创略科技创始人胡世杰:联邦学习如何颠覆传统AI应用和商业模式

币游国际网

2021-06-10

与隐私的认知程度不断提升,企业也更加重视数据资产保护,对于跨组织的数据合作越来越谨慎,潜在数据孤岛问题更加严重;3的竞争环境和市场环境,成为各方企业关注的又一焦点。 、建模以推动人工智能的发展呢?作为分布式机器学范式,可以实现各方在不公开各自数据的情形下,协同完成模型训练,解决一系列AI应用落地面临的数据安全和隐私障碍,以及创造一个健康的数据价值协作新模式,是人工智能领域发展的必然趋势。

胡世杰如是说。 模式下,加入学的各方不需要把数据汇集到中心化的体系,而是在参与方自己的设备或者数据中心通过AI算法产出数据洞察和预测,以及模型参数,并将结果同步回传到联邦学的中心节点。

在联邦学的体系内,将各方回传的模型均后继续学、训练,得出更精准的结果,分发到各参与者,用以各自的业务场景。

在这个过程中,参与者并没有交换数据,却可以实现较大规模的AI以及机器学的应用场景。 技术保障联邦学共享模型安全有效模式下为避免由于行业竞争造成的故意混淆错误结果到联邦学的体系中,以及一系列其他机制层面系统风险,造成训练模型的错误结果等,就需要透明、有效的安全机制进行干预,建立体系各方的相互信任。 的共享机制,胡世杰认为,技术可以帮助企业各方在去中心化AI体系中,创造一系列的自动化透明管理,信任以及治理机制。 在联邦学过程中的参与者(企业或组织)都是主角,在一个严格的机制创建信任环境中,这一过程也未必需要一个中心化主导方。

这个所谓的机制在联邦学场景下,可以理解是由应用技术提供的智能合约体系完成的。

智能合约技术能使一个业务流程或在无中心主导方或担保方的情况下,有一个透明、去中心化以及自动化的管理机制,来消除参与者之间信任程度的风险要素。 场景的应用中,可以采取投票机制,由联盟各方共同确认每个共享结果的质量,这样就可以有效地减少学体系中不被信任的第三方以伪造的、有疑问的数据破坏整体洞察结果的情况发生。

在多维场景实现应用落地应用落地的,是医疗和行业。

比如对于的研究,各医疗机构根据病人图像或者数据挖掘出病人的肺部特征,通过联邦学共享这些特征,既可以共同研究病情相关洞察,又保障了病人隐私;而在行业,加入联邦学的银行之间可以分享客户信用预估模型,在不需要知道客户在其他哪些银行机构贷过款的情况下,获知某一客户的综合风险等级,做出相关预警。

融合技术应用到智能营销领域,旨在帮助企业客户在安全合规的前提下,获得更加深刻、全面的客户洞察。 的模式,共享AI训练模型产出的结果。

其实相较于数据本身,通过AI挖掘潜在的客户行为预测及洞察,才是对于企业具有真正的应用价值。

当然,联邦学在营销领域的拓展还处于初级阶段,需要客户之间以及对提供通道的供应商具有高度的信任,因此创略科技目前并没有在整个客户体系内去推动联邦学,而是在具有相同客户交集的企业之间实现1对1的共享机制当企业双方都对彼此的数据洞察有需求时,创略科技就在AI应用场景下建立联邦学通道,帮助企业实现安全、高效的多维度数据洞察。 胡世杰介绍。

作为数据孤岛间的桥梁,必将成为未来AI技术发展的一个重要方向,最终解决数据安全共享的世界难题,全面激活数字经济。

责任编辑:kj005。