"Ortak refah" için "federal öğrenme" mi? CCF ile ilgili seminerler yakında geliyor
Leifeng.com AI Teknolojisi Yorumu: 24 Mart'ta Çin Bilgisayar Federasyonu Teknik Ön Cephe Komitesi (CCF TF), Shenzhen Üniversitesi Bilim ve Teknoloji Binasının konferans salonunda "Federe Makine Öğrenimi: Teknoloji ve Veri Gizliliğinin Korunması" temalı bir toplantı düzenleyecek. 14. Çin Bilgisayar Topluluğu Teknik Ön Cephe Semineri. O zamana kadar, bir dizi üst düzey endüstri uzmanı, "Federal Öğrenme" konulu özel raporlar vermek için siteye gelecektir.
"Federal Çalışma" hakkında
Yapay zeka, uzun bir geliştirme sürecinden sonra son yıllarda teknoloji ve hesaplama gücünün sınırlarını başarıyla aştı.Büyük verinin gelişmesiyle birlikte farklı alanlarda çok önemli bir rol oynuyor. Ancak yapay zekanın gelişiminin bu aşamasında verilerle yakından ilgili üç konu var:
-
Birincisi, birçok alandaki veriler niceliksel olarak sınırlıdır ve kalitesizdir ve doğrudan modellemek imkansızdır;
-
İkinci olarak, rekabet, güvenlik sorunları ve onay prosedürleri gibi faktörlerden dolayı, veri akışında kırılması zor olan engeller vardır, sözde "veri adası" sorunu;
-
Üçüncüsü, endüstri veri alışverişi yapmayı planlasa bile, veri gizliliği ve güvenliğine vurgu dünya çapında bir trend haline geldiğinden politika hesap verebilirliği ile karşılaşabilir.Örneğin, AB kısa süre önce yeni bir yasa çıkardı - Genel Veri Koruma Yönetmeliği (Genel Veri Koruma Yönetmeliği). , GDPR) en iyi kanıtıdır.
Yukarıdaki sorunlara yanıt olarak Google, kişisel terminal cihazlarına dayalı bir "Federe Öğrenme" algoritma çerçevesi önermede başı çekti ve daha sonra WeBank AI ekibi, tek tek çözebilecek "Federal Öğrenime" dayalı sistematik bir genel çözüm önerdi. (C'ye) ve şirketler arası (B'ye) ortak modelleme sorunları.
"Birleşik Öğrenme" aslında şifrelenmiş, dağıtılmış bir makine öğrenimi teknolojisidir. İlgili tüm taraflar, temeldeki verileri ve temel verilerin şifreleme (şaşırtma) biçimini açıklamadan bir model oluşturabilir. Her işletmenin kendi verilerinin yerel olarak değil, şifreleme mekanizması altında parametre değişim yöntemi ile yani veri gizliliği düzenlemelerini ihlal etmeden sanal bir paylaşımlı model kurulduğunu fark edebilir. Böyle bir mekanizma altında, ilgili tüm tarafların kimlikleri ve statüleri aynıdır ve "ortak refah" hedefine başarıyla ulaşmışlardır.
Bu yüzden yardım edemiyoruz ama merak ediyoruz, federe öğrenme nasıl uygulanıyor? "Ortak refah" nasıl elde edilir? Bize ne tür sürprizler getirecek? 14. CCFTF semineri, bu sorunları sektördeki "kaşifler" ile tartışmayı dört gözle bekliyor.
Misafir dizisi
Konferans başkanı
Yang Qiang
Kişisel profil: WeBank Yapay Zeka Baş Sorumlusu Yang Qiang, Uluslararası Yapay Zeka Derneği Başkanı, Hong Kong Bilim ve Teknoloji Üniversitesi Profesörü, Fourth Paradigm'in kurucu ortağı. Yapay zeka araştırmalarında uluslararası bir uzman ve lider, ilk Uluslararası Yapay Zeka Derneği AAAI Çinli Üyesi, tek Uluslararası Yapay Zeka Derneği AAAI Çin İcra Komitesi, ilk Uluslararası Yapay Zeka Federasyonu IJCAI Konseyi Çin Başkanı, CCF Profesyonel Üyesi ve Üstün Konuşmacı , Hong Kong Bilim ve Teknoloji Üniversitesi Bilgisayar Bilimleri Bölümü Başkanı Profesör ve eski Dekanı ve Hong Kong Yapay Zeka ve Robotik Derneği Kurucu Başkanı. Yang Qiang, bir ACM AAAI / IEEE / AAAS / IAPR Üyesi, ACM ve IEEE ve diğer uluslararası gelişmiş yapay zeka ve veri madenciliği dergileri, çok sayıda uluslararası yapay zeka araştırma topluluklarının organizatörleri, uluslararası makine öğrenimi alanları ve `` transfer öğrenimi''dir. Alandaki uluslararası liderler.
