工业和信息化部：上半年工业经济继续平稳复苏，主要指标平稳增长
06-18
2月7日至12日，人工智能领域顶级国际会议AAAI在美国纽约召开。
自2006年创办以来，AAAI已发展成为人工智能领域最受关注的国际会议之一。
此次会议吸引了来自学术界和工业界的众多投稿和实践者。
据统计，会议共收到投稿论文，经评审后最终被录用。
录取率仅为20.6%，竞争异常激烈。
其中，微众银行、新加坡南洋理工大学、深圳智慧城市解决方案提供商吉媛媛共同撰写的论文《FedVision: An Online Visual Object Detection Platform powered by Federated Learning》（以下简称“论文”）荣获此次大会获“人工智能创新应用奖”，意味着联邦学习技术在计算机视觉领域的首次产业化应用得到了业界的高度认可。
据悉，该奖项的获奖者还包括亚马逊、IBM、阿里巴巴等。
论文全文链接：（请点击此处）值得注意的是，联邦学习相关技术的这一奖项并不是第一次它已得到国际认可。
在人工智能技术的激烈竞争中，联邦学习在国内外屡获殊荣。
荣获多项重要奖项。
国内，微众银行联合多家机构提交的“基于互联网的群体智能涌现机制与计算方法”项目获中国科技创新部“新一代人工智能”重大专项立项，其中联邦学习为核心技术; 《联邦学习技术系统研究与应用》项目荣获中国计算机学会年度“CCF科学技术奖”；微众银行联邦学习行业实践荣获年度知名企业排行榜“最佳联邦学习应用奖”国际上，学习联邦学习荣获国际顶级会议IJCAI“最具教育意义视频奖”；“联邦学习AI隐私保护技术在视觉领域的应用创新”项目入选msup“全球顶尖”而且，入选顶级案例的技术应用是本次AAAI会议获奖论文的相关实践。
两次获得业界认可的应用，从理论和实践上证明了其价值方面——为解决计算机视觉应用领域的痛点提供新思路计算机视觉应用领域一直面临着数据安全和隐私保护困难、传输成本高等问题。
不建议使用传统的“黑匣子”技术捕获后台数据来创建集中存储的大型训练数据集。
联邦学习技术的基本原理是在本地不留数据的情况下进行加密计算，并将计算出的模型参数上传到云端进行联合建模。
具有“数据隔离、无损对等、互惠互利”的特点，每个参与的数据“联邦”都能获得比“仅基于原始独立数据库”创建的更完整的模型，并且数据绝对保密。
这对于计算机视觉应用尤其重要。
除了技术原理的阐述之外，论文还进一步列举了联邦学习在该领域应用的实际案例。
论文提到，尽管联邦学习技术在理论上具有诸多优势，但在实际应用中仍然缺乏一种易于使用的工具来帮助非联邦学习专家的系统开发人员将联邦学习技术与原有系统相结合。
“为此，微众银行与集源源合作部署了机器学习工程平台，以支持联邦学习涉及的计算机视觉应用的开发。
”图：联邦视觉机器学习工程平台截图。
目前已有3家大型企业利用该平台开发了基于计算机视觉的火灾风险防范解决方案，并应用于工厂环境。
经过4个月的部署验证，充分证明了方案的可靠性，验证了联邦学习在计算机视觉领域的可行性。
此次获奖论文不仅是联邦学习本身技术价值的体现，也是联邦学习生态建设的重要成果。
联邦学习的技术研??究、开源工具、标准制定、行业落地等得到进一步拓展。
应用范围涵盖ToC、ToB、ToG领域，联邦生态系统日趋完善。
2019年，微众银行AI团队向IEEE（电子电气工程师协会）标准协会提交联邦学习标准提案审批，启动了联邦学习国际标准的制定。
微众银行首席人工智能官杨强教授担任IEEE P.1（联邦学习基础设施和应用）标准工作组主席。
目前，工作组已召开四次标准工作组会议，涉及微众银行、腾讯、华为、京东、平安等30余家企业和机构。
该标准草案预计将于今年发布。
不仅如此，2019年，微众银行还开源了联邦学习技术框架FATE（Federate AI Technology Enabler），因为它可以解决并行计算架构、可审计的信息交互以及清晰可扩展的接口等三个常见的行业应用问题。
问题，达到工业级应用标准，成为全球第一个联邦学习工业级应用开源项目。
FATE自开源以来不断升级，配备了首款可视化联邦学习工具FATE Board、联邦学习建模流水线调度和生命周期管理工具FATE Flow。
目前，FATE 已被纳入全球最大的非营利技术社区 Linux 基金会。
除了行业技术标准和开源工具之外，为了更好地促进行业交流，微众银行编写并出版了全球第一本系统介绍联邦学习的专着——《Federated Learning》，全面分享其在联邦学习领域的经验。
积累并促进行业互动。
书中讲述了如何将联邦学习与分布式机器学习、密码学和安全深度结合，并吸收激励机制设计相关的经济学原理和博弈论理论，解决“如何在不将数据留在本地的情况下保证数据安全”的问题。
图：在AAAI会议上发表的联邦学习专着《Federated Learning》。
同时，在实际场景应用方面，联邦学习的实用性和商业价值也在不断被检验。
微众银行在风控、反欺诈、智能服务、营销、零售等多个领域运用联邦学习，并取得了显着的效果。
中国金融四十人论坛研究员高层发布的《中国智能金融发展报告》。
CF40）、原证监会主席肖钢指出：“联邦学习在智慧金融的应用场景非常广泛，没有特殊限制。
大多数机器学习、深度学习等常见的人工智能算法，经过一定的修改后，都可以适应联邦学习方法。
”国际知名咨询机构Forrester近期发布的一份报告也提到，“联邦学习对于提高跨机构合作效率，未来可期。
”相信随着联邦学习在行业内越来越广泛和深入，未来联邦学习的“通用性”将不断提高，并且具有有实力成为下一代人工智能大规模协作的基础，并能迎合技术和社会的需求，承担人工智能发展和应用的重任：请了解更多联邦学习。
点击链接了解更多联邦学习专着《Federated Learning》：了解更多微众银行AI请点击链接：请点击链接 雷锋网 雷锋网 雷锋网 雷锋网 版权所有文章，未发表 转载不得转载禁止授权。
详情请参阅转载说明。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-18
06-18
06-18
06-18
06-17
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态