澳门新莆京免费网址欢迎您

澳门新莆京免费网址欢迎您 4
澳门新莆京免费网址欢迎您工信部向三大运营商和中国广电发放5G商用牌照!中国进入5G商用元年
澳门新莆京免费网址欢迎您 1
英停售华为5G手机 同时芯片研发受阻-热点

澳门新莆京微众银行成为 Linux 基金会黄金会员,贡献自研开源项目 FATE

AI(人工智能)落地场景在不断增多,但赚钱依旧艰难。亿欧报告显示,2018年全年,近90%的人工智能公司处于亏损状态,而10%赚钱的企业基本是技术提供商。从谈概念、讲技术,到拼场景、抢落地,建立在大数据基础之上的人工智能,仍面临数据本身带来的挑战。“我们经常提及大数据,但事实上我们并不需要那么多的数据,AI未来的一个趋势是小数据崛起。”在市北·GMIS2019全球数据智能峰会上,斯坦福大学教授、Landing.ai创始人、CEO吴恩达表示。一个具体的案例是工厂手机屏幕划痕检测。目前不少是利用人眼来检测手机是否存在划痕,如果拥有100万个划痕手机,AI可以非常高效地识别手机划痕。但现实情况是没有任何工厂会有几百万不同划痕的手机,这个时候小样本学习(fewshotlearning),即利用较少的数据得出同样准确结论的人工智能,将有助于推动整个领域的发展。小样本学习的迫切性更在于落地过程面临的数据孤岛、数据隐私保护导致的数据割裂问题,让AI技术很难充分发挥价值。“和AI用于比赛需要上千万的图片训练不同,当AI深入行业我们看到的数据往往是小数据和细碎的数据,也就是没有联通起来的数据,再先进的AI技术也很难用上。”国际人工智能学会理事长、香港科技大学教授、微众银行首席人工智能官杨强说道。今年5月,国家互联网信息办公室发布了《数据安全管理办法(征求意见稿)》,提出在中国境内利用网络开展数据、存储、传输、处理、使用等活动,以及数据安全的保护和监督管理意见。杨强认为“中国版GDPR(通用数据保护条例)”即将到来,数据隐私在走向严格化、全面化,这使得企业在实际应用中可以使用的数据维度和范围并不大。数据隐私保护的趋严,为人工智能技术升级提供了契机。以保险行业利用AI进行个性化定价为例,背后需要业务数据和用户互联网行为数据融合,理想的状态是可以拿到非常丰富的用户画像,与用户的ID高度匹配,但实际情况迫于隐私、安全、法规等原因,企业可以应用的数据是非常有限的。再例如在小微企业贷款应用方面,AI需要引入票据数据、资产数据、舆情数据等,但由于数据的割裂,实际应用中只能使用一些政府的数据,例如央行的征信报告,但这些报告只能覆盖不到10%的人群。这一问题在医疗领域更为明显,不同医院的医疗影像数据很难汇聚到一起,形成大数据来训练一个医疗模型。针对数据割裂带来的人工智能落地难问题,杨强提出了联邦学习。所谓联邦学习,是多个数据方之间组成一个联盟,共同参与到全局建模的建设中,各方之间在保护数据隐私和模型参数基础上,仅共享模型加密后的参数,让共享模型达到更优的效果。据杨强介绍,联邦学习分为横向联邦和纵向联邦,横向联邦是指企业各方数据维度相同、ID维度不同,更多存在于消费者应用中;纵向联邦是指企业各方数据的ID维度相同(样本重叠)、数据维度不同,更多存在于B端应用。杨强认为联邦学习最大的优势是保证数据不出户,通过生态在不同行业选取合作伙伴,用群体智能不断提升模型效果。因此联邦学习一定是多方共同协作组成一个联盟,生态的建设十分重要。面对AI落地难、盈利难问题,吴恩达则认为,在期待AI为企业带来红利之前,企业需要避免几个陷阱。首先AI技术会影响很多企业做业务的核心,所以选择项目是非常重要的,从小的项目开始,可以建立好的基础,同时帮团队获得动能。其次团队建设不能仅依靠明星工程师,而是要建立一个完善的、跨学科、跨职能的团队。同时不要期待AI立刻产生作用,而是要多次尝试,对AI发展的回报曲线进行合理预算。不要使用传统的流程评估人工智能项目,应该为AI项目团队设立合适的KPI和目标。“有关AI的应用越来越多了,但企业的AI转型并不是开发一个APP这么简单,不要指望AI解决所有的问题,也不要指望AI项目一次性就成功。”吴恩达表示。

6 月 15 日 ,IEEE P3652.1 ( 联邦学习基础架构与应用 )
标准工作组第二次会议在美国洛杉矶召开 ,
创新工场、微众银行、京东、第四范式、中电科大数据研究院、星云
Clustar、松鼠
AI、Eduworks、瑞士再保险、doc.ai、同盾科技等企业及研究机构参会。

