2019年10月26日，中國計算機學會（CCF）在中國科學院計算技術研究所舉行了主題爲“AI聯邦學習的最新應用落地”的研討會，現場來自騰訊、華爲、微衆、平安等聯邦學習頭部企業的代表，展示了新一代聯邦學習技術在各行各業的應用範例。 在大會現場，InfoQ記者有幸採訪到了微衆銀行人工智能首席科學家範力欣博士，他爲讀者深入解答了有關聯邦學習的前沿技術及行業應用問題。
在研討會開場致辭中，微衆銀行首席人工智能官楊強教授提出，聯邦學習的發展需要經歷三個階段，即“點到點的聯邦學習發展階段”，“應用落地、積累案例階段”與“聯邦學習價值聯盟網絡建立階段”。在經歷第一階段的發展之後，目前的聯邦學習正在積累應用落地經驗的階段。
隨後，本次研討會主席、微衆銀行人工智能首席科學家範力欣在《從數據孤島到隱私保護：聯邦學習對各行業AI落地之影響》報告中回顧了聯邦學習被提出的歷史背景，進一步闡述聯邦學習落地的必要性。
微衆銀行人工智能首席科學家範力欣
範力欣博士表示：如今我們正在經歷互聯網的第四次信息革命，坐擁海量的信息與數據。“對這些數據利用人工智能進行解讀和整合，將對我們生活的方方面面產生深遠的影響。”爲了挖掘海量信息背後的知識，讓所有的數據以安全合規的方式進行AI建模，聯邦學習正是應運而生。聯邦學習這一新興的AI技術已經相繼落地於各行各業，在智慧城市、智慧終端、智慧醫療等領域都取得了突出的成果。
分享結束後，範力欣博士回答了InfoQ記者關於聯邦學習的提問。
爲什麼需要聯邦學習？
在範力欣博士看來，聯邦學習的發展概括起來就是一個“快”字，影響也是逐漸被大家認同和接受。他說：“2018年初，楊強教授開始領導微衆銀行人工智能部，兩年不到的時間，聯邦學習已經快速的發展了起來，而且在業界也得到迴應，京東、騰訊雲、平安科技等等企業也已經加入到聯邦學習的隊伍中來。”
至於原因，範力欣博士認爲，首先是因爲行業有痛點、有業務上的需求，尤其在業務應用落地的時候確實遇到了一些問題：比如隱私保護、安全合規等等；另外，這些數據在不同企業中，出於監管要求或者企業自身的考慮，是一個個被隔離如孤島般的存在，而不能充分挖掘數據背後的知識和價值。
範力欣博士說：“所以我們是希望在這個數據分隔的情況下，利用聯邦學習把數據背後的知識和價值整合起來”。
發展聯邦學習面臨哪些挑戰？
範力欣博士坦言：在推廣聯邦學習的過程中，建立一致的標準是目前面臨的一大挑戰。
首先，從隱私方面來說，雖然各個國家對待隱私保護的問題都很重視，但是中國有自己的隱私保護法，美國法律又有不同的要求，歐洲的GDPR更是以嚴格著稱，如何讓一套標準能夠在所有國家都通行，是非常困難的。“這是一個求同存異的過程。”範力欣博士說道。
其次，市場的認知仍然有待培養。範力欣博士說：“先行者們在努力佈局，包括培養市場、溝通客戶，很多時候並不是技術水平無法達到，而是建立信任需要花時間。”
“也正因如此，”範力欣博士補充說：“我們需要一些安全的驗證，需要一個共同的標準，我們也正在致力於推進這個標準。”
推進聯邦學習IEEE標準意義何在？
這個標準是什麼？答案就是：聯邦學習IEEE標準。
IEEE，全稱 Institute of Electrical and Electronics Engineers，即國際電氣與電子工程師協會，是目前全球最大的非營利性專業技術學會。IEEE 下設的標準協會是世界領先的標準制定機構，其標準制定內容涵蓋人工智能等前沿信息科技，以及通信、電力和能源等多個科技領域，對全球科技發展具有舉足輕重的影響。
如果能夠推出聯邦學習IEEE標準，其影響力將會帶動整個行業地發展。 範力欣博士表示，推行聯邦學習IEEE標準，本質上是爲了方便行業協作。他說，技術的進步就是爲了優化社會的運作，提升生產率，以達到提供更好服務和提升生活質量的目的，這是非常有意義的。
在聯邦學習IEEE標準的制定過程中，自然少不了中國科學家的身影。就在近期，IEEE P3652.1（聯邦學習基礎架構與應用）標準工作組第四次會議於北京成功召開。北京大學、IEEE、微衆銀行、創新工場、京東、中國電信、騰訊、小米、阿里巴巴、依圖、星雲Clustar、第四範式、華爲終端、VMWare、LogiOcean、SensesGlobal、Swiss Re、Intel、CETC BigData、螞蟻金服、華夏基金、富數科技共22家頭部企業與研究機構參與，會議聚焦於聯邦學習的場景分類與需求分類，着重對聯邦學習的安全測評與評級進行規劃，進一步探討聯邦學習標準制定。
範力欣博士說：“這是一個奠基性的貢獻。”
聯邦學習如何助力人工智能落地進程？
人工智能發展到今天，面臨的最大挑戰就是落地問題，這也是近兩年不少企業和機構努力的方向。聯邦學習正是爲了解決落地難而生的。 AI發展的三要素是“數據、算法、算力”，而聯邦學習能夠解決數據孤島問題。那麼，這兩者之間有什麼聯繫呢？
範力欣博士認爲，AI落地難存在着幾個方面的原因：
一方面，大衆對人工智能技術的期望過高。他表示，現在流行的機器學習本質上還是概率學習，並不能一夜之間解決全部問題，或者完全模擬人類的智能；
另一個就是數據問題。巧婦難爲無米之炊，數據如果被割裂開，就無法被有效地利用起來，也無法發揮它的價值。所以範力欣博士希望，聯邦學習能夠起到橋樑的作用，把這部分空檔連接起來，把數據背後的知識連接起來。
因此，聯邦學習解決的不僅是數據問題，更是AI落地的關鍵問題。
以醫療數據爲例，首先患者在醫院的數據是高度敏感和受嚴格保護的；與此同時，防疫局方面也有相應的數據，如果能把兩方面數據背後的知識整合起來，就能夠知道醫院這些病患數據背後的趨勢是怎樣的，是否有疫情隱患存在，對於醫院、防疫局的工作都是有幫助的。
範力欣博士說：“知識層面的擴展，不僅僅是推動商業進步，而且是社會進步的基礎”。由於法規和技術的原因，現在各行各業的數據並沒有被充分地利用起來。因此，聯邦學習的發展是很有必要的，它的及時出現就是爲了解決AI落地的最後一公里問題。
採訪嘉賓簡介
範力欣博士，微衆銀行人工智能首席科學家, 曾任諾基亞技術公司首席科學家，研究領域包括機器學習和深度學習，計算機視覺和模式識別，圖像和視頻處理等領域。他是60多篇國際期刊和會議出版物的作者，共獲得6千多次的引用。範博士也是美國，歐洲和中國提交的近百項專利的發明人。