聯邦學習、AutoML、認知智能：市北·GMIS 2019帶你一覽AI前沿技術

機器之心原創

機器之心編輯部

「市北·GMIS 2019 全球數據智能峰會」於 7 月 19 日-20 日在上海市靜安區舉行。本次峰會以數據智能為主題，聚焦前沿研究方向，同時關注產業生態的發展，為技術從研究走向落地提供借鑒。點擊閱讀原文，即刻報名。

自 1956 年達特矛斯會議提出「人工智慧」的名稱和概念以後，AI 技術已經發展了 60 余年，經歷過「寒冬」也經歷過「復甦」。2011 年之後，得益於大數據、算力、演算法的快速發展，以深度神經網路為代表的人工智慧技術蓬勃發展，在圖像分類、語音識別、NLP 等任務上實現了極大突破，也代表著這波人工智慧浪潮的興起。

2017 年，機器之心主辦了首屆全球智能機器峰會（GMIS），聚焦最前沿的 AI 技術，邀請來自全球多個領域的科學家與研究者進行分享，內容涉及無監督學習、語音識別、語音降噪、視覺信息處理、遷移學習、認知對話等技術領域，覆蓋了計算機科學、語言學、神經科學等交叉學科。

歷經兩年，人工智慧領域新研究、新應用不斷湧現，如 2017 年下半年 Geoffrey Hinton 傾力推動的 CapsNet；2018 年當時號稱「史上最強 GAN」的 BigGAN；異常火熱的圖神經網路；為 NLP 領域帶來全新突破的 BERT、XLNet 等等。

此外，最新發布的劍橋 2019 年度《State of AI Report》，也把聯邦學習、AutoML 等列為取得重大研究與技術突破的領域，而這也是今年「市北·GMIS 2019 全球數據智能峰會」所關注的研究熱點。

聯邦學習：保護數據隱私的機器學習

近年來，世界各國和地區逐漸重視保護公民的數據隱私。歐盟已通過了《數據隱私保護條例》（General Data Protection Regulation，簡稱 GDPR），要求公司在使用數據前要先向用戶聲明模型的作用。而中國的《網路安全法》也要求與第三方進行數據交易時需要確保數據保護的義務。這些法案和規定讓許多大數據公司產生擔憂，不敢互相交流數據，這對依賴大數據的機器學習是一個挑戰。

怎樣在保證數據隱私安全、合法合規的前提下，讓人工智慧共同使用參與各方的數據訓練呢？聯邦學習是一個可行的解決方案。首先，聯邦學習通過加密手段交換參與各方的用戶識別符，而非用戶數據本身。其次，參與聯邦學習的雙方可根據識別符找出同樣的用戶，將這部分用戶的不同特徵作為輸入、迭代訓練模型和交換參數。在此過程中，雙方不能反推對方擁有而自己沒有的特徵，因此保護了數據隱私。最終，參與聯邦學習的各方可以在不共享數據的前提下，利用雙方的數據優勢實現各自的模型增長。

作為深耕聯邦學習領域的大牛，楊強教授認為，聯邦學習是機器學習面對更加嚴格的數據管理規定的解決方案。楊教授希望首先推動建立金融領域的聯邦學習建模規範，讓不同企業都受益於合規的聯邦學習生態，促進機器學習業態健康發展。

隨著聯邦學習技術逐漸成熟，相關領域和企業也期待著它的應用落地。在今年「市北·GMIS 2019 全球數據智能峰會」上，楊強教授將為與會嘉賓深度解讀聯邦學習。

楊強教授是香港科技大學講席教授，KDD 中國主席，微眾銀行首席人工智慧官。曾於 2013 年當選國際人工智慧協會（AAAI）院士，2016 年當選 AAAI 執行委員會委員，2017 年當選國際人工智慧聯合會（IJCAI）理事會主席。

楊強教授是聯邦學習領域的開創者，帶領團隊開創性的發表了多篇相關領域論文，涉及聯邦學習技術以及其中的數據安全、強化學習、遷移學習等問題，包括一篇 KDD TIST 2019 頂會論文。此外，楊教授在 IEEE 建立了聯邦學習的框架和應用標準。楊教授所在的微眾銀行團隊發布了《聯邦學習白皮書 V1.0》，為聯邦學習的發展奠定了基礎。

自然語言對話：未來技術發展的機遇與挑戰

隨著這波人工智慧浪潮的興起，語音助手、智能音箱、聊天機器人等各種自然語言對話系統也如雨後春筍般地湧現。

在我們與這些對話系統交互的工程中，我們一方面感嘆技術發展的迅速，一方面也期待人與機器之間更為自然流暢的對話。這也就是自然語言對話技術需要解決的問題。

自然語言對話的挑戰在什麼地方？未來可能會有哪些突破，以及需要重點研究與開發哪些技術？7 月 19 日，在市北·GMIS 2019 全球數據智能峰會」上，李航教授將發表主題為《自然語言對話：未來技術發展的機遇與挑戰》的演講。

