人工智能发展目前所面临的严重挑战是什么?众所周知,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,成为限制人工智能发展的一大瓶颈。人工智能领域的科学家们如何解决这一难题?
8 月 16 日,第二十八届国际联合人工智能大会(IJCAI 2019)在澳门成功闭幕。
最近一段时间,某银行向「大客户」泄露用户银行流水的新闻引发了热烈讨论。对此,央视新闻点评道,「别把用户信息扔出池子」。「如果轻易将用户信息扔出池子,那任何企业和机构都『中看不中用』,势必丢掉广大用户,也要受到法律惩处」。
NeurIPS发布联邦学习论文41篇,较前一年有近30%的增长幅度;ICML则在2022年收录联邦学习论文74篇,几乎成倍于2021年。
2019年12月8日至12月14日,微众银行首席人工智能官杨强教授受邀参加于加拿大温哥华举办的人工智能和机器学习领域的国际顶级会议:神经信息处理系统大会(Conference and Workshop on Neural Information Processing Systems,简称NeurIPS)。在微众银行联合谷歌、卡内基梅隆大学举办的联邦学习国际研讨会上,杨强教授以《Federated Recommendation》为主题,分享了微众银行首创的联邦推荐技术的最新研究成果和落地应用。
近日,微众银行将联邦学习开源框架 FATE(Federated AI Technology Enabler)贡献给 Linux 基金会,并希望通过多方维护令该项目更加强大。同时,中国人工智能开源软件发展联盟(AIOSS)发布了我国第一个关于联邦学习规范标准,这些都表明联邦学习从理论到实践都在快速提升。
近日,微众银行揭晓首届微众学者计划名单,共有 5 位来自我国顶尖高校的 40 岁以下的青年学者入选,他们分别是中山大学教授及软件工程学院副院长郑子彬、清华大学软件学院副教授姜宇、北京航空航天大学计算机学院教授童咏昕、同济大学生物信息系长聘教授刘琦、香港科技大学计算机科学与工程系长聘副教授王威。
11月8日, 2021年微众银行第三届金融科技高校技术大赛(以下简称“大赛”)在深圳成功落下帷幕。 本届大赛历时80天,共有220余支队伍,总计800余名海内外高校学生参与。在人工智能赛道,最终HBE、AIFT PLATFORM、仙交涵英分列前三;区块链赛道则是由关山口男子职业技术学院联创分部、安产链队、上园村小红果夺得前三名,大赛高达46万的奖金池终有归属。 本届大赛由微众银行、深圳大学微众金融科技学院联合主办,并由FISCO金链盟、北京大学深圳研究生院、中国电子技术标准化研究院提供技术指导。 人工智
👆关注“博文视点Broadview”,获取文末赠书 联邦学习——一种新型的、基于数据隐私保护技术实现的分布式训练范式。 自提出以来,就受到了学术界和工业界的广泛关注。 近年来,联邦学习飞速发展,成为解决数据孤岛和用户隐私问题的首选方案。 如何应用联邦学习进行实战,也成了大家普遍关心的问题。 为了帮助大家更好地将联邦学习应用在实际项目中,杨强教授再次带领团队撰写了国内首本联邦学习实战的权威著作——《联邦学习实战(全彩)》。 本书结合联邦学习案例,有助于读者更深入地理解联邦学习这一新兴的学科。 全书分
互联网彻底改变了我们的购物方式。只需点击搜索按钮,数以千计的相关商品便会立即弹出来。在这个过程中,无论我们是否意识到,我们都正在使用 推荐系统(Recommendation System,RS)。
当地时间2021年12月10日,美国财政部把中国人工智能公司商汤科技列入投资黑名单,理由是商汤科技“人脸识别技术涉嫌侵犯人权”。而12月10日正是商汤科技为其香港IPO定价的时间。
没有哪一项技术像人工智能一样,绵延数十年,引领数次风口。从60年前的达特茅斯会议到深蓝国际象棋再到AlphaGo,人工智能一直在持续着迭代、创新。联邦学习,就是人工智能与大数据行业一个新兴的技术,它的出现,有望解决数据孤岛的难题。
随着大数据的进一步发展,重视数据隐私和安全已经成为了世界性的趋势,同时,大多数行业数据呈现数据孤岛现象,如何在满足用户隐私保护、数据安全和政府法规的前提下,进行跨组织的数据合作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。