Özel öğretim üyesi
Liu Yang
Kıdemli Araştırmacı, Yapay Zeka Departmanı, WeBank
Tema raporu 1: Birleşik öğrenmenin araştırılması ve uygulanması
Tema tanıtımı: Federe öğrenme çerçevesinin avantajları nelerdir? Bir makine öğrenimi çerçevesi olarak, federe öğrenme, birden çok kuruluşun kullanıcı gizliliği koruması, veri güvenliği ve hükümet düzenlemelerinin gereksinimlerini karşılarken verileri kullanmasına ve modellemesine etkili bir şekilde yardımcı olabilir. Federe öğrenme temelinde, transfer öğrenme yeteneği, analojinin etkisini elde etmek için de inşa edilebilir. Ada verilerinin farklı dağılım özelliklerine göre, farklı federe öğrenme programları öneriyoruz. Bu raporda, federe öğrenme kavramını ve uygulamasını kapsamlı bir şekilde tanıtacağız ve federasyon açık kaynak projesi FATE'nin ayrıntılı bir açıklamasını sunacağız. FATE, makine öğrenimi, derin öğrenme ve geçiş öğrenimi için veri gizliliği korumasına dayalı güvenli bir bilgi işlem çerçevesi sağlar. Algoritmalar, güvenli bilgi işlem için güçlü destek sağlar.
Kişisel profil: Liu Yang, WeBank'ın AI departmanında kıdemli bir araştırmacı ve AI platformu araştırma ve geliştirme başkanıdır. Ana araştırma yönleri makine öğrenimi, birleşik öğrenme, aktarım öğrenimi, çoklu zeka sistemleri vb. Ekibi federe öğrenme teorisini araştırmaya ve geliştirmeye yönlendirdi, endüstri uygulamalarını ve IEEE uluslararası standartlarının formülasyonunu teşvik etti, FedAI'yi kurdu ve 2019 AAAI konferansında federe öğrenim üzerine ilk davetli dersi verdi (Eğitim). Weizhong'a katılmadan önce, Amerikan şirketi Dataminr'de haber önerisi, akıllı arama ve veri platformu izleme ve ürün uygulaması gibi algoritmaların araştırma ve geliştirilmesinden sorumlu veri bilimcisi olarak çalıştı. ABD Princeton Üniversitesi'nden Doktora, Tsinghua Üniversitesi'nden lisans derecesi. Çok sayıda uluslararası patente sahiptir ve "Nature" ve ACM TIST gibi tanınmış akademik dergilerde bilimsel araştırma sonuçları yayınlamıştır.
Zhang Junbo
JD Smart City Araştırma Enstitüsü Kıdemli Araştırmacısı, JD City Hesaplama Bölümü Yapay Zeka Platformu Bölümü Başkanı
Tema raporu 2: Kentsel bilgi işlem ve alanlar arası öğrenme ortak modelleme
Tema tanıtımı: Kentsel bilgi işlem, kentsel planlama, ulaşım, enerji, çevre ve ekonomiyi arka plan olarak kentle bütünleştiren gelişmekte olan bir bilgisayar bilimi alanıdır.Şehrin farklı bölgelerindeki büyük verinin sürekli edinimi, entegrasyonu ve madenciliği yoluyla kentsel acı noktalarını çözen bugün şehirdir. Yeni bir akıllı şehre giden yol. Bu rapor, kentsel bilgi işlem platformunun ve dijital ağ geçidi teknolojisinin mimarisini tanıtacak, etki alanları arası veri füzyonu ve öğrenme yöntemlerini açıklayacak ve yapay zeka tabanlı ticari site seçimi, insan akışı tahmini ve büyük veri ve yapay zeka teknolojisine dayalı kredi şehirleri vakalarını paylaşacak. Sistem.
