RSS订阅 加入收藏  设为首页
葡京网站葡京
当前位置:首页 > 葡京网站葡京

葡京网站葡京:微众银行AI团队亮相CCF年度盛会 探讨下一个十年

时间:2019/5/31 2:27:22  作者:  来源:  浏览:0  评论:0
内容摘要:   人工智能发展应用越来越广泛,所面临的挑战也日益凸显。人工智能离不开大数据,然而现在多数行业中遇到的是小数据,是数据割裂、数据孤岛,这是限制人工智能发展的一大瓶颈,能否用技术方法解决这个问题?数据隐私保护日益严格,传统打通数据的方式受限,如何建立起安全有效的数据协作机制?针对...
      人工智能发展应用越来越广泛,所面临的挑战也日益凸显。人工智能离不开大数据,然而现在多数行业中遇到的是小数据,是数据割裂、数据孤岛,这是限制人工智能发展的一大瓶颈,能否用技术方法解决这个问题?数据隐私保护日益严格,传统打通数据的方式受限,如何建立起安全有效的数据协作机制?针对以上问题,微众银行首席人工智能官(CAIO)杨强教授在特邀报告《用户隐私,数据孤岛和联邦迁移学习》中指出:“迁移学习”是将大数据迁移到小数据,实现举一反三,而“联邦学习”则可以让多个参与方数据不出本地进行合作,“联邦迁移学习”将“迁移学习”和“联邦学习”结合起来,系统介绍了联邦迁移学习如何帮助不同机构打破隔阂,联合建立AI模型,同时各方数据不出本地,用户隐私得到最好保护。
杨强教授通过详实生动的案例展示了联邦迁移学习现阶段已经落地的行业应用,包括金融领域各机构联合建立企业风控模型、银行间联合建立反洗钱模型、城市管理中的视觉应用等,指出联邦迁移学习可以让机构在不共享数据的情况下合作提升机器学习效果,对模型提升率高达15%并且可以实现模型效果无损失,具有广阔的行业应用空间,随着联邦生态的不断完善和国际标准制定的不断推进,一定可以发挥更大的行业价值。

  大会特设的“联邦学习及用户隐私”专题论坛,围绕“联邦学习”和“数据安全”、“用户隐私”展开讨论,吸引了大批专家、学者和青年精英参与。会上提到,“联邦学习(Federated Learning)”是一种加密的分布式机器学习技术,让参与各方在自有数据不出本地,保护数据隐私的前提下进行联合建模,提升机器学习的效果,为数据隐私保护提供了新思路。目前在这项技术的研究上,我国居于世界前列。谷歌提出了基于手机终端的联邦学习算法框架, 在杨强的带领下,微众银行AI团队开源了全球首个工业级的“联邦学习”技术框架Federated AI Technology Enabler(FATE),借助通用的联邦学习解决方案,推动联邦学习技术在行业中的落地应用。

相关评论

本类更新

本类推荐

本类排行

本站所有站内信息仅供娱乐参考,不作任何商业用途,不以营利为目的,专注分享快乐,欢迎收藏本站!
所有信息均来自:百度一下 (澳门葡京网站)