IJCAI 2021聯(lián)邦學(xué)習(xí)與遷移學(xué)習(xí)國際研討會精彩回顧

8月19日，“第30屆國際人工智能聯(lián)合會（IJCAI 2021）”于線上隆重開幕，“聯(lián)邦學(xué)習(xí)與遷移學(xué)習(xí)國際研討會（FTL-IJCAI’21）”也在8月21日重磅登場。

本次研討會由微眾銀行、京東、第四范式、星云Clustar聯(lián)合香港科技大學(xué)、南洋理工大學(xué)等高校共同主辦。

技術(shù)賦能，聯(lián)邦學(xué)習(xí)與遷移學(xué)習(xí)助力AI領(lǐng)域大變革

2021年是機(jī)器學(xué)習(xí)取得了長足發(fā)展的一年，不僅遷移學(xué)習(xí)延伸出了協(xié)同學(xué)習(xí)，聯(lián)邦學(xué)習(xí)發(fā)展形勢更是迅猛：從個性化聯(lián)邦學(xué)習(xí)到異構(gòu)聯(lián)邦學(xué)習(xí)，從領(lǐng)域泛化到用戶選擇和聚類，聯(lián)邦學(xué)習(xí)與遷移學(xué)習(xí)領(lǐng)域的新研究主題百花齊放，不僅聚合成了AI領(lǐng)域的研究新趨勢，還為商業(yè)落地提供了強(qiáng)有力的理論支持。聯(lián)邦學(xué)習(xí)與遷移學(xué)習(xí)也被Gartner列入“2020年數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)技術(shù)成熟度曲線”，標(biāo)志著技術(shù)從實驗室研究階段進(jìn)入大規(guī)模工業(yè)落地階段。

此次研討會重點關(guān)注大數(shù)據(jù)時代的隱私保護(hù)與安全，從遷移學(xué)習(xí)和聯(lián)邦學(xué)習(xí)的優(yōu)化和提升起步，圍繞政策中的聯(lián)邦學(xué)習(xí)、行業(yè)中的聯(lián)邦學(xué)習(xí)、技術(shù)革新中的聯(lián)邦學(xué)習(xí)等多維度生態(tài)展開，不僅對遷移學(xué)習(xí)、聯(lián)邦學(xué)習(xí)的迭代歷程進(jìn)行了回顧，還對聯(lián)邦學(xué)習(xí)的未來展開了合理化暢想，以期創(chuàng)領(lǐng)未來。

研討會以微眾銀行首席人工智能官楊強(qiáng)教授的主題報告《從遷移學(xué)習(xí)到聯(lián)邦學(xué)習(xí)》的精彩講述為開場。

楊強(qiáng)教授長期深耕于人工智能、機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域，引領(lǐng)聯(lián)邦學(xué)習(xí)行業(yè)前沿。楊強(qiáng)教授以對話推薦系統(tǒng)、傳遞遷移學(xué)習(xí)等多個案例為軸線梳理了2001年至今遷移學(xué)習(xí)的發(fā)展情況，在簡明介紹聯(lián)邦學(xué)習(xí)自2017年的發(fā)展歷程后，重點就聯(lián)邦學(xué)習(xí)在金融科技和大健康領(lǐng)域的隱私保護(hù)應(yīng)用實踐進(jìn)行了分析。會上，他以微眾銀行AI團(tuán)隊與極視角打造的世界首個視覺聯(lián)邦學(xué)習(xí)系統(tǒng)為例，對縱向聯(lián)邦學(xué)習(xí)實現(xiàn)數(shù)據(jù)隱私保護(hù)的邏輯進(jìn)行了詳盡說明，并向世界各國研究者和學(xué)者匯報了微眾銀行與騰訊醫(yī)療健康合作實驗室的工作進(jìn)度。楊強(qiáng)教授提到，F(xiàn)ATE等聯(lián)邦學(xué)習(xí)開源生態(tài)為工業(yè)化的落地應(yīng)用貢獻(xiàn)了強(qiáng)勁的力量，未來FATE依然能夠為隱私計算產(chǎn)品提供所需營養(yǎng)。

此外，10位來自不同研究領(lǐng)域的特邀嘉賓從技術(shù)本身、業(yè)務(wù)場景應(yīng)用兩個方向，為參會人員帶來了一場干貨滿滿的AI盛宴。

