AI的下一站( 二 )
从近两年在arXiv（一个提交论文预印版的平台）上提交的论文数可以看出 ， 该技术发展的快速趋势：
四巨头的技术布局从去年起全球最流行的两个机器学习框架 ， TensorFlow和PyTorch都增加了联邦学习等解决方案来保护隐私 。（1）Google联邦学习的概念最早是由Google在2017年首次引入 ， 去年又发布了TensorFlow Federated（TFF）框架 ， 利用Tensorflow的机器学习框架简化联邦学习 。如下图所示 ， 基于TFF框架搭建的学习模型在众多手机（如手机A）上进行本地化模型训练 ， 更新权重并聚合（步骤B） ， 进而更新提升后的全局模型（模型C） ， 将全局模型再应用到各手机终端来提升算法应用效果 。
（2）Facebook为了在保护隐私的机器学习领域取得进展 ， 去年Facebook旗下优秀的深度学习框架PyTorch与OpenMined宣布开发一个联合平台的计划 ， 以加速隐私保护技术的研究 。OpenMined是一个开源社区 ， 专注于研究、开发和升级用于安全、保护隐私的AI工具 。 OpenMined发布了PySyft ， 是第一个用于构建安全和隐私保护的开源联邦学习框架 。PySyft很受欢迎 ， 在Github已经拥有5.2k个Star ， 目前支持在主要的深度学习框架（PyTorch、Tensorflow）中用联邦学习、差分隐私和加密计算（如多方计算 ， 同态加密） ， 实现将隐私数据与模型训练解耦 。
五国内发展现状国内的AI巨头们也早已开启保护隐私的技术布局 ， 特别是金融领域 ， 金融领域由于监管严格 ， 数据的隐私性要求极高 ， 因此 ， 金融机构一方面在保护隐私数据方面面临技术难题 ， 另一方面由于金融数据的孤立性 ， “数据孤岛”问题导致金融机构无法发挥出数据的真正价值 。国内多家金融机构以及金融科技公司已经尝试在获客、授信、风险控制等方面 ， 利用联邦学习解决数据隐私的合规问题和数据分享的数据孤岛问题 ， 最大化的发挥金融数据价值 。目前国内关于保护隐私的监管还不够成熟 ， 个人和企业对于隐私保护的意识还不强 。 随着全球环境中对保护隐私的关注逐渐加强 ， 以及保护隐私的AI技术的发展 ， 我相信AI技术终究会向着更好的方向发展 ， 希望通过科学家们的努力 ， AI的黑盒不会是潘多拉之盒 。本文由“苏宁财富资讯”原创 ， 作者为苏宁金融研究院研究员李加庆
推荐阅读
- 「国内」当我们谈"这辈子不可能打工男子”时，我们在谈什么
- 快乐1062：?聚焦 | 昨晚，我们和深圳交警一起“抓醉猫”！结果…
- 田立萍：“有她在，我们很安心”——北京社工田立萍抗疫一线勇担当
- #风筝#风筝事故频发 拥挤的城市空间我们还能放风筝吗？
- 「搜狐新闻」新晃铁警开展防洪应急演练大练兵
- 「离家出走」梦想仗剑走天涯!10岁双胞胎离家出走，并留下一张纸条…
- 「杭州网」风雨书店：每本书都在这里 等待下一个落脚处
- 『此时红河』起诉离婚老婆不对？红河这起“离奇”案件给我们一个警醒
- 「威海市妇联」威海市妇联举办信息化、智能化知识培训
- 【城市头条】“桥哥，是我们贫困户的贴心人！”安康市 汉滨区洪山镇牛山村驻村帮扶工作队队长易长桥帮扶事迹侧记