Federal çalışma raporu, AAAI 2020 Yapay Zeka İnovasyon Uygulama Ödülü'nü kazandı ve endüstriyel düzeydeki uygulamalar takdir edildi
Yapay zeka alanındaki en büyük uluslararası konferans olan AAAI 2020, 7-12 Şubat tarihleri arasında ABD'de New York'ta düzenlendi. AAAI, 1979'daki kuruluşundan bu yana, yapay zeka alanındaki en ilgili uluslararası zirvelerden biri haline geldi. Konferans, katkılarını sunmaları için akademi ve endüstriden birçok araştırmacı ve uygulayıcıyı çekti. İstatistiklere göre, konferans toplam 8,800 gönderilen bildiri aldı. İncelemeden sonra, 1591 bildiri nihayet kabul edildi. Kabul oranı yalnızca% 20,6 idi. Rekabet son derece şiddetliydi.
Bunların arasında, WeBank'ın Singapur'daki Nanyang Teknoloji Üniversitesi ve Shenzhen Akıllı Şehir Çözüm Sağlayıcısı Extreme Vision ile birlikte ortak yazdığı "FedVision: Federe Öğrenme Tarafından Desteklenen Çevrimiçi Bir Görsel Nesne Algılama Platformu" (bundan sonra "tez" olarak anılacaktır) makalesi konferans tarafından ödüllendirildi. Yapay Zeka İnovasyon Uygulaması Ödülü ", bilgisayarla görme alanında federe öğrenme teknolojisinin ilk endüstriyel uygulamasının endüstri tarafından yüksek oranda takdir edildiği anlamına geliyor. Ödül kazananların arasında Amazon, IBM, Alibaba vb. Yer aldığı bildirildi.
Tam metin bağlantısı: (lütfen buraya tıklayın)
Federal öğrenimle ilgili teknoloji ödülünün uluslararası alanda ilk kez tanınması olmadığını belirtmekte fayda var.Ail teknolojisinin şiddetli rekabetinde, federal eğitim yurtiçi ve yurtdışında çok sayıda ödül kazandı ve birçok önemli ödül kazandı.
Çin'de, WeBank tarafından bir dizi kurumla işbirliği içinde sunulan "İnternet Tabanlı Kitle Zekası Ortaya Çıkma Mekanizması ve Hesaplama Yöntemi" projesi, Çin İnovasyonu 2030 Bilim ve Teknoloji Bakanlığı tarafından onaylandı - federal öğrenmenin temel teknoloji olduğu "Yeni Nesil Yapay Zeka" büyük projesi; "Federal Öğrenme Teknolojisi Sistemi Araştırma ve Uygulama" projesi, Çin Bilgisayar Topluluğu'nun 2019 "CCF Bilim ve Teknoloji Ödülü" nü kazandı; WeBank'ın federal eğitim endüstrisi uygulaması, tanınmış teknoloji medyası Leifeng.com'un yıllık listesinde "En İyi Federal Öğrenme Uygulaması Ödülü" nü kazandı.
Uluslararası düzeyde, Federated Learning video çalışmaları (Learning Fedated Learning), IJCAI 2019'un en büyük uluslararası konferansında "En Eğitici Video Ödülü" nü kazandı; "Federal Learning AI Gizlilik Koruma Teknolojisi Görsel Alanda Uygulama İnovasyonu" projesi msup "2019'da En İyi 100 Küresel Yazılım seçildi Durum". Ayrıca, ilk 100 vakanın teknik uygulaması, AAAI 2020 konferansının ödüllü bildirilerinin ilgili uygulamasıdır. Bir uygulama endüstri tarafından iki kez tanındı ve hem teori hem de pratikte değerini kanıtladı - bilgisayarla görme uygulamaları alanındaki sorunlu noktaları çözmek için yeni bir fikir sağladı.
Uzun bir süredir, bilgisayar görüşü uygulama alanı, zor veri güvenliği ve gizlilik koruması ve yüksek iletim maliyetleri gibi sorunlarla karşı karşıya kaldı.Merkezi depolama için büyük bir eğitim veri kümesi oluşturmak üzere arka plan verilerini yakalamak için geleneksel "kara kutu" teknolojisinin kullanılması tavsiye edilmez.