Kişisel profil: Zhang Junbo, JD Smart City Araştırma Enstitüsü'nde kıdemli bir araştırmacı ve JD Şehir Hesaplama Bölümü AI Platformu Bölümü başkanıdır. Kentsel uzay-zamansal büyük veriler için AI platformlarının, algoritma modellerinin ve teknolojisinin araştırma ve geliştirilmesinden sorumludur. Yapay zeka alanında önde gelen uluslararası bir dergi olan ACM TIST'in yayın kurulu üyesi, IEEE TKDE, ACM TKDD gibi tanınmış yerli ve yabancı dergilerin yorumcusu ve KDD, IJCAI ve AAAI gibi CCF-A konferansları da dahil olmak üzere yurt içi ve yurt dışı konferansların program komitesi üyesi olarak hizmet vermektedir. JD.com'a katılmadan önce, Dr. Junbo Zhang, Microsoft Asya Araştırma Enstitüsü'nde araştırmacı ve Lenovo Hong Kong Büyük Veri Ar-Ge Merkezi'nde araştırmacı olarak görev yapmış, Çin Hong Kong Üniversitesi, Huawei Hong Kong Nuh'un Gemisi Laboratuvarı, Georgia Eyalet Üniversitesi ve Belçika Nükleer Araştırma Merkezi'nde uzun yıllar çalışmıştır. Yapay zeka ve mekansal-zamansal veri madenciliğinde yaklaşık on yıllık deneyim.
Wang Yuwei
Beijing Guantao Zhongmao (Şangay) Hukuk Bürosu Ortağı
Konu Raporu 3: Siber Güvenlik ve Veri Koruma Mevzuatı ve Uygulaması
Tema tanıtımı : 2018 yılında yerli işletmeler tarafından veri uyumluluğunun ilk yılı olarak adlandırıldı. "Siber Güvenlik Kanunu" kademeli olarak uygulamaya geçirildi ve tüm seviyelerde veri mevzuatı süreci tam anlamıyla başlatıldı. İdari ve adli yönetişimin kilit noktaları ön plana çıkarıldı. "Siber Güvenlik Kanunu" ile ilgili yargı ve kolluk davaları Normalliğe doğru ilerleyen piyasa yönetişim güçleri şekillenmeye başlıyor. Buna ek olarak, dünyanın en katı kişisel veri koruma yasası olarak bilinen GDPR'nin yürürlüğe girmesi, denizaşırı ticarette yer alan şirketlere kişisel verilerin korunması düzeyinde katı şartlar da getirir. Bu rapor, şirketlerin bir veri uyumluluk sistemini nasıl kurabileceklerini ve giderek daha katı hale gelen yasalar ve sık sık kanun yaptırımı altında kendi veri güvenliği yeteneklerini nasıl geliştirebileceklerini açıklamak için tipik yerel ve yabancı vakaları birleştirecektir.
Kişisel profil: Wang Yuwei, Southwest University of Political Science and Law ve East China University of Political Science and Law'dan hukuk alanında yüksek lisans derecesi ile mezun olmuştur. Şu anda Beijing Guantao Zhongmao (Shanghai) Hukuk Bürosu'nun ortağıdır ve büyük veri, blok zinciri, yapay zeka, ağ güvenliği, mobil İnternet ve finans üzerine çalışmaktadır. Teknoloji ve bulut bilişim alanlarında yerli ve yabancı teknoloji firmaları bu alanda hukuki hizmet vermektedir. Şirketlere kişisel veri toplama ve kullanma, veri bilgi yönetimi koruması, gizlilik koruma sistemi oluşturma, veri ifşa, veri haksız rekabet ve ağ güvenliği sağlayan siber güvenlik, veri uyumluluğu, veri rekabet yasası ve ilgili sermaye piyasası hukuk hizmetleri üzerine odaklanmaktadır. , Sınır ötesi veri aktarımı için kapsamlı çözümler.
