微众银行AI团队如何推动国内人工智能行业落地？

人工智能的新纪元：联邦迁移学习的引领者微众银行AI团队

当我们谈论人工智能落地时，我们往往基于一个理想化的前提——拥有丰富且纯净的大数据。现实却常常是数据呈现出一种分散的状态，如同孤岛般存在于各个行业中。这其中的原因与企业的数据采集和管理方式密切相关。受到商业机密、安全和管理因素的制约，数据的互联互通面临巨大的阻碍，严重影响了AI在各行各业的深度融合与发展。

为了解决这一难题，微众银行的AI团队提出了“联邦迁移学习”的新方法和开源的“联邦学习”框架FATE。在今年的CCF青年精英大会上，这一创新成果引起了广泛的关注与讨论。

打破数据孤岛，实现多方共赢

我们所期待的“大数据”时代并未真正来临，反而是存在着大量的数据孤岛。这些孤岛大小不一，形态各异，彼此无法连通，给人工智能的落地带来了极大的困扰。以金融行业为例，银行、证券、保险等各个领域都有自己独特的数据沉淀方式，即使是在同一领域内，也存在着更为细化的数据割据。

面对这些错综复杂的“数据孤岛”，微众银行AI团队倡导的“联邦学习”提供了一种新的解决思路。所谓“联邦学习”，就是搭建一个虚拟的“联邦国家”，将各个大小的数据孤岛联合起来。它允许各方在保持独立自主（如商业机密、用户隐私）的共同进行模型训练，提升AI模型的效果。

从本质上来说，“联邦学习”是一种加密的分布式机器学习技术。它能让参与各方在不披露底层数据的前提下共建模型，是一种真正的多方共赢的机器学习方式。它通过打破数据孤岛，实现了AI技术的深度融合与发展。

而将“迁移学习”与“联邦学习”相结合的“联邦迁移学习”，则是微众银行AI团队最新的研究成果。在微众银行首席人工智能官杨强教授看来，“迁移学习”是将大数据的知识迁移到小数据领域，而“联邦学习”则能让多方数据在不出本地的情况下进行合作。将这两者结合，不仅能打破机构间的隔阂，联合建立AI模型，还能保护用户隐私，实现数据的安全共享。

微众银行AI团队的引领地位

作为业内的佼佼者，微众银行AI团队在联邦学习领域一直处于引领地位。早在几年前，他们就开始倡导“联邦学习”，并基于自己的实践，提出了“联邦迁移学习”，为解决B端机构间联合建模问题提供了强有力的支持。

微众银行利用“联邦学习”技术，在不侵犯企业用户数据隐私的情况下，成功地将不同维度的数据纳入风控建模，对小微企业的经营状况和信用进行了全面的评估，大大提高了风控模型的性能。这一实践不仅拓展了信贷企业的范围，还大大提高了授信小微信贷客户的覆盖面。

除此之外，微众银行还在多个金融场景成功应用了“联邦学习”，包括风险评估、差异定价、精准营销等。这些实践不仅推动了微众银行的业务创新，还提升了其金融服务的覆盖面和社会价值贡献。微众银行的AI团队已经成为人工智能领域的领军力量，他们的创新成果正在推动着人工智能+行业的深度融合与发展。推动微众银行AI团队率先探索并应用联邦学习的力量源泉是微众银行首席人工智能官杨强教授。杨强教授不仅是国际人工智能领域的领军人物之一，早在2013年便当选为国际人工智能协会（AAAI）院士，且在2017年担任国际人工智能联合会理事会主席。他的学术成就显著，发表的关于人工智能和数据挖掘的论文超过400篇，被引用次数超过2万次。微众银行AI团队的成员亦是由一群在人工智能领域经验丰富、技艺高超的高端人才组成。

人工智能行业是技术驱动的领域，正所谓“得技术人才者得天下”。在杨强教授的引领下，微众银行AI团队已成为国内乃至国际在联邦学习领域的佼佼者。去年10月，该团队向IEEE标准协会提出了建立联邦学习标准的提案，并获得了批准。在今年AAAI 2019年会上，杨强教授作为特邀嘉宾发表了主题演讲，深入解读了联邦迁移学习的安全分布式建模原理及其在数据合规方面的意义，引发了国际AI界的广泛关注。