作为国内第一家互联网银行、也是首家民营银行,微众银行坚持科技立行、科技兴行的发展之路,致力于推进科技创新,勇于开拓、积极创新,为探索互联网金融新路、践行普惠金融做出自己的贡献。
5月29日,由VMware中国研发中心和微众银行联合主办的FATE× KubeFATE技术实践沙龙-北京站顺利举办,来自VMware、微众银行、建信金科、光大科技、中国银联、星云Clustar、爱动科技等多位技术专家现场分享了联邦学习相关应用与实践案例。 本次技术沙龙所有讲师的回放视频 将会分为(上)(下)两篇文章推出 上半场都有哪些精彩分享呢? 一起来看看 活动主持人VMware中国研发中心技术总监张海宁。 01 VMware中国研发中心总经理、“VMware创新网络”联合发起人任道远致开场辞
近来,微众银行在IJCAI 2022、TPAMI 2022、ACM TIST等顶级学术期刊和顶会上接连发表了联邦学习领域最新进展的前沿论文。究竟哪些理论实践为产业界带来了新的研究和落地视角?为此,我们采访了微众银行首席人工智能官杨强教授,看他是如何带领团队取得这一领域研究的突破性进展。
5月29日,由VMware中国研发中心和微众银行联合主办的FATE× KubeFATE技术实践沙龙-北京站顺利举办,来自VMware、微众银行、建信金科、光大科技、中国银联、星云Clustar、爱动科技等多位技术专家现场分享了联邦学习相关应用与实践案例。 本次技术沙龙所有讲师的回放视频 将会分为(上)(下)两篇文章推出 下半场还有哪些精彩分享呢? 继续来看看 06 光大科技数据工程师李钰在主题演讲“金融控股集团联邦学习技术实践”中和大家分享了在数据强监管下,金融控股集团面临的数据协同挑战及解决方案
以AI落地最多、最快的安防行业为例,过去几年,行业各类神捕、鹰眼等产品让人眼花缭乱。
数据的资产属性赋予了数据巨大的价值,数据的使用有极其广阔的前景;而用户对隐私保护的要求又极大限制了数据的使用。 在这种两难的情景下,基于数据隐私保护技术实现的分布式训练范式——联邦学习——应运而生,受到学术界和工业界的广泛关注。 为了帮助读者们更好地将联邦学习进行落地应用,博文视点特地邀请到微众银行资深人工智能算法专家黄安埠老师为大家直播分享“实践中的联邦学习——落地应用案例讲解”,从实战的角度,讲述联邦学习部分已落地的应用案例,既可为工业实践者提供案例,又可引领初学者入门。 分享主题:实践中的联邦学习—
AI 科技评论按:香港科技大学讲席教授、微众银行首席人工智能官(CAIO)杨强教授是机器学习领域内活动积极的学者,也是大家非常熟悉的机器学习研究人员之一。
在新一轮的科技革命中,以大数据、人工智能、云计算等为代表的新一代信息技术迅速发展,为社会经济实现高质量发展提供了新动能。11月13日,佛山市顺德区政府与腾讯公司签署战略合作协议,双方将就采用数字化手段、新兴技术优化顺德营商环境、金融普惠等事项上展开深入合作。
可信联邦学习 (Trustworthy federated learning) 是一种增强型的联邦学习,它除了保证原始数据的隐私安全和模型的可证安全,还保证学习过程的高效率和模型的可用性,模型决策机制的可解释性、及模型的可溯源和审计监管。 为了帮助读者了解可信联邦学习前沿进展,机器之心机动组组织策划了最新一期视频分享。 在此次分享中,加拿大工程院及加拿大皇家科学院两院院士,微众银行首席人工智能官杨强老师将首先为我们系统回顾联邦学习的进展和挑战,并展望几个重要发展方向。而后以下四篇论文作者将从不同角度介绍可信
从“自给自足”的To C模式,到企业之间互联互通的To B模式,再到金融、医疗、安防全场景应用的过程。
(我们正在参与 FATE 开源社区里面的工作,也欢迎联邦学习、隐私计算等领域的开发者和用户,来与我们合作或参与项目。) 相关信息:FATE开源社区3月份开发工作进展 FATE开源项目作为全球首个工业级联邦学习开源框架,从发布至今,历经多个版本迭代,每一次的优化和升级,都让FATE更加健全和成熟。正是对技术的不懈追求和探索,让FATE成为了国内领先的联邦学习开源社区。 4月15日,由FATE开源社区发起的系列线上公开课——FATE 「LIGHT UP」计划第二期继续为大家带来精彩内容!本次我们邀请到两位社区核
