前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >王健宗:联邦智能如何加速AI落地

王健宗:联邦智能如何加速AI落地

作者头像
马上科普尚尚
发布2020-05-13 16:57:38
5470
发布2020-05-13 16:57:38
举报
文章被收录于专栏:人工智能前沿讲习

报告导读

本文报告介绍了联邦智能及其应用场景,阐述了企业在大数据在隐私保护下如何实现共同进行联邦学习,同时带来了联邦推理、联邦可视化和联邦数据中心等应用场景。

专家介绍

王健宗,平安科技联邦学习技术部总经理,深圳市金融智能机器人研究中心常务副主任,中国人工智能开源软件发展联盟副理事长,平安科技副总工程师,资深人工智能总监,平安联邦学习平台和AutoML平台总设计师,深圳市领军人才,高级工程师。现任中国计算机学会大数据专家委员会委员,高级会员,YOCSEF深圳副主席,曾任美国莱斯大学电子与计算机工程系研究员。发表国际论文30余篇,以及发明专利100多项。主要从事联邦学习和人工智能等领域的研究。

报告内容

在今年的5月28日的时候,国家有颁布数据安全管理的办法,这个办法基本非常详实规定了对用户如何用、如何进行隐私保护。基于这样的办法,很多做爬虫的公司都遇到一些困难,很多大的公司也说“我并没有爬虫部门,没有爬取过任何数据”。这个办法明确规定爬虫应该怎么用、如何用、能不能用,这是非常明确的规定。正是这样一个大的趋势,所以目前对隐私保护,对数据安全的重视,包括对未来人工智能要落地的时候,现在必须要把数据合到一起,但是能不能合,怎么合,这一块国家在政策法规上都有明确规定。

大家知道,很多隐私泄露数据的情况被爆出来,包括315晚会曝出的黑幕,还有美国facebook也有隐私数据的泄露。所以我们最希望的是把数据合到一起,基于基础的best name的模型,结合本地企业、本地个人的数据,延伸更好的模型。包括很多行业的数据,比如电信和金融的用户数据更好地融合,但是这些数据在融合过程中遇到各种各样的困难,我们用的时候也发现,希望自己的数据不能乱用,要基于国家的法律法规,包括外面的数据要合法合规,保证出现前面相关的风险。

人工智能的未来在哪里呢?我正好找到这个,叫联邦智能。大家联邦学习听了很多,就是以联邦学习技术为基础,但是基于破除隐私的孤岛,实现数据共享,包括联邦的推理、联邦可视化、联邦数据中心,包括如何实现大数据在隐私保护下、共享情况下的争议,希望在最后一公里,共同进行联邦学习。

在隐私保护下,怎么样进行多个建模。包括后面的联邦推理是什么,这个也很迫切。做各种AI的公司,首先想到会用一些云的服务,要考虑的是数据共享到云端,这些数据可能是隐私数据,这样可能是不是本地部署。在这种情况下,在使用云端服务的情况下,保证数据隐私的保护,这是联邦推理的技术。包括联邦可视化,现在我们在推联邦学习的过程中,很多客户非常care,到底学习的过程有没有数据泄露,有没有偷我的数据,这一块希望能够更多透明地呈现给大家,实现整个联邦的可视化。包括联邦的激励机制,大家在用联邦学习的过程中,很多公司来讲希望用别人的数据,自己的数据不希望共享给别人。但是,整个过程中大家形成一个共享机制,共同的约束规定,在共同的联邦学习框架下实现争议,这也是一个技术。包括联邦数据中心,这个在大数据时代提供很多,怎么有可行的计算环境,怎么在各个数据和孤岛之间进行建模。这个在学术圈会发现,从去年开始到现在不到一年,相关的课题、工业界的百度词条等等,都呈现爆发式的增长。

联邦学习大家会慢慢比较清楚,怎么样保证安全性、隐私性和数据合法性,实现各个节点之间跨企业、跨节点的共同建模。刚才我说了,联邦学习、联邦推理,实际在云端的能力,我们也希望能够用上。因为云端的能力,可以实时实现模型的跟点,如果本地部署必然有一个滞后期。所以在数据传输的时候,我们希望数据相关给云端模型推理的时候实现过加密,而回传的时候也实现过加密。但是这个可以延伸到很多领域,图像、文本都需要联邦推理,能够用在云端并且能够很好地做好隐私保护,不把客户的隐私数据传到云端。

联邦的可视化,我们自己开发一个小的可视化平台,希望用户利用这个平台的时候,能够很快看到我是跟哪一方联邦学习,同时数据传的是不是有十几数据,整个透明化都能看到,从分析的过程、可视化结合的过程,包括最后分析的结果,都完全可视化。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-12-22,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 人工智能前沿讲习 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
联邦学习
联邦学习(Federated Learning,FELE)是一种打破数据孤岛、释放 AI 应用潜能的分布式机器学习技术,能够让联邦学习各参与方在不披露底层数据和底层数据加密(混淆)形态的前提下,通过交换加密的机器学习中间结果实现联合建模。该产品兼顾AI应用与隐私保护,开放合作,协同性高,充分释放大数据生产力,广泛适用于金融、消费互联网等行业的业务创新场景。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档