來源/Medium
聯邦學習聯邦學習是一種新興的人工智能基礎技術， 2016 年由谷歌最先提出，原本用於解決安卓手機終端用戶在本地更新模型的問題，其設計目標是在保障大數據交換時的信息安全、保護終端數據和個人數據隱私、保證合法合規的前提下，在多參與方或多計算結點之間開展高效率的機器學習。
1956年，人工智能第一次被視為學術學科進行研究和探索。
到今天為止，儘管已經過去了60餘年，但它仍處於起步階段。與其他學科相比，未來的道路崎嶇不平，這主要是由道德倫理和數據可用性的挑戰造成的。
命運多舛的AI
自誕生以來，人工智能經歷了三大突破點和兩個停滯期。
它最近一次被大眾關注，是在2016年。彼時，Alpha Go成功擊敗了世界排名第一的圍棋選手，這被看作是人工智能一次
「里程碑式的勝利」。正如許多新興技術那樣，每當它們出現成就巨大的飛躍時，人們都會對它帶來的社會變革和倫理問題進行大量的審視和關注。最終，人工智能的部分應用在公眾中引起了高度爭議，並從而進入了“幻滅的低谷”。
為什麼人工智能在發展60多年後，爭議仍然如此巨大？
事實證明，大眾對於人工智能的「期望」和它當前的「現實」之間有很大的差距。真正能夠運用人工智能技術的場景仍然極度稀少，而且經常集中在非常特殊的案例上。想要走向主流，人工智能還有很長的路要走。
由於我們在這個領域並不缺乏遠見，我們看到了懷疑人工智能今天能真正完成什麼的信號。現在，在人工智能第三次崛起的末期，這個新興領域的命運仍然不確定。
凜冬已至
很大程度上，人工智能的興起是由大數據的可用性推動的。
大數據推動了面部識別、營銷推廣等許多領域深度學習的發展，這一度被視為人工智能浪潮的主要突破之一。
但在疾病診斷等更復雜的領域，深度學習仍然面臨著企業和機構之間巨大鴻溝的挑戰，一個最主要的問題就是數據的可訪問性。
從整體角度來看，數據是可用的，但有幾個原因是不可評估的。一個常見的問題是數據存儲在孤島中，這些孤島通常是公司內部網絡甚至公司內部物理隔離的結果；另一個突出的問題則是數據結構不兼容，格式不夠統一，接收方無法拿來直接使用。
結局是，沒有集中的數據中心，通過深度學習機制進行訓練。以往，基於「雲」的計算通常被認為是數據孤島問題的潛在解決方案，但事實證明，對於大量數據來說，這一過程既昂貴又耗時。
此外，還有越來越嚴格的數據隱私法規，例如GDPR（General Data Protection Regulation）。
雖然這些政策對於保護消費者隱私很重要，但它們也對數據的使用施加了嚴重的限制，從而間接影響了人工智能應用程序未來發展的新方向。
破局的希望
消費者保護措施和數據隱私是不可協商的，也是建立必要信任的底線。但在另一方面，它也帶來了數據饑荒和人工智能增長放緩的風險。
「聯邦學習」(Federated Learning)這一人工智能新方法的提出，有可能給行業帶來下一個重大突破，進而克服這波浪潮中的數據隱私和信任挑戰。
聯邦學習是一個機器學習框架，它允許用戶使用分佈在不同位置的多個數據集來訓練機器學習模型，同時防止數據洩露並遵守嚴格的數據隱私法規。實際上，根據數據的分佈特徵，聯合學習有三個主要類別。
橫向聯邦學習（Horizontal federated learning ）根據特徵劃分數據集，通常在特徵重疊多於用戶的情況下實現。
例如，在不同地區運營的三家物流公司可能會保留其消費者的類似數據，但消費者之間的重疊相對較小。因為他們的特徵幾乎相同，所以可以提取具有相同特徵的用戶來訓練模型。
但當多個數據集有很大的用戶重疊但有不同的特徵時，通常使用縱向聯邦學習（Vertical federated learning）。
比如，一家外賣配送機構和在同一地區的醫院可能擁有相似的用戶群，但會跟蹤彼此之間的不同信息。醫院跟蹤健康數據，而外賣配送機構則跟蹤用戶瀏覽習慣和購買數據等信息。縱向聯合學習集合了所有的特性，能夠為雙方合作構建一個模型。
當數據集的用戶和特徵之間幾乎沒有重疊時，可以使用聯邦轉移學習（Federated transfer learning）來避免數據或標籤的缺乏。
以中國的製造商和美國的物流提供商為例，由於雙方在地理上都受到限制，用戶之間幾乎沒有重疊。由於它們是不同類型的機構，所以它們的特徵也幾乎沒有重疊。
在這種情況下，聯邦遷移學習就可以與聯邦學習結合使用，以提高模型的整體性能。
儘管聯邦學習在技術層面已經得以實現，但僅靠有效的框架仍不足以完全應對挑戰。
聯邦學習必須開發成商業應用程序，為特定行業提供靈活、互惠的商業模式。通過跨不同機構，聚集多個孤立的數據集，聯邦學習使得開發一個理想模型的夢想正成為可能，還避開了侵犯個人隱私的可能。
簡而言之，這是一種新型的「數據共享經濟」，它通過使用多個利益相關方的數據來訓練算法。數據持有者通過共享數據資源受益，而應用程序提供商則通過提供服務而受益。
閱讀更多 信風智庫 的文章