Chen Yuqiang
Dördüncü Paradigmanın Kurucu Ortağı ve Baş Araştırmacısı
Keynote raporu 4: Federe öğrenme - Herkes İçin Yapay Zeka için tek yol
Tema tanıtımı: Yapay zekanın hızla geliştiği bu çağda, sürekli olarak yeni AI sonuçları üretiliyor.Bir yandan, AI teknolojisinin çeşitli sektörlerde atılımlar üretmeye devam ettiğini gördük. Öte yandan, çok az şirket, şirket operasyonlarının çekirdeği haline gelmek için AI'nın nasıl kullanılacağı konusunda uzmanlaştı. Birkaç tane var, temelde birkaç yapay zeka devine odaklanmış durumda. Bunun nedeni, pratik uygulamalarda birçok eşiğin AI'nın yaygın kullanımını etkilemesidir. Bu eşikler, bir yandan geliştiricilerin AI uygulamaları oluşturmak için gereksinimlerinden, diğer yandan da AI uygulamaları oluşturmak için veri gereksinimlerinden gelir. Bu zorluklar karşısında, bu paylaşım, başa çıkmaya çalışan çalışmanın iki yönüne odaklanacaktır: biri geleneksel modellemenin eşiğini düşürmek için otomatik makine öğrenimi teknolojisinin kullanılması, diğeri ise federe öğrenme yoluyla veri eşiğini düşürmektir. Temel kavramlarını, arka planlarını, uygulanabilir senaryolarını ve iniş etkilerini tanıtacak ve dördüncü paradigmayı, bunları sektördeki gerçek senaryoların keşfi ve uygulamasına uygulamak için birleştirerek paylaşacağız. Gelecekte modelleme eşiği tamamen azaltılabildiğinde, federe öğrenmenin AI İçin Herkes için tek yol olacağına inanıyor ve daha fazla akademisyenin buna katılabileceğini umuyoruz.
kendini tanıtma: Chen Yuqiang, Fourth Paradigm'ın kurucu ortağı ve baş araştırma bilimcisi. Dördüncü paradigma sırasında, Çin'deki ilk ticari yapay zeka tam süreç platformunun geliştirilmesine başkanlık etti. Baidu sırasında, dünyanın ilk ticari derin öğrenme sistemi "Fengchao Derin Öğrenme Sistemi" nin yapımına başkanlık etti. Bugünün manşetlerinde Chen Yuqiang, sıfırdan başladı. Ekip, Toutiaonun temel haber öneri sistemini ve bilgi akışı reklamcılık sistemini kurdu. Bu sistem yüz milyonlarca kullanıcıya hizmet veriyor ve Toutiao'nun Çinin mobil İnternet alanındaki en başarılı içerik dağıtım platformlarından biri olmasına yardımcı oluyor. Chen Yuqiang, NIPS, AAAI, ACL, KDD, SIGKDD gibi yapay zeka zirveleri hakkında makaleler yayınladı ve APWeb2010 En İyi Bildiri Ödülü'nü kazandı ve KDD Cup 2011 üçüncü oldu.Akademik çalışmaları dünyaca ünlü teknoloji dergisi MIT Technology Review tarafından rapor edildi.
Yu Han
Nanyang Yardımcı Doçent, Nanyang Teknoloji Üniversitesi, Huizhong Smart Chain Network Technology Co., Ltd. Baş Bilimcisi
Tema raporu 5: Birleşik öğrenmede oyun teorisi
Tema tanıtımı: Yapay zeka gizliliğinin korunması ve yapay zeka için dünya çapında ülkelerin sesleri karşısında, federe öğrenme yavaş yavaş endüstri tarafından değer verilen ve kabul edilen yeni nesil yapay zeka temel teknolojisi haline geldi. Aşağıda, orijinal veri paylaşım sistemi yapısının dönüşümü için bir dizi gereksinim yer almaktadır. Veri federasyonunun genel çıkarlarını göz önünde bulundurarak, yatay federasyon, dikey federasyon ve federe geçiş öğrenimi bağlamında veri federasyonunun ortak eğitim modeline dahil olan tüm tarafların çıkarlarının korunması nasıl en üst düzeye çıkarılır? Sınırlı savunma kaynaklarını daha etkin bir şekilde dağıtmak ve veri federasyonunun çıkarlarını korumak için veri federasyonuna yönelik çeşitli saldırıları nasıl modelleyebilirim? Bu rapor, oyun teorisi ve sistem optimizasyonu perspektifinden bu tür problemlerin çözümü için bazı fikirleri paylaşacaktır.
