杨强
大会介绍:联邦学习最新进展
联邦学习关键技术:
谷歌的横向联邦学习
联邦学习的研究展望
案例1 应用于信贷风控
案例二 应用于保险业
案例三 应用于营销推荐
案例四 用于计算机视觉
器械和人流是否安全,每家工地的数据有限,工地来自不同的公司不愿分享,怎样数据共享?
案例四 用于语音识别引擎
不用上传数据,但不断更新数据?
案例五 用于物联网
新零售、电商,库存预测模型
案例六 用于医疗
全局模型
新冠下的健康码,国外觉得健康码会侵犯隐私,会调用行为数据,看与其他人是否有接触。
联邦让只有手机的持有者才知道
数据没有交集,怎么办?——迁移学习
模型和数据的攻击来自几方面:
每一方都建立对抗模型
自动机器学习
例子:安全检测——人脸识别
联邦学习+AutoML
4、联邦学习类似于操作系统,需要建立生态
联邦学习的开源平台
开源的数据集
人工智能——算力、算法、交互
戴琼海
人工智能时代:学科知识单薄,更多的是交叉学习。
人工智能推动行业发展
人工智能的未来
算力与人工智能相互促进发展
计算机芯片+互联网
与人共处的三大:
视觉与触觉:眼见为实,感觉为真
触觉感知
试听触多模态感知