來自康奈爾大學(xué)的王飛教授對大型臨床研究網(wǎng)絡(luò)中的聯(lián)邦學(xué)習(xí)技術(shù)應(yīng)用進(jìn)行了探討。王飛教授的主要研究方向為健康數(shù)據(jù)科學(xué)中的機(jī)器學(xué)習(xí)和人工智能，并在ICML、KDD、NeurIPS、CVPR、AAAI、IJCAI等頂會上發(fā)表了多篇文章。王飛教授提出，臨床數(shù)據(jù)的敏感性要求，使得聯(lián)邦學(xué)習(xí)技術(shù)在大型臨床應(yīng)用領(lǐng)域中居于重要地位，但因臨床數(shù)據(jù)的異質(zhì)性和復(fù)雜性，在聯(lián)邦學(xué)習(xí)介入前，應(yīng)完成數(shù)據(jù)標(biāo)準(zhǔn)化與數(shù)據(jù)協(xié)調(diào)。

來自IBM T.J. Watson研究中心的資深研究員王世強(qiáng)對Cross-Silo聯(lián)邦學(xué)習(xí)的自身特征，數(shù)據(jù)模型代理，跨云、邊緣與設(shè)備學(xué)習(xí)進(jìn)行了闡述。香港城市大學(xué)的魏穎副教授從類比問題解決、機(jī)器學(xué)習(xí)泛化的非平凡性、任務(wù)不足后果等多方面闡述了確保預(yù)訓(xùn)練模型泛化成功的方法。韓國科學(xué)技術(shù)院(KAIST)的Sung Ju Hwang副教授分享了聯(lián)邦持續(xù)和半監(jiān)督學(xué)習(xí)方面的最新研究成果。清華大學(xué)的龍明盛副教授就遷移學(xué)習(xí)的理論、算法和開庫進(jìn)行了解讀。東京大學(xué)的Masashi Sugiyama副教授分享了對遷移學(xué)習(xí)重要性加權(quán)的重新思考。

來自字節(jié)跳動的首席AI科學(xué)家王崇從機(jī)器學(xué)習(xí)中的標(biāo)簽泄露、雙方拆分學(xué)習(xí)中的隱私保護(hù)兩個方面講述字節(jié)最新研究成果。來自谷歌的許正博士從替代問題公式、提高效率和效力、局部更新與控制變量幾個方面講述現(xiàn)實世界約束下的聯(lián)邦優(yōu)化。來自京東硅谷研發(fā)中心的首席科學(xué)家薄列峰從縱向聯(lián)邦學(xué)習(xí)、聯(lián)邦隨機(jī)森林、京東數(shù)科聯(lián)邦學(xué)習(xí)平臺等角度介紹了大規(guī)模縱向聯(lián)邦學(xué)習(xí)。騰訊微視隱私計算技術(shù)負(fù)責(zé)人李皓介紹了基于聯(lián)邦學(xué)習(xí)技術(shù)的FL-MV-DSSM推薦系統(tǒng)在微視中的應(yīng)用情況。

 

聚焦創(chuàng)新，AI領(lǐng)域后浪分享聯(lián)邦學(xué)習(xí)與遷移學(xué)習(xí)最新進(jìn)展

本屆研討會不僅得到了國際AI學(xué)界最頂尖學(xué)者的支持，更受到了來自年輕一代聯(lián)邦學(xué)習(xí)領(lǐng)域研究者和從業(yè)者的關(guān)注。通過優(yōu)秀論文征集、評選，11位全球領(lǐng)先研究者在論文報告環(huán)節(jié)分享自己最前沿的研究工作，4篇論文獲得優(yōu)秀論文獎項。

Mingsheng Long，Yue Cao等人的論文“Learning Transferable Features with Deep Adaptation Networks”獲“Test of Time Award”； 

Ching Pui Wan和Qifeng Chen的論文“Robust Federated Learning with Attack-Adaptive Aggregation”獲“Best Paper Award”；

Mengmeng Tian，Yuxin Chen等人的論文“A Contract Theory based Incentive Mechanism for Federated Learning”獲“Best Student Paper Award”；

Cengguang Zhang，Junxue Zhang等人的論文“Aegis: A Trusted, Automatic and Accurate Verification Framework for Vertical Federated Learning”獲“Best Application Paper Award”。

聚集頂尖學(xué)者，關(guān)注聯(lián)邦學(xué)習(xí)領(lǐng)域，F(xiàn)TL-IJCAI系列研討會已成為全球聯(lián)邦學(xué)習(xí)行業(yè)領(lǐng)域最前沿的學(xué)術(shù)動態(tài)窗口。以科技手段解決時代難題，多位行業(yè)領(lǐng)軍者的干貨分享，一定能夠成為當(dāng)下時代聯(lián)邦學(xué)習(xí)領(lǐng)域最有力的助推器。

視頻回顧及更多信息可查看研討會官網(wǎng)：http://federated-learning.org/fl-ijcai-2021/

 

雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)特約稿件，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。