2019年8月29日至8月31日,2019世界人工智能大會(WAIC)于上海世博中心拉開帷幕。作為世界頂尖的人工智能合作交流平臺,本次WAIC大會以“智聯世界無限可能”為主題,圍繞人工智能領域的技術前沿、產業趨勢及熱點話題展開討論。大會聚集全球人工智能領域最具影響力的科學家、企業家與相關政府領導人,吸引超過50位學術界領軍人物與超過100位產業界領袖一同參會。

其中,微眾銀行深度參與了WAIC大會的多個議程,微眾銀行首席人工智能官楊強教授分別在8月29日的主論壇-科學前沿、8月30日的國際前沿算法分論壇中發表了《人工智能的最后一公里——聯邦學習的最新應用》、《人工智能的“先行區”》兩場演講,針對當下人工智能落地面臨的多個挑戰,提出聯邦學習全新解決思路,并分享了人工智能領域的最新算法研究。在大會的黑客馬拉松環節,微眾銀行主辦“智能垃圾分類挑戰賽”,發展在垃圾圖片上的人工智能識別技術,助力AI技術應用落地環保領域。

以聯邦學習技術應對 AI落地的雙重挑戰

隨著人工智能技術的深入發展及落地,其潛在的許多問題也日益明顯。在WAIC大會主論壇的演講中,楊強教授提出了當前人工智能發展面臨的雙重挑戰——“數據孤島”與數據安全問題。在我們的認知中,“人工智能”常常與“大數據”相提并論,然而現實情況卻是數據多以孤島的形式存在。在法律、金融、醫療等多數行業擁有的是小數據與零散的數據,即使是同一個企業的多個部門,彼此的數據也無法互通。另外,《通用數據保護條例》(GDPR)等法規的實施,對數據隱私的保護愈發嚴格,極度依賴數據的機器學習面臨著前所未有的困境。

面對以上兩大挑戰,楊強教授分享了“聯邦學習”這一全新的概念。作為一種新興的人工智能技術,“聯邦學習”由微眾銀行AI團隊在國內首次引進,能在不共享“數據”的前提下,共享“知識”,用協作實現聯合模型的性能提升,以此保障數據在模型構建過程中的安全性,從而盤活“數據孤島”并解決數據隱私問題。針對實際應用中的不同場景,微眾銀行AI團隊提出“橫向聯邦學習”、“縱向聯邦學習”、“聯邦遷移學習”多個種類,其中“聯邦遷移學習”將“遷移學習”與“聯邦學習”融合,讓跨機構合作突破了行業、數據類型等多重限制。在演講中,楊強教授詳細講解了不同類型的聯邦學習技術適用的不同建模情境。

探索協同建模新規范,共建聯邦學習合作生態

在完善“聯邦學習”理論的基礎之上,更要建立起企業間協同建模的規范。在WAIC大會主論壇演講中,楊強教授重點強調了這一問題。他認為,目前要通過建設激勵機制、建立共同標準等方式,推動行業中的數據所有者共同參與聯邦學習生態共建,讓所有參與方受益于合規的聯合建模鏈條,在遵循數據保護法規的同時享受數據福利,推動聯邦學習的進一步落地。

此前,微眾銀行AI團隊在推動建立聯邦學習合作生態,應對AI在金融等領域的落地難題方面已經有所建樹。微眾銀行AI團隊構建了FedAI聯邦學習合作生態,自主研發并開源全球首個工業級聯邦學習框架——FATE(Federated AI Technology Enabler)使大部分傳統算法可以經過改造適配到聯邦學習框架中,從而快速加入聯邦學習生態。

在提供技術保障的同時,微眾銀行AI團隊還致力于建立起聯邦學習在企業之間的對話語言。去年12月,由微眾銀行發起的國際上首個針對人工智能協同技術框架訂立標準的項目——IEEE聯邦學習標準項目獲批,直至今年8月,已經成功召開了三次會議,有效推進了聯邦學習國際標準草案的制定。楊強教授在會上提到,聯邦學習標準的制定,將更進一步為聯邦學習在各行業的落地應用提供規范,為社會各界合作奠定基礎,從而吸引各行各業參與到聯邦學習未來的學術研究與落地應用中來。

聚焦AI技術三要素,推動人工智能產業化

在本屆WAIC大會的的國際前沿算法分論壇中,楊強教授提出,推動AI技術廣泛落地并實現人工智能產業化的關鍵在于解決AI技術三要素——算法、數據、算力面臨的困境。會上,楊強教授分別針對這三大困境——“如何實現AI算法設計的自動化”、“如何應對AI數據缺失問題”、“AI算力架構怎么設計”進行了講解。