6 月 24 日 , 全球知名非营利性组织 Linux 基金会 KubeCon + CloudNativeCon

联邦学习是前沿的人工智能技术 ,
能在保护用户隐私的前提下实现机构间联合建模 , 共同提升 AI 效果 ,
有望成为下一代人工智能协作网络的基础。IEEE
联邦学习标准的项目由微众银行发起 , 于 2018 年 12 月获批 ,
是国际上首个针对人工智能协同技术框架订立标准的项目。国际人工智能专家、微众银行首席人工智能官杨强教授担任标准制定工作组主席
, 海内外已有 13
家来自科技、金融、教育、医疗等不同行业的知名研究机构及企业作为工作组成员共同参与
, 目前成员数量还在不断增加。

  • 澳门新莆京,Open Source Summit 大会在上海举办 , 会上宣布微众银行成为 Linux
    基金的最新黄金会员 ,
    也是目前唯一一家成为黄金会员的金融机构。同时微众银行宣布将自主研发的联邦学习开源项目
    FATE 贡献给 Linux 基金会。

澳门新莆京 1

澳门新莆京 2

此次会议由创新工场提供会议支持 , 继今年 2
月在深圳召开第一次标准工作组会议之后 ,
工作组成员梳理了各自领域内的联邦学习典型案例 ,
此次会议上对联邦学习标准的具体形式及内容进行了讨论 ,
对联邦学习的定义、框架、案例进行了研讨和分析。专家们从各自的研究和产业实践出发
, 对标准草案的制定提出了建设性意见。

Federated AI Technology Enabler ( 简称 FATE ) 是微众银行 AI 团队在今年 2
月推出的全球首个工业级别联邦学习框架 ,
可以让企业和机构在保护数据安全和数据隐私的前提下进行 AI 协作。

随着各领域各行业的企业和机构陆续加入 , 标准制定的进度正在加快 , 据悉 ,8
月 11 日将在澳门举办第三次工作组会议 , 从更多维度探讨联邦学习 ,
并且预计明年会有标准草案初稿出台。对于联邦学习这项新技术而言 ,
技术标准的出台将标志着技术向更通用、更成熟的方向发展 ,
为社会各界共建联邦生态奠定基础 , 同时为立法和监管提供技术依据。

在促进共享发展 , 避免数据与平台垄断和尊重保护个人隐私之间如何兼顾 ,
是困扰人工智能从业者的一大难题。而 ” 联邦学习 ”
将成为解决这一行业性难题的关键技术。联邦学习的优势在于能够保证参与各方在数据不出本地
, 保持数据独立性的情况下 , 多方共建模型 ,
共同提升机器学习效果。在满足用户隐私保护和数据安全需求的同时 ,
共同获得成长。

除了国际标准制定 , 联邦学习相关的学术研究、行业落地的探索也在加速进行。8
月 12 日 , 在 2019 国际人工智能联合会议 上 , 微众银行、IBM
将牵头举办面向数据安全与隐私保护的联邦学习技术国际研讨会 ,
海内外顶级专家学者将齐聚一堂 ,
探讨联邦学习的最新研究成果。在行业应用层面 , 微众银行 AI
团队开源了全球首个联邦学习 “FATE ( Federated AI Technology Enabler ) ”
框架 ,
在信贷风控、客户权益定价、监管科技等领域推出了相应的商用方案并已有相关落地案例。

目前 ,
我国在联邦学习方面的研究和应用已颇具领先性。微众银行是国内的首倡者 ,
在国际人工智能专家、微众银行首席人工智能官杨强教授的带领下首次提出了 ”
联邦迁移学习 “, 更通过领衔联邦学习国际标准 ( IEEE 标准 )
制定和开源自研项目 FATE 和来推动联邦学习技术在行业中的落地应用。

在数据安全、数据隐私保护越发受到关注的当下 ,
联邦学习或将搭建起机构与用户间数据信任、科技向善的桥梁 ,
开辟人工智能行业发展新方向。

微众银行首席人工智能官杨强教授表示 ,Linux 基金会是全球开源组织的重要代表
, 与 Linux 基金会的紧密合作是微众银行深入开源社区的重要一步。”
我们将充分利用基金会在开源管理、法律规章、活动执行、市场营销等领域的专业知识
, 并履行作为黄金会员的承诺 , 进一步为开源社区提供资源与支持 ,
持续反哺社区 , 通过开源向整个业界回馈技术成果。”

作为一个工业级的联邦学习框架 ,FATE
项目不仅提供了一系列开箱即用的联邦学习算法、比如 LR、GBDT、DNN 等等 ,
更重要的是给开发者提供了实现联邦学习算法和系统的范本 ,
大部分传统算法都可以经过一定改造适配到联邦学习框架中来。同时 ,FATE
提供了一套友好的跨域交互信息管理方案 ,
解决了联邦学习信息安全审计难的问题。目前 , 微众银行 AI 团队已经推动 FATE
在信贷风控 , 客户权益定价 , 监管科技等领域的一系列应用落地。

全球人工智能发展进入新阶段 ,
呈现出跨界融合、群智开放等新特征。微众银行贡献开源项目 FATE,
为国内外的开源事业提供良好的企业范本 ,
同时也为广大开发者获得人工智能技术的进阶机会 ,
并为业内解决数据孤岛和数据隐私问题提供了新的路径。这对开发者、数据方以及广大用户而言都将是一项多方共赢的举措。

相关文章

No Comments, Be The First!
近期评论
    功能
    网站地图xml地图