NeurIPS 2019 联邦学习国际研讨会论文收录情况揭晓 中美领跑人工智能新方向？

2019年12月，国际人工智能顶级学术会议神经信息处理系统大会NeurIPS将于2019年19年12月举行。加拿大温哥华盛大召开。大会期间，谷歌、微型银行、卡内基梅隆大学、新加坡南洋理工大学等机构共同召开了关于联邦学习技术应用的国际研讨会WorkshoponFedratdLearningfordata，专业从这个国际研讨会最近发表的论文收录情况来看，联邦学习这个人工智能子领域受到国内外着名研究机构和企业的关注和重视。

联邦学习国际社区范围进一步扩大

研讨会主席、微型银行人工智能首席科学家范力欣表示，随着人工智能技术成功突破算法和算力限制，如何连接数据孤岛，保护数据隐私联邦学习作为加密的分布式机械学习模式，可以使各方在不披露原始数据的情况下达到共建模型的目的。也就是说，在不违反数据隐私保护法规的前提下，连接数据孤岛，建立性能优异的共享模型。

近两年来，联邦学习在学术研究、标准制定、行业落地等方面飞跃发展，成为人工智能领域引人注目的方向之一。今年8月,IJCAI 2019首届联邦学习国际研讨会的成功召开标志了联邦学习国际社区的正式成立,联邦学习进入了一个新的阶段。此次在NeurIPS 2019中举办的联邦学习主题的研讨会则在参与人数、投稿数量、研讨深度、应用广度等方面进一步提升,吸引更多国际研究者与从业者的关注。据统计，本次研讨会共收到68篇投稿论文，来自美、中、英、德、芬兰、新加坡、日本、印度、以色列、沙特阿拉伯等17个国家和地区，其中哈佛、普林斯顿、康奈尔、麻省理工等国际名校和研究机构、谷歌、华为、腾讯、微型银行等着名企业。数据显示，美国和中国投稿最多，占投稿总数的70%以上。近年来，在联邦学习的研究中，以谷歌研究院为代表的技术流派关注消费者方面(c方面)移动设备的隐私保护问题，国内以微型银行AI团队为代表的技术流派重视企业方面(b方面)跨组织的大数据合作场景。事实上，这次研讨会的投稿分布也体现了在联邦学习这个人工智能的新方向，中美的领先地位。

理论研究与应用探索并列

在被接受的33篇论文中，从被选为论文作者的机构分布来看，卡内基梅隆大学、谷歌、微型银行、腾讯占最高。哈佛大学、耶鲁大学、康奈尔大学、清华大学、北京大学、香港科技大学、微软、Facebook、腾讯等国内外着名研究机构和企业占有地位。

入选论文不仅表现出对联邦学习的理论研究，还表现出实际应用中的探索成果。其中最受评委青睐的来自卡耐基梅隆大学的论文《Think Locally, Act Globally: Federated Learning with Local and Global Representations》就提出结合本地与全局的方式,降低联邦学习通讯开销,提升学习效率,该方法即使在参与方拥有非同质数据的情况下仍然有效。无独有偶,国内微众银行AI团队的论文《A Communication Efficient Vertical Federated Learning Framework》提出针对纵向联邦,降低通信开销,进而提升学习效率的方法,该方法在理论分析与实验验证中被证明行之有效。通信费用的降低和学习效率的提高为更广泛的工业化奠定了基础，其研究源于应用，在实际应用中也产生了巨大的价值。此外，谷歌与卡内基梅隆大学的合作论文《Mitigatingtheimpactoffed，Clientresources》提供了客观全面评价联邦学习各种方法的基准框架。

这次研讨会聚集了很多学术大咖啡，其中欧洲人工智能的领导人物、欧洲人工智能联盟(ECCAI)和国际人工智能学会(AAAI)院士优艾设计网_PS百科Boi执行Faltings教授的论文《Federated领导Learninglearninglithbayesiandintinglifferaltingstininglewininglbaybaybaybaybaybayterededededederntintintintinglbaybaybaywaybaybaybaybaybaybaybaybaytindindindindindindindindindendindindendelalalalalalalalalalalalalaybayprayayayayarererndintinde的隐私

本次研讨会还邀请了8名特邀嘉宾，发表了联邦学习主题报告书:微众银行首席人工智能官、第四范式联合创始人、香港科技大学讲座教授杨强、谷歌语音识别技术研究开发领导人Francoisebeaufays和谷歌研究院研究员Daniel向Ramage、网络安全领域着名专家、加利福尼亚大学伯克利分校教授Dawnsong和助理教授Ralucaaadaatatatatatayatadatatatadatatapopa、阿姆斯特大学机器学研究首席教授、高通技术副总裁Malix、加州大学伯克利分校教授Dawawangelandatandayayatatatatandatatatatatatatatatatatatatatatatatatatandatatatatatatay和助理、辅助教授Datadandatatatatatatatatayatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatatat

联邦学习领域的顶尖学者和员工从理论研究和实践探索出发，将联邦学习与多个行业领域的最新技术相结合，为应对用户隐私保护、数据安全和AI落地的矛盾提供更全面有效的解决方案。随着联邦学习的深入研究和广泛落地，AI更大规模的行业相信未来可以应用。