Federe öğrenme teknolojisinin temel ilkesi, veriler yerel olarak mevcut olmadığında şifreli hesaplamalar yapmak ve hesaplanan model parametrelerini ortak modelleme için buluta yüklemektir. "Veri izolasyonu, tahribatsız eşdeğerlik ve ortak faydalar" özellikleriyle, tüm katılan veri "federasyonları", "yalnızca orijinal bağımsız veritabanına dayalı olarak" oluşturulanlardan daha eksiksiz bir model elde edebilir ve veriler kesinlikle gizlidir. Bu, özellikle bilgisayarla görme uygulamaları için önemlidir.
Teknik ilkelerin açıklamasına ek olarak, tez, bu alanda federe öğrenmenin uygulanmasına ilişkin pratik vakaları daha ayrıntılı olarak sıralamaktadır.
Makalede, federe öğrenme teknolojisinin teoride birçok avantajı olmasına rağmen, federe öğrenme uzmanları olmayan sistem geliştiricilerinin birleşik öğrenme teknolojisini orijinal sistemle bütünleştirmesine yardımcı olacak pratik uygulamalarda kullanımı kolay bir araçtan hala yoksun olduğu belirtildi. "Bu amaçla, WeBank ve Jiwangwang, federe öğrenmede yer alan bilgisayarla görme uygulamalarının geliştirilmesini desteklemek için bir makine öğrenimi mühendisliği platformu kurmak için işbirliği yaptı."
Şekil: Federal Vision Makine Öğrenimi Mühendislik Platformunun Ekran Görüntüsü
Şu anda, üç büyük işletme bu platformu bilgisayar görüşüne dayalı bir yangın riski önleme çözümü geliştirmek için kullandı ve bunu fabrika ortamında uyguladı. 4 aylık dağıtım doğrulamasından sonra, planın güvenilirliği tam olarak kanıtlanmış ve bilgisayar görüşü alanında federe öğrenmenin fizibilitesi doğrulanmıştır.
Bu makalenin ödülü, yalnızca federe öğrenmenin teknolojik değerinin bir tezahürü değil, aynı zamanda federe öğrenmenin ekolojik yapısının da önemli bir sonucudur. Teknik araştırma, açık kaynak araçları, standart formülasyon, endüstri uygulaması ve federe öğrenmenin diğer yönleri daha da genişletildi.Uygulama kapsamı, ToC, ToB ve ToG'nin çeşitli alanlarını kapsıyor ve federe ekoloji giderek daha mükemmel hale geliyor.
2018'de WeBank AI ekibi, onay için IEEE (Elektronik ve Elektrik Mühendisleri Enstitüsü) Standartlar Derneği'ne federal bir öğrenme standardı önerisi sundu ve federal öğrenme uluslararası standartlarının geliştirilmesini başlattı. WeBank'ın Yapay Zeka Baş Sorumlusu Profesör Yang Qiang, IEEE P3652.1 (Federal Öğrenme Altyapısı ve Uygulaması) Standart Çalışma Grubu'nun başkanı olarak görev yapmaktadır. Şu anda WeBank, Tencent, Huawei, JD.com ve Ping An'ın da aralarında bulunduğu 30'dan fazla şirket ve kurumun katılımıyla dört standart çalışma grubu toplantısı gerçekleştiren çalışma grubu, taslak standardın bu yıl yayınlanması bekleniyor.
Sadece bu değil, 2019'da WeBank, paralel bilgi işlem mimarisi, denetlenebilir bilgi etkileşimi ve açık ve ölçeklenebilir arayüzler dahil olmak üzere üç endüstriyel uygulamayı çözebildiğinden, federe bir öğrenme teknolojisi çerçevesi olan Federate AI Technology Enabler'ı (Federate AI Technology Enabler) açık kaynaklı hale getirdi. Sıkça Sorulan Sorular, endüstriyel uygulama standartlarına ulaşma ve dünyanın ilk federal öğrenme endüstriyel uygulaması açık kaynak projesi olma. Açık kaynaktan bu yana, FATE sürekli olarak yükseltildi ve ilk görsel federe öğrenme aracı FATE Board, birleşik öğrenme modellemesi Ardışık düzen planlama ve yaşam döngüsü yönetimi aracı FATE Flow ile donatıldı. Şu anda FATE, dünyanın en büyük kar amacı gütmeyen teknoloji topluluğu olan Linux Vakfı'na dahil edilmiştir.
