如何解决AI的大数据困境？杨强提出联邦迁移学习

7月28日上午，2018中国人工智能大会在深圳举行。会上，国际人工智能联合会（IJCAI）主席、AAAI/ACM/IEEEFellow、香港科技大学教授杨强发表了题为《AI面临的挑战和迁移学习所带来的机遇》的演讲，谈到了AI发展遇到的大数据的困境以及解决办法。

杨强表示，我们正处于大数据驱动的AI时代，人们将工作数字化，然后通过人工智能自动化，从而提高效率。但是，现在我们越来越多的遇到了数据的困扰，很多企业的数据都是孤岛没有办法打通，同时受制于欧盟GDPR等法案的制约，增大了这种困境。

杨强教授具体讲解了大数据面临的两大困境。

一大困境是面临隐私、安全和监督。以欧盟的GDPR为例，GDPR明文规定了用户的“被遗忘权”，对使用自动化模型决策全面禁止，这对机器学习有重大影响，因为让用户同意使用并不容易，使用自主决策合法要满足三点，包括合同处理的必要性、其他法律另行授权，数据主体明确同意。

在数据隐私的监管的大趋势下，解决这一问题并不容易。杨强教授提出了联邦迁移学习思路，这种思路希望建立起机器学习的企业生态，各个企业自有数据不出本地，模型效果不变，在不违规的情况下建立一个虚拟模型。杨强教授表示，利用联邦迁移学习加密技术，协同建模，学习模型过程不交换用户数，不侵犯隐私。

另一大困境是小数据的困境，杨强教授提出了迁移学习，并列举了跨领域舆情分析的案例。

杨强最后表示，面对数据发展的困扰，希望利用联邦迁移学习技术建立联合建模解决方案，克服数据障碍。在法律规范的基础上，各个参与方理解一致的共识机制，保障安全合规性。比如在金融领域，可以建立金融业联邦迁移学习联盟。