。

最快速地拓展新业务表现在，A、B、C每家厂商都有各自构建好的模型，通过汇总去得到更大的数据模型，在不流通数据的情况下得到数据流通的最好效果，通过资源互补可以在最短时间内安全地获得对方的能力，去拓展新业务。

从隐私保护层面来看，通常智能摄像头产生的数据会被上传到后台服务器中，然后由部署在服务器上的神经网络模型根据收集到的大量数据进行训练得到一个模型，服务商根据这个模型来为用户提供服务。

这是一种集中式的模型训练方法，这种方式很难保证数据隐私安全。

而联邦学习就不再是让数据发送到后台，而是在每个企业自己的服务器上进行训练，并加密上传训练模型，后台会综合成千上万的用户模型后再反馈给用户改进方案。

相较传统学习模式，联邦学习的优点是显而易见的：

1、在联邦学习的框架下，各参与者地位对等，能够实现公平合作；

2、数据保留在本地，避免数据泄露，满足用户隐私保护和数据安全的需求；

3、能够保证参与各方在保持独立性的情况下，进行信息与模型参数的加密交换，并同时获得成长；

4、建模效果与传统深度学习算法建模效果相差不大；

5、联邦学习是一个「闭环」的学习机制，模型效果取决于数据提供方的贡献。

在传统的方法下，用户只是人工智能的旁观者——使用，但没有参与；而在联邦学习场景下，每个人都是“驯龙高手”，每个人都是人工智能发展的参与者。

联邦学习：AI大规模落地又一革命性突破相关推荐

腾讯天衍实验室联合微众银行研发医疗联邦学习 AI利器让脑卒中预测准确率达80%
近几年,医疗行业正在经历一场数字化转型,这场基于大数据和AI技术的变革几乎改变了整个行业的方方面面,将"信息就是力量"这句箴言体现的淋漓尽致,人们对人工智能寄以厚望,希望它能真正深 ...
AI 大数据在数据隐私保护下如何普惠共享？CCF TF「联邦学习」研讨会给出了答案
雷锋网 AI 科技评论按:3 月 24 日,由 CCF 主办.微众银行和深圳大学微众金融科技研究院协办的第 14 期中国计算机学会技术前线研讨会于深圳大学科技楼二号报告厅圆满召开,研讨会的主题为「联邦 ...
平安科技王健宗：所有AI前沿技术，都能在联邦学习中大展身手
「AI 技术生态论」人物访谈栏目是 CSDN 发起的百万人学 AI 倡议下的重要组成部分.通过对 AI 生态顶级大咖.创业者.行业 KOL 的访谈,反映其对于行业的思考.未来趋势判断.技术实践,以及 ...
Sky Computing：利用空间异构分布式计算特性加速联邦学习
在AI浪潮中,无论是企业还是国家,对算力的需求都日益高涨.近期启动的"东数西算"项目,更是从宏观层面大力打造AI基础设施.但位于不同地理位置的计算机之间通信延迟较高,如何统筹兼顾. ...
年度回顾︳2019年FedAI联邦学习达成了哪些成就？
AI发展到现在,能否获得量大质优的数据已成为其进一步发展的重要制约因素.在大众越来越重视隐私数据的全球趋势下,联邦学习这一能保护数据安全及隐私的技术自然越发受到关注. FedAI联邦学习作为由微众银行 ...
刘洋——联邦学习技术在金融领域的研究与应用
⬆⬆⬆ 点击蓝字关注我们 AI TIME欢迎每一位AI爱好者的加入! 2020 年 9 月 26 日,在由中国科协主办,清华大学计算机科学与技术系.AI TIME 论道承办的<2020 中国科 ...
只看这一篇就够：快速了解联邦学习技术及应用实践
随着大数据的进一步发展,重视数据隐私和安全已经成为了世界性的趋势,同时,大多数行业数据呈现数据孤岛现象,如何在满足用户隐私保护.数据安全和政府法规的前提下,进行跨组织的数据合作是困扰人工智能从业者的一 ...
一文读懂联邦学习的前世今生（建议收藏）
前言联邦学习(Federated Learning)作为人工智能的一个新分支,为机器学习的新时代打开了大门.如果投票问人工智能和大数据应用领域有什么好玩又好用的新技术,"联邦学习" ...
AI落地遭“卡脖子”困境：为什么说联邦学习是解决良方？
作者 | Just 出品 | AI科技大本营(ID:rgznai100) 毋庸置疑,在业界对人工智能(AI)应用落地备受期待的时期,数据这一重要支点却越来越成为一个"卡脖子"的难题 ...

联邦学习：AI大规模落地又一革命性突破

联邦学习：AI大规模落地又一革命性突破

联邦学习：AI大规模落地又一革命性突破相关推荐

最新文章

热门文章