NeurIPS 2019聯(lián)邦學習國際研討會現(xiàn)場
聯(lián)邦學習作為加密的分布式機器學習新范式，可以讓各方在數據不出本地，保護數據隱私的前提下，進行聯(lián)合建模，實現(xiàn)跨機構跨組織AI協(xié)作，為打破數據孤島和數據隱私保護難題提供了新思路。在近兩年數據監(jiān)管越發(fā)嚴格的大環(huán)境下受到了國內外眾多機構的關注。
此次研討會吸引了眾多學者參與聯(lián)邦學習生態(tài)的建設，共收到68篇論文投稿，33篇被接收，哈佛大學、耶魯大學、普林斯頓大學、康奈爾大學、麻省理工學院、卡耐基梅隆大學、清華大學、北京大學和香港科技大學等國際名校與研究機構以及谷歌、微軟、Facebook、華為、騰訊和微眾銀行等知名企業(yè)均榜上有名。12篇優(yōu)秀論文于現(xiàn)場進行了講解，21篇優(yōu)秀論文進行了海報展示，來自世界各地的學者與論文作者展開了對話與交流，最終評選出“杰出論文（Distinguished Paper Award）”和“杰出學生論文（Distinguished Student Paper Award）”兩大獎項。
12篇優(yōu)秀論文于研討會現(xiàn)場進行了講解
21篇優(yōu)秀論文于研討會現(xiàn)場進行了海報展示
來自甲骨文實驗室（Oracle Labs）的論文團隊以及來自哈佛大學、耶魯大學的論文團隊獲得了杰出論文獎。來自卡內基梅隆大學、Bosch Center for Artificial Intelligence（BCAI）的論文團隊以及來自卡內基梅隆大學、東京大學的論文團隊則摘得杰出學生論文獎。
杰出論文及杰出學生論文獎項于“WeBank AI Night”頒發(fā)
這是繼今年8月國際人工智能聯(lián)合會議（IJCAI 2019）首屆聯(lián)邦學習研討會之后，聯(lián)邦學習再次亮相國際人工智能頂級會議。谷歌研究員Daniel Ramage的統(tǒng)計結果顯示：聯(lián)邦學習論文數量近期呈現(xiàn)高速增長趨勢，研討深度與應用廣度都有長足進步，在微眾銀行和谷歌等企業(yè)研究的頭雁效應下，聯(lián)邦學習發(fā)展進入了新階段。
國際AI專家聚力探索“聯(lián)邦學習”多重可能，理論研究與實踐應用共同發(fā)力
近年來，人工智能技術已跨越從理論到實踐階段，正快速進入全球市場化階段。在人工智能新產品和新技術大量出現(xiàn)的同時，數據安全和數據隱私保護也越發(fā)受到關注，聯(lián)邦學習作為一種加密的分布式機器學習技術，可以在數據不出本地，用戶數據不泄露，遵循數據保護法規(guī)的前提下，多方共建AI模型，實現(xiàn)跨機構跨組織協(xié)作。
研討會上，微眾銀行首席人工智能官、香港科技大學講席教授楊強，谷歌語音識別技術研發(fā)帶頭人Francoise Beaufays，谷歌研究員Daniel Ramage，美國計算機學會ACM新晉院士、加州大學伯克利分校教授Dawn Song，加州大學伯克利分校助理教授Raluca Ada Popa，高通技術副總裁、阿姆斯特丹大學機器學習首席教授Max Welling，卡內基梅隆大學助理教授Ameet Talwalkar，中國科學院計算技術研究所泛在計算系統(tǒng)研究中心主任陳益強等國內外頂尖學者，深入探討了聯(lián)邦學習的個性化和普適性問題，以及貝葉斯方法、分布式學習、去中心化等技術要素在聯(lián)邦學習中的影響。
在聯(lián)邦學習的實際應用方面，微眾銀行首席人工智能官楊強教授著重分享了聯(lián)邦學習技術在推薦系統(tǒng)中的應用，谷歌的研究員Daniel Ramage則講述了谷歌在聯(lián)邦學習系統(tǒng)、算法和實際應用方面的探索，F(xiàn)rancoise Beaufays更是以谷歌輸入法為例，深入細致地分析了聯(lián)邦學習在實踐中的最新進展，中科院陳益強主任則揭示了聯(lián)邦學習在醫(yī)療領域輔助帕金森診斷方面的應用。
聯(lián)邦學習造就人工智能未來新趨勢
圓桌討論環(huán)節(jié)，針對主持人楊強教授和聽眾的提問，歐洲人工智能領軍人物、歐洲人工智能聯(lián)盟（ECCAI）與國際人工智能學會（AAAI）院士Boi Faltings教授，新加坡南洋理工大學計算機科學與工程學院院長苗春燕與特邀演講嘉賓一起，就聯(lián)邦學習當前面對的挑戰(zhàn)、對傳統(tǒng)機器學習的影響、最有前景的落地應用、如何達成多贏的結果等焦點問題，展開了全面而深入的討論。其中，Dawn Song教授提出：“聯(lián)邦學習的安全性是生死攸關的問題”，Max Welling教授則提出了一個發(fā)人深思的觀點：聯(lián)邦學習場景中海量的分布式異質數據，對統(tǒng)計分析的穩(wěn)定性和魯棒性提出了更高的要求，這方面的研究也將進一步提升傳統(tǒng)機器學習的性能。谷歌研究科學家Brendan McMahan最后在總結中指出， 建立共同的評測數據、指標及標準， 則是聯(lián)邦學習穩(wěn)健發(fā)展的必由之路。
聯(lián)邦學習研討會圓桌環(huán)節(jié)
近兩年來，聯(lián)邦學習在學術研究、標準制定和行業(yè)落地等方面發(fā)展迅速，有望成為下一代人工智能協(xié)同算法和協(xié)作網絡的基礎，全球范圍內也正在掀起“聯(lián)邦學習”的熱潮，越來越多的知名企業(yè)和著名學者參與到了共建聯(lián)邦學習生態(tài)中來。此次聯(lián)邦學習國際研討會的召開，標志著聯(lián)邦學習在人工智能研究領域已處于重要地位，在該領域的影響力顯著提升。未來將在更多行業(yè)、更多場景發(fā)揮無限潛能，全面加速AI普惠的到來。
關于NeurIPS：
神經信息處理系統(tǒng)大會(Conference on Neural Information Processing Systems，NeurIPS)，是人工智能機器學習和計算神經科學領域的頂級國際學術會議。該會議固定在每年的12月舉行，由NIPS基金會主辦，被中國計算機學會列為人工智能領域的A類會議。
更多信息請查閱研討會官網：http://federated-learning.org/fl-neurips-2019/
了解聯(lián)邦學習：www.fedai.org.cn