题图摄于北京奥林匹克森林公园 相关文章: 联邦学习:人工智能的最后一公里 KubeFATE: 用云原生技术赋能联邦学习(一) 用FATE进行图片识别的联邦学习 (本文经授权转发自FATE开源社区公众号,略有删节) 近日,微众银行首席人工智能官杨强教授结合最新发布的《联邦学习白皮书v2.0》,对联邦学习研究与应用价值展开了最前沿的讨论和分享。 联邦学习作为当前人工智能尤其是AI金融领域,最受工业界和学术界关注的研究方向之一,有哪些前沿研究与应用?欢迎戳下方视频回顾精彩回放,同时直播PPT内容也上传到了公
当抗疫战场上的好消息不断传来,关于“城市免疫力”的话题也不断升温。除了公共医疗与我们自身健康上的免疫能力,一座城市如何提高自己的免疫能力,更好应对相关危险,成为了公共话语讨论的焦点。
作为云原生应用的必备组件, Harbor 已经在多个开源项目中得到集成和应用,本文介绍 Harbor 在联邦学习开源项目 FATE 及 KubeFATE 中的应用。
近日,在百大人物峰会上,创新工场创始人李开复谈及数据隐私保护和监管问题时,表示:“人们不应该只将人工智能带来的隐私问题视为一个监管问题,可尝试用‘以子之矛攻己之盾’——用更好的技术解决技术带来的挑战,例如同态加密、联邦学习等技术。”
题图摄于北京北三环 (本文作者系 VMware 中国研发云原生实验室架构师,联邦学习 KubeFATE / FATE 开源项目维护者和贡献者。) 相关信息:招聘云原生工程师 需要加入KubeFATE开源项目讨论群的同学,请关注本公众号后回复 “kubefate” 即可。 联邦学习 人工智能的成功在很大程度上取决于用于训练有效预测模型数据的数量和质量。在企业内部,数据通常作为孤立的数据孤岛被储存在服务器中。同时,商业竞争或隐私保护法律的限制,企业之间不能直接共享数据。 基于这些原因,许多企业或部门的数据样本
易方达持续大力投入、以高新技术改造公司各项业务的全流程,在信息系统建设和科技应用上取得了一个又一个的行业第一和领先。
题图摄于香港太平山顶 本文中介绍的四篇关于可信联邦学习的论文已经在开源项目 FATE 的 research 仓库中存放,感兴趣的读者可以查阅。( https://github.com/FederatedAI/research ) 日前,由机器之心策划的线上视频直播——可信联邦学习(Trustworthy federated learning)论文线上分享成功举办。香港科技大学计算机与工程系讲座教授和前系主任、中国人工智能学会(CAAI)荣誉副理事长杨强教授带领四篇可信联邦学习最新论文的作者,对该领域的前沿
需要加入KubeFATE开源项目讨论群的同学,请关注本公众号后回复 “kubefate” 即可。 VMware招聘联邦学习、隐私计算开发工程师 转发一则联邦学习讲座消息: 在深度学习大放异彩的AI时代,计算机视觉是AI应用的重要领域之一。而联邦学习,作为AI应用的最后一公里。在数据安全、隐私保护备受重视的今天,联邦学习在视觉领域的探索,也在不断推进中。 微众银行联邦学习团队,近期就在GitHub(https://github.com/FederatedAI/FedVision)上开源了FedVision
7 月 9 日,13:30 - 17:15,腾讯大数据联合DataFun举办的《数据安全与隐私计算峰会》将会在视频号开启直播,由腾讯 Angel PowerFL 隐私计算平台负责人程勇老师出品的「广告推荐与隐私计算论坛」,将邀请来自腾讯、浙江大学、百度、华为、OPPO的5位专家学者,针对广告推荐场景下隐私计算的技术发展趋势和应用实践进行深度分享,欢迎大家一起探讨交流。 出品人:程勇 腾讯 Angel PowerFL 隐私计算平台负责人 腾讯 Angel PowerFL 隐私计算平台负责人,中国专利审查技
2021年3月30日,IEEE标准协会(IEEE Standards Association)通过确认联邦学习架构和应用规范的标准P3652.1(Guide for Architectural Framework and Application of Federated Machine Learning),并发布正式标准文件(IEEE P3652.1)。
