位置:编程技术网 > 云计算 > 正文 >

IJCAI 2019微众银行与IBM等机构联合举办首届联邦学习国际研讨会

2019年08月18日 12:20来源:未知手机版

上海龙之梦,爱大歌会,dnf艾泽拉

AI由概念到落地应用的关键阶段,不同企业之间存在的数据孤岛困境该如何解决?随着国际、国内数据监管不断加强,数据隐私和安全问题又将如何处理?联邦学习目前的发展现状如何,未来生态又该如何建设?

2019年8月12日,微众银行与IBM等机构在第28届国际人工智能联合会议(IJCAI 2019)期间,联合举办首届联邦学习国际研讨会(The 1st International Workshop on Federated Machine Learning for User Privacy and Data Confidentiality,FML’19),对上述问题进行探讨与交流。

研讨会上,IJCAI理事会主席、FML指导委员会主席、微众银行首席人工智能官杨强教授发表开场致辞,来自IBM的Shahrokh Daijavad博士与谷歌的Jakub Kone?ny博士发表主题演讲。来自微众银行、以色列巴伊兰大学、IBM、松鼠AI、谷歌、华为、星云Clustar、创新工场等知名公司和高校的国内外顶尖学者,在圆桌环节共同分享和探讨联邦学习这一人工智能新兴技术的成果和经验。

此次研讨会共收到40篇论文投稿,其中12篇现场讲解,19篇poster展示,最终评选出最佳理论论文、最佳应用论文、最佳学生论文、最佳演讲四大奖项,评选出的优秀论文也将同步在IEEE Intelligent Systems特刊上出版,吸引了众多学者参与联邦学习生态的建设与讨论。

聚焦联邦学习的理论逻辑与实践发展 IBM与谷歌专家分享突破性成果

数据隐私和安全正逐渐成为数字时代的关键性问题。去年5月25日欧盟《通用数据保护条例》(GDPR)正式实施,这项被称为“史上最严厉”的数据隐私保护法案强调,收集用户数据必须公开、透明。国内外的一系列法律法规向传统的数据处理和合作方式提出了全新的挑战。因此,探索人工智能如何适应全新的现实环境成了重中之重,本次联邦学习主题研讨会也应运而生。

研讨会上,来自IBM的Shahrokh Daijavad博士与来自谷歌的Jakub Kone?ny博士围绕联邦学习分别发表了演讲,分享了多种解决方案和突破性成果。

Shahrokh Daijavad博士提到了“融合AI (Fusion AI)”的概念,对于联邦学习在企业环境中应对挑战的方法做了分享。融合AI是让多个模型在广泛分布的数据集上进行训练,并融合这些模型以产生与集中训练相当的效果。Shahrokh Daijavad博士表示,融合AI与传统机器学习主要的区别在于,在融合AI技术下数据无需传输,而模型参数共享,这使得融合AI的模型效果比需要移动传输数据的模型更好。面对多种数据分散分布的场景,发展融合AI与联邦学习的重要性和紧迫性日益凸显。

Shahrokh Daijavad博士现场发表演讲

来自谷歌的Jakub Kone?ny博士在演讲中指出:“联邦学习可以让机器学习工程师和数据科学家高效地处理分散的数据,同时也兼顾了隐私问题。”在介绍了联邦学习的基本原理之后,Jakub Kone?ny博士分享了谷歌在联邦学习方面的应用案例。在Gboard输入法的案例中,当设备数据比服务器端代理数据更具备相关性、当设备数据涉及敏感隐私或数据庞大、当标签可以从用户交互中自然推断出来时,我们可以考虑使用联邦学习技术。使用联邦学习之后的Gboard输入法联想词预测准确率增加了24%,联想词条点击率增加了10%。

Jakub Kone?ny博士现场发表演讲

大咖齐聚圆桌会 共探联邦学习未来发展方向

会上,微众银行人工智能首席科学家范力欣博士主持了圆桌会,与以色列巴伊兰大学教授Benny Pinkas、IBM Academy of Technology的Shahrokh Daijavad博士、松鼠AI首席架构师Richard Tong、谷歌研究员Jakub Kone?ny博士、华为CBG软件部CTO Office张宝峰、星云Clustar执行副总裁张骏雪博士、创新工场人工智能研究所副总裁冯霁博士等专家学者在现场与参会者进行了深度互动,一起探讨联邦学习未来的发展方向。

本文地址:http://www.reviewcode.cn/yunjisuan/67632.html 转载请注明出处!

今日热点资讯