聯(lián)邦學(xué)習(xí)已在國(guó)內(nèi)外屢獲殊榮，多次贏得重要獎(jiǎng)項(xiàng)

2月7日-12日，人工智能領(lǐng)域國(guó)際頂級(jí)會(huì)議AAAI 2020在美國(guó)紐約舉辦。自1979年成立以來(lái)，AAAI已發(fā)展為人工智能領(lǐng)域最受關(guān)注的國(guó)際頂會(huì)之一。此次大會(huì)吸引了眾多來(lái)自學(xué)術(shù)界、產(chǎn)業(yè)界的研究員與從業(yè)者投稿參會(huì)。據(jù)統(tǒng)計(jì)，大會(huì)共收到投稿論文8800篇，經(jīng)評(píng)審后最終接收1591篇，接收率僅為20.6%，競(jìng)爭(zhēng)異常激烈。

其中，由微眾銀行攜手新加坡南洋理工大學(xué)及深圳智慧城市解決方案提供商極視角合著的論文《FedVision： An Online Visual Object Detection Platform powered by Federated Learning》（下稱“論文”）被大會(huì)授予“人工智能創(chuàng)新應(yīng)用獎(jiǎng)”，這意味著聯(lián)邦學(xué)習(xí)技術(shù)在計(jì)算機(jī)視覺(jué)領(lǐng)域的首個(gè)工業(yè)級(jí)應(yīng)用獲得了行業(yè)高度認(rèn)可。據(jù)悉，該獎(jiǎng)項(xiàng)獲得者還包括亞馬遜、IBM、阿里巴巴等。

值得關(guān)注的是，此次聯(lián)邦學(xué)習(xí)相關(guān)技術(shù)獲獎(jiǎng)并不是首次在國(guó)際上獲得肯定，在AI技術(shù)激烈角逐的賽場(chǎng)上，聯(lián)邦學(xué)習(xí)已在國(guó)內(nèi)外屢獲殊榮，多次贏得重要獎(jiǎng)項(xiàng)。

在國(guó)內(nèi)，微眾銀行聯(lián)合多家機(jī)構(gòu)提交的“基于互聯(lián)網(wǎng)的群智涌現(xiàn)機(jī)理與計(jì)算方法”項(xiàng)目獲批中國(guó)科技部創(chuàng)新2030——“新一代人工智能”重大項(xiàng)目，其中聯(lián)邦學(xué)習(xí)為核心技術(shù)；“聯(lián)邦學(xué)習(xí)技術(shù)體系研究與應(yīng)用”項(xiàng)目獲中國(guó)計(jì)算機(jī)學(xué)會(huì)2019年“CCF科學(xué)技術(shù)獎(jiǎng)”；微眾銀行的聯(lián)邦學(xué)習(xí)行業(yè)實(shí)踐獲知名科技類媒體雷鋒網(wǎng)年度榜單 “最佳聯(lián)邦學(xué)習(xí)應(yīng)用獎(jiǎng)”。

國(guó)際上， 聯(lián)邦學(xué)習(xí)視頻作品（Learning Federated Learning）獲國(guó)際頂級(jí)會(huì)議IJCAI 2019“最具教育意義視頻獎(jiǎng)”；“聯(lián)邦學(xué)習(xí)AI隱私保護(hù)技術(shù)在視覺(jué)領(lǐng)域的應(yīng)用創(chuàng)新”項(xiàng)目入選msup“ 2019年top100全球軟件案例”。而且，入選top100案例的技術(shù)應(yīng)用，正是此次AAAI 2020大會(huì)獲獎(jiǎng)?wù)撐牡南嚓P(guān)實(shí)踐。一項(xiàng)應(yīng)用，兩次獲得行業(yè)認(rèn)可，從理論和實(shí)踐兩方面證實(shí)了其價(jià)值性——提供了一個(gè)解決計(jì)算機(jī)視覺(jué)應(yīng)用領(lǐng)域痛點(diǎn)的全新思路。

