你所在的位置: 首页 > 正文

IJCAI 2019微众银行与小发猫等机构联合举办首届联邦学习国际研讨会

2019-09-05 点击:1135
?

从概念到应用的关键阶段,如何解决不同企业之间的数据孤岛问题?随着国际和国内数据监管的不断加强,如何处理数据隐私和安全问题?目前联邦学习的发展状况如何?未来的生态应该如何建立?

2019年8月12日,Micro-Bank和小发猫等组织在第28届国际联合人工智能会议(IJCAI 2019)上联合举办了第一届用户隐私和国际会议联合机器学习国际研讨会。数据机密性,FML '19),探讨和传达上述问题。

img_pic_1565931674_0.png

在研讨会上,IJCAI董事会主席,FML指导委员会主席,魏中银行首席人工智能官杨强教授致开幕词。来自小发猫的Shahrokh Daijavad博士和来自Google的Jakub Kone博士发表了主题演讲。来自魏中银行,以色列拜仁大学,小发猫,Squirrel AI,谷歌,华为,星云Clustar,创新工作室等知名公司和大学的国内外学者,共同分享和讨论联邦学习作为全面的新兴智能表技术成就和经验。

研讨会共提交了40篇论文,包括12篇现场解释和19篇海报展示。选择了最佳理论论文,最佳应用论文,最佳学生论文和最佳演讲奖。优秀论文也将同时发表在IEEE智能系统专刊中,吸引了众多学者参与联邦学习生态学的建设和讨论。

专注于联邦学习的理论逻辑和实践小发猫和Google专家共享突破性成果

例》(GDPR)于去年5月25日正式实施。此数据隐私保护法案被称为“历史上最严格的法案”,强调收集用户数据必须公开透明。国内外一系列法律法规对传统的数据处理与合作方式提出了新的挑战。因此,探索人工智能如何适应新的现实环境已经成为当务之急,这个联邦学习主题研讨会已经出现。

在研讨会上,来自小发猫的Shahrokh Daijavad博士和来自Google的Jakub Kone?ny博士发表了关于联邦学习的演讲,并分享了各种解决方案和突破性成果。

Shahrokh Daijavad博士提到了“融合AI”的概念,它共享了联邦学习解决企业环境挑战的方式。 Fusion AI能够在广泛分布的数据集上训练多个模型并融合它们以产生与集中式训练相当的结果。根据Shahrokh Daijavad博士的说法,人工智能与传统机器学习的主要区别在于数据是在没有传输AI技术的情况下传输的,模型参数是共享的,这使得融合AI的模型比需要的模型更好。移动数据。面对各种数据分散情景,开发综合人工智能和联邦学习的重要性和紧迫性日益突出。

img_pic_1565931674_1.png

Shahrokh Daijavad博士在现场发表演讲

谷歌的Jakub Kone?ny博士在演讲中指出,“联邦学习允许机器学习工程师和数据科学家有效地处理不同的数据,同时还考虑到隐私问题。”在介绍了联邦学习的基本原则之后,Jakub Dr. Kone?ny分享了Google在联邦学习中的应用案例。在Gboard输入法的情况下,当设备数据比服务器端代理数据更相关时,当设备数据涉及敏感隐私或大数据时,并且当标签可以从用户交互中自然推断时,我们可以考虑使用联邦学习技术。联邦学习后使用Gboard输入法,预测词的预测准确率提高了24%,关联词的点击率提高了10%。

img_pic_1565931674_2.png

Jakub Kone?ny博士在现场发表了演讲

圆桌会议的大咖啡将探讨联邦学习的未来方向

在会上,魏中银行人工智能首席科学家范立新博士主持圆桌会议,来自Baylan大学的Benny Pinkas,小发猫Academy of Technology的Shahrokh Daijavad博士,松鼠AI的首席架构师Richard Tong,以及谷歌研究员Jakub Kone?ny。华为CBG软件部CTO办公室张宝峰博士,星云Clustar执行副总裁张俊学博士,创新研讨会人工智能研究院副院长冯伟博士等专家学者进行了深入互动参与者讨论联邦学习的未来发展。方向。

img_pic_1565931674_3.png

第一届联邦学习国际研讨会 - 圆桌会议

在圆桌会议上,一些专家表示,“联邦教育如何满足安全和合规要求?”,“无论是确保用户隐私和数据安全,还能最大化数据价值吗?”除了基本矛盾之外人工智能的发展和建立稳定,双赢的商业生态系统,如何实现长期目标?“和其他具体问题进行了讨论。

宣布了最佳理论论文,最佳应用论文,最佳演讲和最佳学生论文。

研讨会结束时,最佳理论论文奖,最佳应用论文奖,最佳学生论文奖和最佳演讲(最佳演讲)奖四项新颁发的奖项:

最佳理论论文奖:论文由郑华迪,胡海波和紫阳汉作者团队《保护机器学习的用户隐私:本地化差分隐私还是联邦机器学习?(Preserving User Privacy For Machine Learning: Local Differential Privacy or Federated Machine Learning?)》;

最佳申请论文奖:陈毅强,王金东,余朝晖,文文,辛勤作者团队《联邦健康:可穿戴医疗的联邦迁移学习框架(FedHealth: A Federated Transfer Learning Framework for Wearable Healthcare)》;

最佳学生论文奖:论文由清河经,王维妍,张俊学,韩天,陈凯作者团队《量化评估联邦迁移学习(Quantifying the Performance of Federated Transfer Learning)》;

最佳演讲奖: Aleksei Triastcyn和Boi Faltings作者团队的现场演示文稿《联邦生成隐私(Federated Generative Privacy)》。

IJCAI董事会主席,魏中银行首席情报官杨强教授,松鼠AI首席架构师Richard Tong和创新研讨会人工智能研究院副院长冯伟博士向获奖者颁发证书。

img_pic_1565931674_4.png

IJCAI 2019董事会主席,魏中银行首席人工智能官杨强教授颁发“最佳理论论文”奖项

img_pic_1565931674_5.png

IJCAI 2019董事会主席,魏中银行首席人工智能官杨强教授颁发“最佳应用论文”奖项

img_pic_1565931675_6.png

创新研讨会人工智能研究所副总裁冯伟颁发了“最佳学生论文”奖项

img_pic_1565931677_7.png

松鼠AI首席架构师Richard Tong颁发了“最佳演讲”奖项

杨强教授说,这次联邦学习国际会议的出发点是推动联邦学习生态的建设。我希望学术界,商界,法律和监管机构能够更深入地了解联邦学习技术。并希望更多公司加入这个生态系统。与此同时,我希望借此机会为有兴趣进行联邦学习以寻找合适研究团队的学生搭建一个平台。

IJCAI2019于8月10日至16日在中国澳门举行。作为人工智能领域的顶级国际学术会议之一,今年的IJCAI吸引了超过3,000名AI研究人员和专家,以及这项首次联邦研究。国际研讨会是与会专家的焦点之一。通过现场专家和学者的分享和讨论,越来越多的学术界和工业界人士表达了他们希望参与未来联邦学习的学术研究和应用,促进发展和繁荣的愿望。人工智能生态学。他们自己的力量。

http://www.sugys.com/bds91/3.html

漳州新闻网 版权所有© www.bowabc.com 技术支持:漳州新闻网 | 网站地图