微众银行人工智能首席科学家范力欣：推进联邦学习IEEE标准是奠基性的贡献
2019年10月26日，中国计算机学会（CCF）在中国科学院计算技术研究所举行了主题为“AI联邦学习的最新应用落地”的研讨会，现场来自腾讯、华为、微众、平安等联邦学习头部企业的代表，展示了新一代联邦学习技术在各行各业的应用范例。 在大会现场，InfoQ记者有幸采访到了微众银行人工智能首席科学家范力欣博士，他为读者深入解答了有关联邦学习的前沿技术及行业应用问题。
在研讨会开场致辞中，微众银行首席人工智能官杨强教授提出，联邦学习的发展需要经历三个阶段，即“点到点的联邦学习发展阶段”，“应用落地、积累案例阶段”与“联邦学习价值联盟网络建立阶段”。在经历第一阶段的发展之后，目前的联邦学习正在积累应用落地经验的阶段。
随后，本次研讨会主席、微众银行人工智能首席科学家范力欣在《从数据孤岛到隐私保护：联邦学习对各行业AI落地之影响》报告中回顾了联邦学习被提出的历史背景，进一步阐述联邦学习落地的必要性。
微众银行人工智能首席科学家范力欣
范力欣博士表示：如今我们正在经历互联网的第四次信息革命，坐拥海量的信息与数据。“对这些数据利用人工智能进行解读和整合，将对我们生活的方方面面产生深远的影响。”为了挖掘海量信息背后的知识，让所有的数据以安全合规的方式进行AI建模，联邦学习正是应运而生。联邦学习这一新兴的AI技术已经相继落地于各行各业，在智慧城市、智慧终端、智慧医疗等领域都取得了突出的成果。
分享结束后，范力欣博士回答了InfoQ记者关于联邦学习的提问。
为什么需要联邦学习？
在范力欣博士看来，联邦学习的发展概括起来就是一个“快”字，影响也是逐渐被大家认同和接受。他说：“2018年初，杨强教授开始领导微众银行人工智能部，两年不到的时间，联邦学习已经快速的发展了起来，而且在业界也得到回应，京东、腾讯云、平安科技等等企业也已经加入到联邦学习的队伍中来。”
至于原因，范力欣博士认为，首先是因为行业有痛点、有业务上的需求，尤其在业务应用落地的时候确实遇到了一些问题：比如隐私保护、安全合规等等；另外，这些数据在不同企业中，出于监管要求或者企业自身的考虑，是一个个被隔离如孤岛般的存在，而不能充分挖掘数据背后的知识和价值。
范力欣博士说：“所以我们是希望在这个数据分隔的情况下，利用联邦学习把数据背后的知识和价值整合起来”。
发展联邦学习面临哪些挑战？
范力欣博士坦言：在推广联邦学习的过程中，建立一致的标准是目前面临的一大挑战。
首先，从隐私方面来说，虽然各个国家对待隐私保护的问题都很重视，但是中国有自己的隐私保护法，美国法律又有不同的要求，欧洲的GDPR更是以严格著称，如何让一套标准能够在所有国家都通行，是非常困难的。“这是一个求同存异的过程。”范力欣博士说道。
其次，市场的认知仍然有待培养。范力欣博士说：“先行者们在努力布局，包括培养市场、沟通客户，很多时候并不是技术水平无法达到，而是建立信任需要花时间。”
“也正因如此，”范力欣博士补充说：“我们需要一些安全的验证，需要一个共同的标准，我们也正在致力于推进这个标准。”
推进联邦学习IEEE标准意义何在？
这个标准是什么？答案就是：联邦学习IEEE标准。
IEEE，全称 Institute of Electrical and Electronics Engineers，即国际电气与电子工程师协会，是目前全球最大的非营利性专业技术学会。IEEE 下设的标准协会是世界领先的标准制定机构，其标准制定内容涵盖人工智能等前沿信息科技，以及通信、电力和能源等多个科技领域，对全球科技发展具有举足轻重的影响。
如果能够推出联邦学习IEEE标准，其影响力将会带动整个行业地发展。 范力欣博士表示，推行联邦学习IEEE标准，本质上是为了方便行业协作。他说，技术的进步就是为了优化社会的运作，提升生产率，以达到提供更好服务和提升生活质量的目的，这是非常有意义的。
在联邦学习IEEE标准的制定过程中，自然少不了中国科学家的身影。就在近期，IEEE P3652.1（联邦学习基础架构与应用）标准工作组第四次会议于北京成功召开。北京大学、IEEE、微众银行、创新工场、京东、中国电信、腾讯、小米、阿里巴巴、依图、星云Clustar、第四范式、华为终端、VMWare、LogiOcean、SensesGlobal、Swiss Re、Intel、CETC BigData、蚂蚁金服、华夏基金、富数科技共22家头部企业与研究机构参与，会议聚焦于联邦学习的场景分类与需求分类，着重对联邦学习的安全测评与评级进行规划，进一步探讨联邦学习标准制定。
范力欣博士说：“这是一个奠基性的贡献。”
联邦学习如何助力人工智能落地进程？
人工智能发展到今天，面临的最大挑战就是落地问题，这也是近两年不少企业和机构努力的方向。联邦学习正是为了解决落地难而生的。 AI发展的三要素是“数据、算法、算力”，而联邦学习能够解决数据孤岛问题。那么，这两者之间有什么联系呢？
范力欣博士认为，AI落地难存在着几个方面的原因：
一方面，大众对人工智能技术的期望过高。他表示，现在流行的机器学习本质上还是概率学习，并不能一夜之间解决全部问题，或者完全模拟人类的智能；
另一个就是数据问题。巧妇难为无米之炊，数据如果被割裂开，就无法被有效地利用起来，也无法发挥它的价值。所以范力欣博士希望，联邦学习能够起到桥梁的作用，把这部分空档连接起来，把数据背后的知识连接起来。
因此，联邦学习解决的不仅是数据问题，更是AI落地的关键问题。
以医疗数据为例，首先患者在医院的数据是高度敏感和受严格保护的；与此同时，防疫局方面也有相应的数据，如果能把两方面数据背后的知识整合起来，就能够知道医院这些病患数据背后的趋势是怎样的，是否有疫情隐患存在，对于医院、防疫局的工作都是有帮助的。
范力欣博士说：“知识层面的扩展，不仅仅是推动商业进步，而且是社会进步的基础”。由于法规和技术的原因，现在各行各业的数据并没有被充分地利用起来。因此，联邦学习的发展是很有必要的，它的及时出现就是为了解决AI落地的最后一公里问题。
采访嘉宾简介
范力欣博士，微众银行人工智能首席科学家, 曾任诺基亚技术公司首席科学家，研究领域包括机器学习和深度学习，计算机视觉和模式识别，图像和视频处理等领域。他是60多篇国际期刊和会议出版物的作者，共获得6千多次的引用。范博士也是美国，欧洲和中国提交的近百项专利的发明人。
- 发表于:
- 本文为 InfoQ 中文站特供稿件
- 首发地址：https://www.infoq.cn/article/3zkOmqUyQ7Y3gWVLt11Y
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
