狠狠躁日日躁夜夜躁A片无码,中文字幕在线亚洲二区,最近更新中文字幕在线,四虎影视国产精品亚洲精品,男人扒开添女人下部免费视频

有了這樣一種聯(lián)盟，那可以應用到什么領域呢？將聯(lián)邦學習應該到推薦系統(tǒng)是目前做的比較多的。我們每個人的手機上都有很多短視頻推薦系統(tǒng)以及新聞推薦系統(tǒng)，個性化的推薦使得千人千面，我們每天或多或少都會使用，而我們每個人的點擊數(shù)據(jù)都是記錄在手機上的，這個數(shù)據(jù)是非常隱私的。傳統(tǒng)的做法是把數(shù)據(jù)移到云端，在云端進行模型化，再把模型遷移到本地來。

而有了聯(lián)邦學習，可以讓數(shù)據(jù)不出本地，同時可以讓模型個性化。本地的推薦系統(tǒng)可以作為一個單獨的任務，而任務相當于對本地的一種任務分解。這種分解分為兩部分知識，一種是大家共有的知識，另一種是自己特有的本地的特征向量。如果把大家共有的向量一起做一個模型，這模型就非常的強大，同時可以既更新模型，又能夠起到在本地進行個性化服務的效果，數(shù)據(jù)也不出本地。這種聯(lián)邦的推薦架構就把數(shù)據(jù)給隔開了。

在金融領域，銀行著重于風險控制，但是缺乏系統(tǒng)性的風險控制技術，這取決于大數(shù)據(jù)的存在。大家比較誰的風險控制更好，比誰的數(shù)據(jù)樣本多，誰的數(shù)據(jù)種類多。而利用聯(lián)邦學習，可以把銀行、金融持牌公司、第三方公司的數(shù)據(jù)聚合在一起，獲得更多特征，取得更好的模型效果。

特別要講的是醫(yī)學，雖然醫(yī)學是機器學習很好的應用領域，但是我們發(fā)現(xiàn)醫(yī)學里的數(shù)據(jù)非常珍貴，非常少的，其中一個原因是用戶數(shù)據(jù)都是具有高度用戶隱私的，因此醫(yī)院和研究機構不愿意共享這些數(shù)據(jù)，所以每一個地方數(shù)據(jù)很少以至于不足以建模。那如果在醫(yī)院之間進行橫向聯(lián)邦縱向聯(lián)邦，無形中把數(shù)據(jù)總量和特征也增大了。

最近和騰訊實驗室合作，在不同地區(qū)的本地醫(yī)院用聯(lián)邦學習把腦卒中發(fā)病的病人特征做一個預測模型，根據(jù)病人的表現(xiàn)預測他得該病的概率有多高，最終準確率提高了 80％ 以上，尤其在數(shù)據(jù)很少的小型醫(yī)院，準確率甚至能提升 20％ 以上。

我們還建立了國際產(chǎn)業(yè)聯(lián)盟，有很多不同行業(yè)的公司和機構參與，我們希望能進行人才培養(yǎng)，并且對政府進行政策的建議，以及評估咨詢等。最后，再總結(jié)一下，聯(lián)邦學習是眾多人工智能和社會相結(jié)合的一個，也不是唯一的一個，我希望以后的人工智能不僅僅關心算法，而且要關心 AI 向善的問題，也就是 AI 要用在人類社會，那么用戶的隱私和數(shù)據(jù)的安全也要被考慮進來。不僅要建立算法，還得建立算法的合作機制和生態(tài)。

學術頭條原創(chuàng)文章。