一直以來(lái)，計(jì)算機(jī)視覺(jué)應(yīng)用領(lǐng)域面臨著數(shù)據(jù)安全與隱私保護(hù)難、傳輸成本高等問(wèn)題，利用傳統(tǒng)“黑箱”技術(shù)抓取后臺(tái)數(shù)據(jù)以創(chuàng)建集中存儲(chǔ)的大型訓(xùn)練數(shù)據(jù)集的辦法并不可取。

而聯(lián)邦學(xué)習(xí)技術(shù)的基本原理是在數(shù)據(jù)不出本地的情況下進(jìn)行加密計(jì)算，將計(jì)算所得模型參數(shù)上傳至云端聯(lián)合建模。具有“數(shù)據(jù)隔離、無(wú)損對(duì)等以及共同獲益”等特性，參與的各數(shù)據(jù)“聯(lián)邦”都可獲得比“只基于原本獨(dú)立數(shù)據(jù)庫(kù)”所創(chuàng)建的更完善的模型，且數(shù)據(jù)絕對(duì)保密。這對(duì)于計(jì)算機(jī)視覺(jué)應(yīng)用領(lǐng)域尤為重要。

在技術(shù)原理的闡述之外，論文還進(jìn)一步列舉聯(lián)邦學(xué)習(xí)在該領(lǐng)域應(yīng)用的實(shí)踐案例。

論文提到，雖然聯(lián)邦學(xué)習(xí)技術(shù)在理論上有諸多優(yōu)勢(shì)，但在實(shí)際應(yīng)用中還缺乏一個(gè)易于使用的工具來(lái)幫助非聯(lián)邦學(xué)習(xí)專家的系統(tǒng)開(kāi)發(fā)人員將聯(lián)邦學(xué)習(xí)技術(shù)與原有系統(tǒng)進(jìn)行融合?！盀榇耍⒈娿y行和極視角協(xié)作部署了一個(gè)機(jī)器學(xué)習(xí)工程平臺(tái)，以支持聯(lián)邦學(xué)習(xí)所涉及的計(jì)算機(jī)視覺(jué)應(yīng)用程序的開(kāi)發(fā)”。

目前已有三家大型企業(yè)使用了該平臺(tái)，開(kāi)發(fā)了基于計(jì)算機(jī)視覺(jué)的火災(zāi)風(fēng)險(xiǎn)防范解決方案，并應(yīng)用于工廠環(huán)境中。經(jīng)過(guò)4個(gè)月的部署驗(yàn)證，充分證明了該方案的可靠性，驗(yàn)證了聯(lián)邦學(xué)習(xí)應(yīng)用于計(jì)算機(jī)視覺(jué)領(lǐng)域的可行性。

此次論文獲獎(jiǎng)，既是聯(lián)邦學(xué)習(xí)本身技術(shù)價(jià)值的體現(xiàn)，也是聯(lián)邦學(xué)習(xí)生態(tài)建設(shè)的重要成果。聯(lián)邦學(xué)習(xí)的技術(shù)研究、開(kāi)源工具、標(biāo)準(zhǔn)制定、行業(yè)落地等各方面進(jìn)一步拓展，應(yīng)用范圍涵蓋ToC、ToB、ToG各領(lǐng)域，聯(lián)邦生態(tài)日趨完善。

2018年，微眾銀行AI團(tuán)隊(duì)向IEEE（電子和電氣工程師協(xié)會(huì)）標(biāo)準(zhǔn)協(xié)會(huì)提交聯(lián)邦學(xué)習(xí)標(biāo)準(zhǔn)提案立項(xiàng)通過(guò)，首倡聯(lián)邦學(xué)習(xí)國(guó)際標(biāo)準(zhǔn)制定。微眾銀行首席人工智能官楊強(qiáng)教授擔(dān)任IEEE P3652.1（聯(lián)邦學(xué)習(xí)基礎(chǔ)架構(gòu)與應(yīng)用）標(biāo)準(zhǔn)工作組主席。目前，該工作組已召開(kāi)四次標(biāo)準(zhǔn)工作組會(huì)議，微眾銀行、騰訊、華為、京東、平安等30多家公司及機(jī)構(gòu)參與，標(biāo)準(zhǔn)草案預(yù)計(jì)今年出臺(tái)。