Endüstri teknik standartlarına ve açık kaynak araçlarına ek olarak, endüstri değişimlerini daha iyi teşvik etmek amacıyla WeBank, federe öğrenme alanını tam olarak paylaşmak için sistematik olarak federe öğrenmeyi tanıtan Federe Öğrenim üzerine dünyanın ilk monografisini yazıp yayınladı. Birikim, endüstri etkileşimini teşvik edin.
Kitap, federe öğrenmeyi dağıtılmış makine öğrenimi, kriptografi ve güvenlik ile derinlemesine entegre etmeyi ve ekonomi ve oyun teorisinin ilkelerini ve ilgili teşvik mekanizması tasarım teorilerini "veriler yerel olarak mevcut olmadığında veri güvenliğinin nasıl sağlanacağını" çözmek için özümsemeyi açıklamaktadır. Bu durumda, birden çok veri sahibinin veri modelini paylaşmasına izin verin.
Resim: AAAI 2020'de gösterilen Federated Learning üzerine bir monografi olan Federated Learning
Aynı zamanda, federe öğrenmenin pratikliği ve ticari değeri, pratik uygulama açısından da sürekli olarak onaylanmıştır. WeBank, risk kontrolü, dolandırıcılıkla mücadele, akıllı hizmetler, pazarlama ve perakende ve diğer alanlarda federe öğrenmeyi kullandı ve önemli sonuçlar elde etti. Dikey federe öğrenme teknolojisine dayalı olarak, kendi geliştirdiği akıllı puanlama motoru, faturalama miktarı ve merkez bankasının kredi bilgisi verileri gibi etiket özellikleriyle birlikte modellenerek küçük ve mikro işletmelerin risk kontrol modeli (AUC of ROC) arasındaki ayrımı% 12 artırdı . China Financial Forty Forum (CF40) kıdemli araştırmacısı ve China Securities Regulatory Commission eski başkanı Xiao Gang tarafından yönetilen "2019 China Smart Finance Development Report", "Akıllı finansta federe öğrenmenin uygulama senaryoları çok geniştir ve özel bir kısıtlama yoktur. Çoğu. Makine öğrenimi ve derin öğrenme gibi yaygın yapay zeka algoritmaları, belirli bir dönüşümden sonra birleşik öğrenme yöntemlerine uyarlanabilir. " Uluslararası üne sahip danışmanlık ajansı Forrester tarafından kısa süre önce yayınlanan "Yapay Zeka Dolandırıcılık Yönetimini Dönüştürüyor" raporunda da "federal öğrenmenin kurumlar arası işbirliğinin verimliliğini artırmada çok yardımcı olduğu ve geleceğin beklenebileceğinden" bahsedildi.
Federe öğrenmenin sektörde daha kapsamlı ve derinlikli hale geldikçe, federe öğrenmenin "evrenselliğinin" artmaya devam ettiğine ve gücünün, yeni nesil yapay zeka geniş ölçekli işbirliğinin temeli olacağına ve teknoloji ve toplumun ihtiyaçlarını karşılayabileceğine ve emeği üstlenebileceğine inanılıyor. Zeka, geliştirme ve uygulamada önemli bir rol oynar.
Birleşik öğrenim hakkında daha fazla bilgi edinin: lütfen bağlantıyı açın
Federated Learning monografisi "Federated Learning" hakkında daha fazla bilgi edinin: lütfen bağlantıya tıklayın
WeBank AI hakkında daha fazla bilgi edinin: lütfen bağlantıya tıklayın
Lei Feng Ağı Lei Feng Ağı Lei Feng Ağı
