2019年8月29日至8月31日，2019世界人工智能大会（WAIC）于上海世博中心拉开帷幕。作为世界顶尖的人工智能协作交流平台，本次WAIC大会以“智联世界 无限或许”为主题，环绕人工智能范畴的技能前沿、工业趋势及热门话题展开讨论。大会集合全球人工智能范畴最具影响力的科学家、企业家与相关政府领导人，招引超越50位学术界领军人物与超越100位工业界首领一起参会。
其间，微众银行深度参加了WAIC大会的多个议程，微众银行首席人工智能官杨强教授别离在8月29日的主论坛-科学前沿、8月30日的世界前沿算法分论坛中宣布了《人工智能的终究一公里——联邦学习的最新使用》、《人工智能的“先行区”》两场讲演，针对当下人工智能落地面临的多个应战，提出联邦学习全新处理思路，并同享了人工智能范畴的最新算法研讨。在大会的黑客马拉松环节，微众银行主办“智能废物分类应战赛”，开展在废物图片上的人工智能辨认技能，助力AI技能使用落地环保范畴。
以联邦学习技能应对AI落地的两层应战
跟着人工智能技能的深入开展及落地，其潜在的许多问题也日益显着。在WAIC大会主论坛的讲演中，杨强教授提出了当时人工智能开展面临的两层应战——“数据孤岛”与数据安全问题。在咱们的认知中，“人工智能”常常与“大数据”混为一谈，但是现实情况却是数据多以孤岛的方法存在。在法令、金融、医疗等大都职业拥有的是小数据与零星的数据，即使是同一个企业的多个部分，互相的数据也无法互通。别的，《通用数据维护法令》（GDPR）等法规的施行，对数据隐私的维护益发严厉，极度依靠数据的机器学习面临着史无前例的窘境。
面临以上两大应战，杨强教授同享了“联邦学习”这一全新的概念。作为一种新式的人工智能技能，“联邦学习”由微众银行AI团队在国内初次引入，能在不同享“数据”的前提下，同享“常识”，用协作完成联合模型的功能进步，以此保证数据在模型构建进程中的安全性，然后盘活“数据孤岛”并处理数据隐私问题。针对实际使用中的不同场景，微众银行AI团队提出“横向联邦学习”、“纵向联邦学习”、“联邦搬迁学习”多个品种，其间“联邦搬迁学习”将“搬迁学习”与“联邦学习”交融，让跨组织协作打破了职业、数据类型等多重约束。在讲演中，杨强教授具体解说了不同类型的联邦学习技能适用的不同建模情境。
探究协同建模新标准，共建联邦学习协作生态
在完善“联邦学习”理论的根底之上，更要树立起企业间协同建模的标准。在WAIC大会主论坛讲演中，杨强教授要点强调了这一问题。他以为，现在要经过建造激励机制、树立一起标准等方法，推进职业中的数据一切者一起参加联邦学习生态共建，让一切参加方获益于合规的联合建模链条，在遵从数据维护法规的一起享用数据福利，推进联邦学习的进一步落地。
此前，微众银行AI团队在推进树立联邦学习协作生态，应对AI在金融等范畴的落地难题方面现已有所建树。微众银行AI团队构建了FedAI联邦学习协作生态，自主研制并开源全球首个工业级联邦学习结构——FATE（Federated AI Technology Enabler）使大部分传统算法可以经过改造适配到联邦学习结构中，然后快速参加联邦学习生态。
在供给技能保证的一起，微众银行AI团队还致力于树立起联邦学习在企业之间的对话言语。上一年12月，由微众银行建议的世界上首个针对人工智能协同技能结构缔结标准的项目——IEEE联邦学习标准项目获批，直至本年8月，现已成功召开了三次会议，有用推进了联邦学习世界标准草案的拟定。杨强教授在会上说到，联邦学习标准的拟定，将更进一步为联邦学习在各职业的落地使用供给标准，为社会各界协作奠定根底，然后招引各行各业参加到联邦学习未来的学术研讨与落地使用中来。
聚集AI技能三要素，推进人工智能工业化
在本届WAIC大会的的世界前沿算法分论坛中，杨强教授提出，推进AI技能广泛落地并完成人工智能工业化的关键在于处理AI技能三要素——算法、数据、算力面临的窘境。会上，杨强教授别离针对这三大窘境——“怎样完成AI算法规划的主动化”、“怎样应对AI数据缺失问题”、“AI算力架构怎样规划”进行了解说。
首要，机器学习规划化落地的关键在于主动机器学习（AutoML），即完成AI算法规划的主动化，构成闭环的主动学习机制，削减人的参加。杨强教授具体阐释了主动机器学习的三大求解要素——装备空间、装备功能评价、装备优化战略。现在，隐私维护问题越来越受到重视，在维护隐私的要求之下，机器学习算法效果严峻下降，不同组织之间的数据也无法直接同享。面临这两大问题，杨强教授特别提出了处理方案——主动隐私维护搬迁学习（AutoPTL)，这一算法根据特征切分和集成学习进步学习效果，可以满意差分隐私保证，并支撑数据搬迁学习和主动化参数调整，有用进步AI的使用率和价值。
其次，在完成人工智能工业化的进程中会应对数据缺乏的难题，而“搬迁学习”可以有用处理这一窘境。搬迁学习经过寻觅数据与模型之间的联系，将大数据的才能搬迁到小数据上，完成“触类旁通”。杨强教授列举了搬迁学习在大额消费金融范畴的使用实例：在微信营销购车分期事务中，搬迁学习根据全途径营销数据协助轿车分期借款模型学习，发掘近期有购车意向的客户，终究成功率与SAS模型比较进步了200%。
终究，完成人工智能工业化需求处理的第三个问题，是亟待进步的算力功能。当时日益增长的数据规划对算力功能提出了巨大应战，传统的单点核算才能的打破现已不能满意需求，对此，杨强教授介绍了两种新式高功能算力架构规划——GDR高功能网络IO技能与新式分布式机器学习网络通信协议MLT。测验结果表明，新式高功能算力架构规划在 AI 练习时功能进步显着，在选用 PS（参数服务器形式） 形式上功能进步高达 76%，在选用 Ring （环形式）形式上功能进步高达 3 倍。杨强教授表明，进步算力功能在拓宽AI全体算力上起到越来越重要的效果，在GDR与MLT之外，更多相关研讨也正在往前推进，值得重视。
赋能才智日子微众银行助力AI技能使用落地环保范畴
除了杨强教授在大会上的最新前沿观念同享，此次微众银行还在大会的黑客马拉松环节举办了“智能废物分类应战赛”，环绕当下废物分类的社会热门，聚集根据深度学习技能的图画分类模型构建，完成废物图片类别的精准辨认，然后进步废物分拣功率。此次竞赛获得了上海市绿容局的支撑，上海市美化和市容管理局科信处处长钱杰担任大赛评定，上海市美化和市容管理局副巡视员缪钧与微众银行AI部分副总经理徐倩作为颁奖嘉宾一起为前三名部队颁奖。
在本次WAIC大会上，微众银行AI团队环绕人工智能范畴的技能前沿、工业趋势和热门问题同享了最新研讨，联邦学习与新式算法等人工智能新技能正在日趋老练，发挥着各自的优势，一起为AI技能广泛落地并完成人工智能工业化奠定重要根底。杨强教授在会上说到：“现在联邦学习现已成为AI在学术界和工业界的新趋势。”在这样的趋势下，微众银即将经过不断进步与敞开本身的AI才能，将联邦学习等AI技能推广至多个范畴的事务使用中，以AI为驱动力推进多个职业一起开展。
