怎么解决数据屏障?杨强教授提出联邦迁移学习

2018中国人工智能大会今天28日在深圳举行。会上,国际人工智能联合会(IJCAI)主席、AAAI/ACM/IEEE Fellow、香港科技大学教授杨强发表了题为《AI面临的挑战和迁移学习所带来的机遇》的演讲,谈到了AI发展遇到的大数据的困境以及解决办法。


杨强表示,我们正处于大数据驱动的AI时代,人们将工作数字化,然后通过人工智能自动化,从而提高效率。但是,现在我们越来越多的遇到了数据的困扰,很多企业的数据都是孤岛没有办法打通,同时受制于欧盟GDPR等法案的制约,增大了这种困境。


杨强教授具体讲解了大数据面临的两大困境。


一大困境是面临隐私、安全和监督。以欧盟的GDPR为例,GDPR明文规定了用户的“被遗忘权”,对使用自动化模型决策全面禁止,这对机器学习有重大影响,因为让用户同意使用并不容易,使用自主决策合法要满足三点,包括合同处理的必要性、其他法律另行授权,数据主体明确同意。


在数据隐私的监管的大趋势下,解决这一问题并不容易。杨强教授提出了联邦迁移学习思路,这种思路希望建立起机器学习的企业生态,各个企业自有数据不出本地,模型效果不变,在不违规的情况下建立一个虚拟模型。杨强教授表示,利用联邦迁移学习加密技术,协同建模,学习模型过程不交换用户数,不侵犯隐私。


另一大困境是小数据的困境,杨强教授提出了迁移学习,并列举了跨领域舆情分析的案例。


杨强最后表示,面对数据发展的困扰,希望利用联邦迁移学习技术建立联合建模解决方案,克服数据障碍。在法律规范的基础上,各个参与方理解一致的共识机制,保障安全合规性。比如在金融领域,可以建立金融业联邦迁移学习联盟。


-END-

专 · 知


人工智能领域主题知识资料查看与加入专知人工智能服务群

【专知AI服务计划】专知AI知识技术服务会员群加入人工智能领域26个主题知识资料全集获取欢迎微信扫一扫加入专知人工智能知识星球群,获取专业知识教程视频资料和与专家交流咨询


请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料

请加专知小助手微信(扫一扫如下二维码添加),加入专知主题群(请备注主题类型:AI、NLP、CV、 KG等)交流~


关注专知公众号,获取人工智能的专业知识!

点击“阅读原文”,使用专知

展开全文
Top
微信扫码咨询专知VIP会员