GDPR对AI的挑战和基于联邦迁移学习的对策.doc

《GDPR对AI的挑战和基于联邦迁移学习的对策.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、GDPR对AI的挑战和基于联邦迁移学习的对策　　7月28-29日，由中国人工智能学会和深圳市罗湖区人民政府共同主办，马上科普承办的“2018中国人工智能大会（CCAI2018）”完美收官。　　大会第一天上午，中国人工智能学会副理事长、AAAI/ACM/IEEEFellow、IJCAI理事长杨强教授作题为《GDPR对AI的挑战和基于联邦迁移学习的对策》的主题演讲。　　以下是根据速记整理的大会讲座实录。　　　　杨强教授中国人工智能学会副理事长、AAAI/ACM/IEEEFellow、IJCAI理事长　　今天我也非常高兴来到这里和大家分享最近的一段心得。刚才听了几位

2、非常精彩的演讲。大家都在为AI的进步激动了一把，我也同样小小地激动了一把，因为现在确实是未来已来。但是，我们面对未来，总还是有小小的隐忧，因为未来也是未知，也有隐忧。我们对什么未知，为什么有隐忧？　　人工智能曾经有过三个高峰，现在是处在第三个高峰，这中间有两次低谷。我们研究一下：为什么会出现低谷？第一个高峰的出现是因为大家看到了人工智能的希望，也就是自动化算法对提高效率的希望，但是到后来却发现算法的能力不够，因此就产生失望，进而导致了第一个低谷。然后算法跟上来了，但是这时却发现算力和数据不够，专家系统的设计跟不上工业的成长需求，这就引发了AI的第二个低谷。之后

3、大家又看到，现在算法和算力都有提升，而且有了大数据的出现，AI的难题终于可以解决了。现在的一个说法是我们处于大数据时代，所以这一波的人工智能一定会成功。这个感觉来自一个很强的推动力，就是AlphaGo的成功。最初的2016年版的AlphaGo使用了30万个棋局训练，是大数据的成功。下面的这幅照片，是上周我们在国际人工智能大会IJCAI上，在瑞典为AlphaGo团队颁了一个国际人工智能奖（MINSKYAWARD）。之所以如此受到AlphaGo的鼓舞，是因为我们联想到，既然AlphaGo在围棋上都有如此大的突破，那么人工智能是不是在各行各业都会突飞猛进？　　　　我

4、们问：AlphaGo的这种大数据真的出现在各行各业了？了解到的情况却让我们非常失望，远远不是！更多的应用领域有的只是小数据，或者质量很差的数据。上面这个“人工智能到处可用”的错误的认知会导致很严重的商业后果。最近听到一个IBM沃森应用失败的消息。大家知道，IBM沃森是一个非常有名的系统。这个系统是个问答（QA）系统，给一个问题Q，它能很精准找到答案A。具体过程大概就是这样：比如我们给了上面一个问题，沃森就用一个高维的表示来表达这个问题Q。大家可以把这种表示想象成物理学里的光谱，就是一束光打过来，用棱镜分解成不同频率的光，就看到了光谱。有了这个光谱以后，可以和答

5、案库里对应答案，它的概率也应该相应的高，这就是可能的答案。这个流程应该说非常简单，但问题就是要有一个很健全的答案库。IBM在电视大赛上取得了成功之后，就把这个应用在一些听起来比较好的垂直领域——医疗领域。但是，最近的消息是在一个美国的癌症治疗中心，发现这个应用非常不理想，从而导致了这个项目的失败。我们看一看在医疗领域，这些领域里的问题和答案来自哪里？比如收入有病症、基因序列、病理报告、各种各样的检测、各种论文，沃森的任务是利用这些数据来做诊断，帮助医生。但是，经过一段时间的实践发现，这个大数据的