李航教授，曾任微軟亞洲研究院高級研究員與主任研究員、華為諾亞方舟實驗室主任，現任位元組跳動 AI Lab 總監。研究方向包括信息檢索、自然語言處理、統計機器學習及數據挖掘。曾出版多部學術專著，如經典的《統計學習方法》。

VideoAI 的過去、現在和未來

在新一代信息技術的驅動下，互聯網正全面視頻化，以視頻作為主要信息傳遞介質和功能載體的互聯網形態——視聯網，成為大勢所趨。眼睛是人類感知世界的「關鍵窗口」，視聯網新生態下，智能視頻技術讓人工智慧擁有了感知世界的眼睛。

智能視界，如何通過 AI 聚勢視頻場景效能，助力視頻價值規模化釋放？技術飛速發展，VideoAI 如何加速視頻應用技術迭代升級？極鏈科技首席科學家姜育剛將從數據、演算法、算力等角度深度分析打造大規模智能視頻分析系統的關鍵要素，分享對 AI 的過去、現在和未來發展的思考。

姜育剛，極鏈科技首席科學家，復旦大學計算機科學技術學院教授。姜育剛教授是中國視頻識別與檢索領軍人物，曾獲上海 IT 青年十大新銳 、國家萬人計劃青年拔尖人才，首屆國際計算機學會中國新星獎得主。

認知智能：讓機器善解人意

認知智能是人工智慧的重要組成部分，它主要關注邏輯層的信息處理，包含自然語言理解、自動推理、知識表示等核心環節。認知智能有助於發現世界和歷史上海量的有用信息，並洞察信息間的關係，不斷優化自己的決策能力，從而擁有專家級別的實力，輔助人類做出決策。認知智能的發展將使大量繁瑣卻重要的工作變得更加高效精準，也更人性化。

認知智能在國內外都是研究的熱點話題，如何使機器「能理解會思考」，是很多研究者努力的方向。目前，認知智能已在金融、法律等領域得到應用。

7 月 19 日，呂正東博士將結合實際場景中的案例，介紹深度好奇在認知智能領域從演算法研究到產業落地方面的實踐，以及如何用「最前沿的技術+最切實的方式」，幫助公安和金融領域的用戶。

呂正東博士是深度好奇創始人兼 CTO，曾任職於微軟亞洲研究院、華為諾亞方舟實驗室，長期從事機器學習及人工智慧的研究，在自然語言理解、自動推理、語義匹配、問答、對話等方面卓有建樹，是深度學習領域（尤其是 NLP 方向）具有世界頂尖水平並享有國際聲譽的科學家和技術專家。

自動機器學習技術回顧與展望

機器學習需要大量數據標註、調參優化等過程，因此它是有門檻的，需要具備專業知識的人參與其中。如果非機器學習領域的人員也想利用機器學習演算法和模型來簡化工作流程、提供優秀的解決方案，他們該怎麼辦呢？自動機器學習（AutoML）應運而生。

顧名思義，AutoML 將機器學習的流程大大自動化，這項技術旨在以數據驅動、客觀、自動化的方式進行模型選擇、調參等決策：用戶只需提供數據，AutoML 系統會自動決定最適合該任務的方法。這能極大地降低用戶使用機器學習的門檻。

AutoML 領域已經發展了很多年，社區舉辦了眾多研討會與比賽等。但 2017 年，谷歌 I/O 大會推出自己的 AutoML 演算法，引起了極大的關注，之後 AutoML 領域的研究得到了很大的推動，實現了很多性能提升。

如今，經過兩年的發展，自動機器學習領域又有哪些技術突破？未來發展方向何在？

在今年「市北·GMIS 2019 全球數據智能峰會」上，塗威威將在大會首日的「前沿研究與技術趨勢」Session 中，為我們分享主題《自動機器學習技術回顧與展望》。

塗威威老師是第四範式的資深演算法科學家，設計開發了百度、第四範式的大規模分散式機器學習框架，從事 AutoML 研發與應用。過去數年，塗威威曾擔任 NeurIPS、KDD Cup 等國際 AI 頂會 AutoML 比賽的負責人，他也是 TPAMI 首個 AutoML 特刊創辦者之一。

「市北·GMIS 2019 全球數據智能峰會」將於 7 月 19 日- 20 日在上海市靜安區舉行。本次峰會以數據智能為主題，力邀全球 30 余位重磅嘉賓，將進行 24 場主題演講、2 個圓桌論壇、4 個 Session、1 場 AI 畫展和「AI00」數據智能榜單發布。

大會詳情如下：

市北·GMIS 2019全球數據智能峰會於7月19日-20日在上海市靜安區舉行。本次峰會以「數據智能」為主題，聚焦最前沿研究方向，同時更加關注數據智能經濟及其產業生態的發展情況，為技術從研究走向落地提供借鑒。

本次峰會設置主旨演講、主題演講、AI畫展、「AI00」數據智能榜單發布、閉門晚宴等環節，已確認出席嘉賓如下：

點擊鏈接，即刻報名。

市北·GMIS 2019全球數據智能峰會_精彩城市生活，盡在活動行！！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！