【網(wǎng)易智能訊7月21日消息】7月 19 日，市北·GMIS 2019 全球數(shù)據(jù)智能峰會在上海市開幕，大會第二天，微眾銀行首席人工智能官、國際人工智能學(xué)會理事長、香港科技大學(xué)教授楊強(qiáng)帶來聯(lián)邦學(xué)習(xí)的最新發(fā)展與應(yīng)用。

　　楊強(qiáng)認(rèn)為，AI 發(fā)展到今天面臨很大挑戰(zhàn)，尤其是數(shù)據(jù)挑戰(zhàn)。數(shù)據(jù)孤島、小數(shù)據(jù)、用戶隱私的保護(hù)等導(dǎo)致數(shù)據(jù)的割裂，讓 AI 技術(shù)很難發(fā)揮出價值。為了解決這一問題，楊強(qiáng)教授提出「聯(lián)邦學(xué)習(xí)」的研究方向。

　　所謂聯(lián)邦學(xué)習(xí)，是多個數(shù)據(jù)方之間組成一個聯(lián)盟，共同參與到全局建模的建設(shè)中，各方之間在保護(hù)數(shù)據(jù)隱私和模型參數(shù)基礎(chǔ)上，僅共享模型加密后的參數(shù)，讓共享模型達(dá)到更優(yōu)的效果。

　　楊強(qiáng)介紹道，聯(lián)邦學(xué)習(xí)可分為橫向聯(lián)邦和縱向聯(lián)邦，橫向聯(lián)邦是指企業(yè)各方數(shù)據(jù)維度相同、ID 維度不同，更多存在于消費者應(yīng)用中；縱向聯(lián)邦是指企業(yè)各方數(shù)據(jù)的 ID 維度相同（樣本重疊）、數(shù)據(jù)維度不同，更多存在于 B 端應(yīng)用。

　　在具體的使用場景中，楊強(qiáng)重點介紹了聯(lián)邦學(xué)習(xí)在金融行業(yè)中的應(yīng)用。比如針對保險行業(yè)的個性化保險定價問題，一家互聯(lián)網(wǎng)企業(yè)和一家保險企業(yè)進(jìn)行數(shù)據(jù)合作，這種合作數(shù)據(jù)的 ID 重合度相當(dāng)大，數(shù)據(jù)特征維度大大增加，使模型的個性化定價效果顯著提升，為保險企業(yè)帶來8倍覆蓋率提升和1。5倍利潤率提升。

　　在另外一個小微企業(yè)信貸管理案例中，使用聯(lián)邦學(xué)習(xí)后，企業(yè)將風(fēng)控區(qū)分度提升12%，使貸款不良率小于千分之五。即使在雙方既沒有共同的 ID，數(shù)據(jù)特征也不同的情況下，也可以使用遷移學(xué)習(xí)結(jié)合聯(lián)邦學(xué)習(xí)進(jìn)行共同建模。

　　楊強(qiáng)強(qiáng)調(diào)，聯(lián)邦學(xué)習(xí)一定是多方共同協(xié)作組成一個聯(lián)盟，生態(tài)的建設(shè)十分重要。它最大的優(yōu)勢是，保證數(shù)據(jù)不出戶，通過生態(tài)在不同行業(yè)選取合作伙伴，用群體智能不斷提升模型效果。

　　未來，安全合規(guī)、防御攻擊、算法效率、聯(lián)盟機(jī)制等都需要進(jìn)一步研究。比如聯(lián)邦學(xué)習(xí)中各方合作的一個基礎(chǔ)就是加密技術(shù)，加密算法的效率顯得尤為重要，算法的改善還有很長的路要走。（易智）