不僅如此，2019年，微眾銀行還開(kāi)源了聯(lián)邦學(xué)習(xí)技術(shù)框架FATE（Federate AI Technology Enabler），因其能夠解決包括計(jì)算架構(gòu)可并行、信息交互可審計(jì)和接口清晰可擴(kuò)展在內(nèi)的三個(gè)工業(yè)應(yīng)用常見(jiàn)問(wèn)題，達(dá)到工業(yè)級(jí)應(yīng)用標(biāo)準(zhǔn)，而成為全球首個(gè)聯(lián)邦學(xué)習(xí)工業(yè)級(jí)應(yīng)用開(kāi)源項(xiàng)目。自開(kāi)源以來(lái)，F(xiàn)ATE不斷升級(jí)，已經(jīng)配備首個(gè)可視化聯(lián)邦學(xué)習(xí)工具FATE Board、聯(lián)邦學(xué)習(xí)建模Pipeline調(diào)度和生命周期管理工具FATE Flow。目前，F(xiàn)ATE被納入全球最大非營(yíng)利技術(shù)社區(qū)Linux Foundation。

除行業(yè)技術(shù)標(biāo)準(zhǔn)及開(kāi)源工具外，為了更好地促進(jìn)行業(yè)交流，微眾銀行撰寫并出版了世界上第一部系統(tǒng)介紹聯(lián)邦學(xué)習(xí)的專著——《Federated Learning》，以全面分享其在聯(lián)邦學(xué)習(xí)領(lǐng)域的積累，促進(jìn)行業(yè)互動(dòng)。

該書描述了如何將聯(lián)邦學(xué)習(xí)與分布式機(jī)器學(xué)習(xí)、密碼學(xué)和安全深度結(jié)合，并吸納經(jīng)濟(jì)學(xué)原理和博弈論的激勵(lì)機(jī)制設(shè)計(jì)相關(guān)理論，來(lái)解決“如何在數(shù)據(jù)不出本地、確保數(shù)據(jù)安全的情況下，讓多個(gè)數(shù)據(jù)擁有者共享數(shù)據(jù)模型”的問(wèn)題。

與此同時(shí)，在實(shí)際場(chǎng)景應(yīng)用方面，聯(lián)邦學(xué)習(xí)的實(shí)用性和商業(yè)價(jià)值也不斷被證實(shí)。微眾銀行將聯(lián)邦學(xué)習(xí)用于風(fēng)控、反欺詐、智能服務(wù)、營(yíng)銷及零售等多個(gè)領(lǐng)域，并取得了顯著效果。其自研的智能評(píng)分引擎在縱向聯(lián)邦學(xué)習(xí)技術(shù)的基礎(chǔ)上，聯(lián)合開(kāi)票金額與央行的征信數(shù)據(jù)等標(biāo)簽屬性共同建模，將小微企業(yè)風(fēng)控模型區(qū)分度（AUC of ROC）提升了12%。中國(guó)金融四十人論壇（CF40）資深研究員、證監(jiān)會(huì)原主席肖鋼牽頭發(fā)布的《2019中國(guó)智能金融發(fā)展報(bào)告》指出：“聯(lián)邦學(xué)習(xí)在智能金融的應(yīng)用場(chǎng)景十分廣泛，并無(wú)特別限制。大部分機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等常見(jiàn)的人工智能算法，經(jīng)過(guò)一定改造，均可適配聯(lián)邦學(xué)習(xí)方法”。國(guó)際知名咨詢機(jī)構(gòu)Forrester近期發(fā)布的報(bào)告《人工智能變革欺詐管理》中也提到“聯(lián)邦學(xué)習(xí)對(duì)于提高跨機(jī)構(gòu)合作效率幫助很大，未來(lái)可期?！?/p>

相信隨著聯(lián)邦學(xué)習(xí)更加廣泛和深入的行業(yè)落地，聯(lián)邦學(xué)習(xí)的“普適性”不斷提升，其有實(shí)力成為下一代人工智能大規(guī)模協(xié)作的基礎(chǔ)，并能迎合技術(shù)和社會(huì)的需求，承擔(dān)起人工智能在發(fā)展和應(yīng)用中的重任。