挑戰(zhàn)AI新方向高校學子深耕聯邦學習應用落地
人工智能賽道參賽高校及學子眾多，經層層選拔，共有十支隊伍入圍決賽，在長達30個小時的馬拉松式編程后，冠軍由“404 not found團隊”的“聯邦微車險——基于橫向聯邦學習和5G技術的個性化車險定價方案”斬獲。據了解，冠軍隊伍的兩位成員分別來自北京大學和加州大學圣地亞哥分校，獲獎作品基于聯邦學習和5G技術，收集用戶的駕駛習慣數據，建立車險模型，創(chuàng)建新型的車險定價方案。
此外，由武漢大學隊員提交的PPNE、東北大學及悉尼大學隊員提交的FATE數據平臺（FDP）分別榮獲亞軍和季軍，獲獎方案分別為“銀行交易網絡聯合”以及“數據權交易平臺”，從實際金融場景出發(fā)，啟發(fā)了對聯邦學習進一步應用落地的思考。更重要的是，以高校學子為代表的青年一代對聯邦學習技術創(chuàng)新的研究，正使得聯邦學習生態(tài)越來越有活力。
聯邦學習開源平臺FATE助力AI價值實現
隨著未來科技的發(fā)展，行業(yè)需要關注的業(yè)務類型越來越龐雜，需要掌握的前沿技術越來越艱深，對專業(yè)人才提出的要求越來越高，作為數字時代科技前沿領域的技術，聯邦學習正是解決數據隱私和安全的關鍵性方案，聯邦學習作為分布式的機器學習范式，可以有效解決數據孤島問題，讓參與方在不共享數據的基礎上聯合建模，能從技術上打破數據孤島，實現AI協作。本次大賽要求參賽隊伍基于聯邦學習開源平臺FATE設計一個聯邦學習產品應用，也是旨在進一步推動數據安全在AI領域的應用落地。（FATE項目github地址：https://github.com/webankfintech/fate）
作為全球首個聯邦學習的工業(yè)級開源框架，Federated AI Technology Enabler（FATE）提供了一個安全的計算框架以支持聯邦學習算法。它實現了基于同態(tài)加密和多方計算的安全計算協議，并支持聯邦學習架構與各種機器學習算法的安全計算，包括邏輯回歸和梯度提升樹等經典 ML 算法，也包括深度學習和遷移學習等前沿研究。
通過引導高校學子熟悉并使用優(yōu)秀的工業(yè)級開源平臺FATE，降低前沿技術的門檻，大賽希望在解決人才問題方面能為業(yè)界做一個良好的示范和探索，也希望能攜手高校與學子，創(chuàng)造一個更加優(yōu)秀，拓展性更強的開源生態(tài)。