谷歌于2017年提出联邦学习的训练方法,发表了相关博客链接[1],从[1]这篇文章的标题《Federated Learning: Collaborative Machine Learning without Centralized Training Data》可以看出来谷歌对于联邦学习的基本定义是,无需通过中心化的数据,即可训练一个机器学习模型。
随着我国率先进入5G的商用部署,真正的智能时代已经来临了,但是我们仍有很多技术问题需要深入探讨和切实解决,需要来自不同行业、不同技术领域的人士携手合作。 2019年9月17日在上海华为研究所举办的首届中国区LF AI Day中,来自华为、腾讯、百度、阿里云、滴滴、Tesra超算网络和微众银行等多方资深技术专家齐聚一堂,分享AI的应用与实践,现场参会百余人,线上直播点击率达1500+。错过现场的伙伴们,小编为你准备了现场花絮,一起来回顾下大会精彩瞬间吧! 议题分享 黄海军,华为NAIE云服务
2019年3月,创新工场南京国际人工智能研究院执行院长冯霁代表创新工场当选为IEEE联邦学习标准制定委员会副主席,着手推进制定AI协同及大数据安全领域首个国际标准。
毋庸置疑,在业界对人工智能(AI)应用落地备受期待的时期,数据这一重要支点却越来越成为一个“卡脖子”的难题。
作为深圳市首届金融科技峰会的一环,本届论坛以“金融科技产学研助力新时代”为主题,旨在积聚政、学、企多方力量,推动学校人才培养供给侧与产业需求侧紧密对接,提高产业项目研发能力,以促进产业快速升级,共同迈进金融科技新时代。
疫情期间,在家办公需求暴涨,从今年1月29日开始到2月6日,腾讯会议每天都在进行资源扩容,日均扩容云主机接近1.5万台,8天总共扩容超过10万台云主机,共涉及超百万核的计算资源投入,刷新了中国云计算史上前所未有的记录。在腾讯安全打造的云原生安全体系下,腾讯会议抗住了体量扩大的压力,为千万量级的用户提供各种会议场景的安全守护。
随着云计算和大数据技术的不断发展,以人工智能为基础的数据分析与数据挖掘让大数据释放出巨大价值,已成为企业业务创新、业绩增长的重要手段。
Fate 是一个工业级联邦学习框架,所谓联邦学习指的就是可以联合多方的数据,共同构建一个模型;
8月7日-8月9日,2020年全球人工智能和机器人峰会(简称“CCF-GAIR 2020”)在深圳如期举办!CCF-GAIR由中国计算机学会(CCF)主办,香港中文大学(深圳)、雷锋网联合承办,鹏城实验室、深圳市人工智能与机器人研究院协办,以“AI新基建 产业新机遇”为大会主题,致力打造国内人工智能和机器人领域规模最大、规格最高、跨界最广的学术、工业和投资领域盛会。
金磊 发自 凹非寺 量子位 报道 | 公众号 QbitAI 「AI的力量来自大数据」,这句话确实不假。 理想虽好,但现实却是——哪有那么多高质量、标注数据可用,更多的依旧还是小数据。 这也正是工业界往往需要大量人力去收集、标注数据的原因。 即便如此,「隐私」、「法律」和「专业性」等种种约束,注定了这种方法跟不上AI落地的行进速度。 此局又该如何破解? 10月24日,由澎思科技组织的CNCC 2020分论坛《AI 落地的跨域学习技术和进展》在京成功举办。 就此议题,论坛邀请了业界众多专家共同探讨,包括:
(本文作者系 VMware 中国研发云原生实验室架构师,联邦学习 KubeFATE / FATE 开源项目维护者和贡献者。)
【导语】2019年,联邦学习成为业界技术研究与应用的焦点。近日,微众银行 AI 项目组编制并发布了《联邦学习白皮书1.0》,并开源了自研的联邦学习框架。白皮书中对联邦学习的背景、概述、分类、研究、应用案例与发展路径进行了全面的介绍,总结了联邦学习技术发展至今取得的成果以及对未来的展望。
联邦学习(Federated Learning,FL)又名为联邦机器学习(Federated Machine Learning),是一种具有隐私和敏感数据保护能力的分布式机器学习技术。在联邦学习技术的应用中,有两个及以上的参与方,各个参与方之间不直接共享原始数据,而是通过安全的算法协议实现“数据不出本地域”的联合机器学习建模、训练以及模型预测。
知乎 | https://www.zhihu.com/people/xu-xiu-jian-33
其中,杨强、Raymond T. Ng都是计算机领域的知名学者,而张学斌和李兴芳则分别是环境气候科学家和医学教授。
领取专属 10元无门槛券
手把手带您无忧上云