Kişisel profil: Yu Han şu anda Singapur'daki Nanyang Teknoloji Üniversitesi Nanyang'da Yardımcı Doçent ve Huizhong Smart Chain (Pekin) Network Technology Co., Ltd. (hzzlink.com) Baş Bilim Adamıdır. Araştırması esas olarak, büyük ölçekli karmaşık işbirlikçi ağların gerçek zamanlı veriye dayalı algoritmik yönetimini, yapay zeka etiği, federal öğrenme senaryolarında oyun ve teşvik mekanizması tasarımını gerçekleştirmek için yapay zeka kullanımına adanmıştır. Bilimsel araştırma sonuçları AAAI, IJCAI, AAMAS gibi önde gelen uluslararası akademik konferanslarda ve ACM / IEEE İşlemleri ve "Scientific Reports" gibi bilimsel dergilerde yüzden fazla makalede yayınlanmış ve 11 kez son teknoloji yapay zeka uluslararası konferans ve dergilerinde ödül kazanmıştır. Dr. Yu Han, 2015 yılında, paylaşım ekonomisine yardımcı olmak için yapay zekayı teşvik etmek için Tüm Zeka Bilimi ve Mühendislik İttifakı'na (ACE) ortak sponsor oldu ve onu kurdu. 2014 ve 2015 yıllarında Küresel Genç Bilim Adamları Zirvesi'nde iki kez ilk on genç bilim adamından biri seçildi.
Özel misafir
Song Hengjie
South China University of Technology Profesörü ve Doktora danışmanı, Guangzhou Huosu Yinhua Information Technology Co., Ltd. CEO'su
Kişisel profil: Song Hengjie, Güney Çin Teknoloji Üniversitesi'nde profesör ve doktora şefi. Doktora, Nanyang Teknoloji Üniversitesi'nden (NTU, Singapur) mezun oldu. Art arda Belçika Üniversitelerarası Mikroelektronik Araştırma Merkezi (IMEC) ve Baidu Şirketi'nde (Pekin) araştırma çalışmaları yürüttü. 2012'den 2014'e kadar, Japonya Bilimi Teşvik Derneği'nin (JSPS Fellow, Kyoto Üniversitesi, Japonya) Denizaşırı Özel Araştırmacısı olarak işe alındı. 2014 yılının sonunda, Güney Çin Teknoloji Üniversitesi üst düzey yetenek projesinden (üçüncü seviye) fon aldı. Şu anda, Çin Ulusal Doğa Bilimleri Vakfı, Guangdong Mühendislik Araştırma ve Geliştirme Merkezi, Eğitim Bakanlığı-Çin Mobil Ortak Araştırma Fonu ve Çin-Singapur Ortak Araştırma Fonu gibi bir dizi ulusal, il ve bakanlık bilimsel araştırma projelerini üstlenmektedir. Son yıllarda, ilk yazar / ilgili yazar olarak, AAAI, ICDM, IEEE Trans. Fuzzy Systems, IEEE CIMs, vb. Gibi üst düzey uluslararası akademik konferanslar dahil olmak üzere uluslararası akademik dergilerde ve konferanslarda yaklaşık 20 makale yayınlamıştır.
Chen Tianjian
WeBank Yapay Zeka Bölümü Genel Müdür Yardımcısı
Kişisel profil: WeBank'ın Yapay Zeka Departmanı Genel Müdür Yardımcısı Chen Tianjian, makine öğrenimi platformunun teknoloji geliştirme ve ticarileştirilmesinden sorumlu. Baidu, Xunlei, BGI gibi teknoloji şirketlerinde ve diğer teknoloji şirketlerinde çalışıyordu, Baidu'nun baş mimarı ve Baidu Finans'ın baş mimarı idi.
toplantı düzenlemesi
Zaman: 24 Mart 2019
Yer: Konferans Salonu 2, Bilim ve Teknoloji Binası, Shenzhen Üniversitesi, 3688 Nanhai Caddesi, Nanshan Bölgesi, Shenzhen
Toplantı gündemi aşağıdaki gibidir:
Katılım yolu
Doğrudan kaydolmak için QR kodunu tarayın:
Ödeme standartları aşağıdaki gibidir:
-
CCF üye katılım fiyatı: 1.000 yuan
-
CCF olmayan üye fiyatı: 1700 yuan
-
CCF grup üyeleri: ücretsiz bireysel kotadan yararlanabilirler
Üye olarak kaydolmak için CCF resmi web sitesine (https://passport.ccf.org.cn/sso/login?) Gidebilirsiniz.
Kaynak: China Computer Society'den Lei Feng Net
