聯邦學習或可破解機器學習數據獲取難題

　　隨著人工智能的不斷發展與落地，用戶隱私問題越來越受到重視。近日，人工智能大數據公司因為違反相關法規而被罰巨額罰款，用戶隱私問題再次回歸大眾視野。人工智能企業在分享數據的同時應遵守哪些道德原則？隱私保護法規對于AI的發展與落地而言是機遇還是挑戰？更強大的數據保護法規是否會減緩AI的發展速度？在日前召開的第28屆國際人工智能聯合會議（IJCAI）上，業內專家提出了當今各行業在處理數據、實現AI落地需要共同面對的多個問題。

　　“在《通用數據保護條例》等隱私保護條款實施的前提下，數據處理與隱私保護并不是一場‘零和博弈’的關系，二者的關系需要被正確對待，以實現雙贏的局面。”華盛頓大學教授、D. E. Shaw機器學習團隊董事總經理兼負責人佩德羅·多明戈斯認為，企業在處理數據時，不要被數據的力量沖昏了頭腦，需要重點考慮用戶的知情權，承擔起相應的社會責任。

　　如何解決AI應用中出現的“數據孤島”和用戶隱私難題？國際人工智能聯合會議2019理事會主席、微眾銀行首席人工智能官楊強給出了解決方案：“聯邦學習或是解決這兩個核心問題的同一個解決思路。”

　　什么是聯邦學習？“在保護數據隱私、滿足合法合規要求的前提下，繼續進行機器學習，這部分研究被稱為聯邦學習。”楊強說，開始聯邦學習的背景是歐盟通過了《數據隱私保護條例》。該條例要求公司在使用數據前要先向用戶聲明模型的作用，這份條例的實行讓許多大數據公司在數據交流方面非常謹慎，這對于極度依賴數據的機器學習是一個巨大的挑戰。

　　“聯邦學習希望在不共享數據的前提下，利用雙方的數據實現模型增長。”楊強舉例，假設兩家公司想要建立一個用戶畫像模型，其中部分用戶是重合的。聯邦學習的做法是，首先通過加密交換的手段，建立用戶的識別符并進行溝通，在加密狀態下用減法找出共有的部分用戶。因為關鍵用戶信息并沒有得到交換，交換的只是共有的識別符，因此這并不違反《數據隱私保護條例》。然后，雙方將這部分數據提取出來，將各自擁有的同樣用戶的不同特征作為輸入，迭代地進行訓練模型、交換參數的過程。多項測試證明了給定模型參數，雙方不能互相反推出對方擁有的、自己沒有的特征，因此用戶隱私仍然得到了保護。在不違反《數據隱私保護條例》的情況下，雙方的模型性能都得到了提高。

　　“數據安全和用戶隱私目前已成為大數據時代的兩大挑戰，對于金融、醫療及法律等數據敏感行業更甚，聯邦學習可以解決這兩大問題。”微眾銀行AI部高級研究員劉洋介紹。

　　目前，聯邦學習已經應用于多個行業的業務板塊。未來，AI與用戶隱私的平衡問題會持續伴隨AI的發展。楊強表示，新一代的機器學習算法框架，需以保護隱私、安全合規為出發點，用透明的機制來保障人工智能的健康發展，聯邦學習的發展提供了新思路。（馬愛平）