金融领域因其完善的数据和场景需求被认为是AI应用落地的热土之一。微众银行AI团队的“联邦迁移学习”能力并非局限于金融领域。针对其他行业普遍存在的“数据孤岛”问题，微众银行AI团队发布了联盟AI生态系统（Federated AI Ecosystem）。通过开源联盟AI解决方案FATE（Federated AI Technology Enabler），该团队成功吸引了众多从业者参与开发和推广数据安全和用户隐私保护下的AI技术及其应用。

作为联邦学习领域的首个商用级开源项目，FATE为开发者提供了多方协同建模工作流管理、加密机器学习工具库和并行计算基础设施等三层能力。它还提供了丰富的“联邦学习”和“联邦迁移学习”算法供开发者参考，极大地简化了联盟AI的开发流程并降低了部署难度。近期，微众银行AI团队与极视角联合打造的城市管理领域的联邦学习视觉应用项目便是一个典型的例子。通过联邦学习，监控终端可以进行在线模型更新反馈，无需上传数据，且对模型的提升率高达15%，实现了模型效果的无损失。

随着新的国际形势的发展，技术界面临着更高的挑战和要求。尤其是关于基础学科的大规模投入、知识产权的保护和个人隐私安全的重视已经提升到了一个前所未有的高度。在人工智能日益发展的今天，如何处理好隐私和数据安全问题成为了业内外关注的焦点。欧盟数据隐私保护法GDPR的日益严格也给AI从业者提出了新的挑战。我国正加紧研究起草人工智能治理准则，并计划近期向全社会发布。微众银行AI团队的探索和应用为我们构建更加安全、高效的AI时代提供了有力的支持。在这个科技向善的时代，我们期待一个更加安全的AI未来。最近，国家互联网信息办公室联合相关部门起草了《数据安全管理办法（征求意见稿）》，目前正广泛征求各方意见。这份被国内行业人士视为“史上最严”的数据安全管理办法，一旦通过实施，将把个人隐私保护置于AI发展的核心位置。特别是在当前的时代背景下，隐私和数据安全已经成为必须要面对的挑战。

领军企业在这样的背景下更应率先垂范。就在上个月，腾讯CEO马化腾宣布公司将调整愿景，走上“科技向善”的发展道路。这是自腾讯提出产业互联网以来，针对行业特别强调的一个新理念。

科技向善的本质是借助科技的力量，让世界变得更加美好。张小龙和诺贝尔经济学奖得主Deaton的观点也强调了在科技发展过程中需要平衡技术与隐私的关系。正如他们所言，技术是一把双刃剑，从业者在追求创新发展的必须时刻提醒自己科技行为的正面导向，让科技更好地普惠大众。在这一方面，微众银行的做法与腾讯不谋而合。他们创新性提出的“联邦迁移学习”技术，就是一把旨在实现科技与隐私双赢的利剑。

“联邦迁移学习”的另一大亮点是其在保护隐私、确保数据安全方面的优势。该技术不仅能克服政策、监管上的难题，还能从技术上保护用户隐私，同时能够将分散的数据整合成一个大数据联邦，既满足隐私保护的需求，又实现了数据的开发利用。

埃隆·马斯克曾多次强调隐私保护和数据安全的重要性。如果方法不当，盲目使用采集的数据可能会对人类产生极大的负面影响，甚至阻碍人工智能的发展。“联邦迁移学习”技术的出现，恰到好处地平衡了数据开发和隐私保护的关系，确保了人工智能安全落地。

当前，人工智能在B端的落地已经到达了一个关键的历史节点。微众银行的AI团队正致力于利用最新的机器学习技术，构建一个“可持续、和谐、共赢”的AI生态，为接下来的AI立法和监管提供更多技术依据，推动产业进入一个更加安全的AI时代。这项工作的推进离不开像微众银行这样的企业不断尝试和努力，他们为人工智能的未来发展提供了宝贵的经验和启示。