أشياء الفكرية (عدد الجمهور: zhidxcom) ون | شينيوان
خلال العامين الماضيين، المزيد والمزيد من الشركات في التفكير في كيفية تطبيق الذكاء الاصطناعي (AI) البيانات التعدين المزيد من القيمة. ومع ذلك، والتدريب AI تتطلب الكثير من البيانات، والتي من الصعب على نحو متزايد الحصول عليها.
تكنولوجيا المعلومات حتى تبدأ في وقت مبكر، والصناعة المالية البيانات الغنية، التي تعاني من نفس البيانات ذات جودة عالية في عداد المفقودين.
ويبدو أن البيانات المالية من ذلك بكثير، ولكن في الواقع العديد من البيانات دون وضع العلامات المهنية، بيانات صالحة هو صغير جدا، والكثير من السيطرة على البيانات المتناثرة في مختلف الوكالات والإدارات و"الجزر البيانات" مشكلة خطيرة، إلى جانب التشريعات الصارمة على نحو متزايد خصوصية البيانات، وتبادل البيانات ومشتركة من قبل العديد من القيود.
كيف ذكي للغاية والخصوصية آمنة للغاية على حد سواء؟ ليس لديها سوى كتلة من تنظيم البيانات، للتمتع الكفاءة والتكلفة الأمثل يجلب AI؟
إنتاج النقاش بين العلماء من حل المكتب القانون، مع التركيز تدريجيا على التكنولوجيا الناشئة - تعلم الاتحادي (اتحاد التعلم) .
تعلم الاتحادي للحصول على بيانات متعددة المحلية ترك الفرضية، عملت معا لوضع نموذج مشترك ودربت من أي نماذج AI وحدها أكثر دقة، في حين لا يشكل انتهاكا للخصوصية.
هذا رائدة التكنولوجيا في البلاد هو "نيابة عن العلوم والتكنولوجيا" بنك الدقيقة العام القطاع المالي، وسوف تكون الدراسة الاتحادية الأولى التي استخدمت في حل المشتركة بين القطاعات، عبر المشاريع القضايا تكامل البيانات، وبالموارد NVIDIA GPU استدعاؤها من تينسنت السحابية، مع دراسة الاتحادية التكنولوجيا من أجل حل المشكلة الصعبة المتمثلة في قروض المشاريع الصغيرة الصغيرة بما لا يزيد عن 70 من المعلومات الائتمانية التاريخية، لدعم الأعمال التجارية مبلغ القرض ديه أكثر من 1 مليار دولار.
كما المصرفي الخاص الأول، الخدمات المصرفية عبر الإنترنت، كانت البنوك الصغرى العامة بنشاط من خلال الذكاء الاصطناعي، والبيانات الكبيرة، والابتكار كتلة التكنولوجيا سلسلة، وتعزيز الدور التمويل الشامل. منظمة العفو الدولية من قبل العالم الشهير دوليا البروفيسور يانغ فريق قيادة قوية من البنوك الصغيرة العامة لمنظمة العفو الدولية، والتعلم الآلي والاتحادية التطبيقات البحثية والطابق التعليم التقليدي في القطاع المالي، وكلاهما له تراكم عميق.
اليوم، والجزر من البيانات، وحماية الخصوصية هي المشاكل المشتركة من التطبيقات الصناعية التقليدية تواجه منظمة العفو الدولية.
عملت مايكرو التركيز من الأساليب للمؤسسات المالية التقليدية وغيرها من الشركات ل، بنفس أهمية الذكية.
A، طريقة أخرى للقضاء على الفجوة البيانات، كل من قناة الصغرى
إلى فهم أفضل لصعوبات فنية الدراسة الاتحادية، وقيمة التجربة والهبوط، في الآونة الأخيرة، أجرينا تبادلات متعمقة مع خوارزميات متقدمة الباحث في الذكاء الاصطناعي مايكرو التركيز المصرفية زارة هوانغ تشى يونيو
وهذا هو الأكثر مسألة مهمة هو تعلم كيفية تجميع البيانات على حد سواء الاتحادية وحماية البيانات والأداء؟
وقال هوانغ تشى يونيو لنا، الاتحادي آلة التعلم التقليدي والتعلم أكبر الفرق هو أن تبادل البيانات الدولة الكثيفة.
آلة التقليدية التعلم عادة نقل البيانات إلى مركز البيانات السحابية لتدريب نموذج، ولكن مواجهة قضايا الامتثال الخصوصية، ومثل هذه الأساليب لن تقوم العمل.
الاتحادية لا تعلم لتحريك الأطراف إلى البيانات من خلال تشفير المعلمات نموذج تبادل المعلومات، جنبا إلى جنب مع مزايا بيانات متعددة الأحزاب لبناء نموذج الظاهري من المجموع، نموذج الظاهري يساوي أو قريبة لتوجيه الأطراف للنموذج تجميع البيانات مع التدريب بها.
الاتحادية العمارة نظام التعلم
يقترح مايكرو البنك التركيز ثلاثة أنماط التعلم الاتحادية: دراسة فيدرالية الأفقية، دراسة طولية الاتحادي، والتعلم نقل الاتحادي.
كل دراسة الاتحادية مشارك عرضية من المستخدمين أقل شيوعا، ولكن ملامح متعدد المستخدمين المشتركة. على سبيل المثال غرار جوجل فردي على كل المعلمات الهاتف ونموذج تمريرها إلى سحابة المشفرة على يتم تحديث النموذج العام، وإرساله إلى مختلف الهاتف المحمول.
دراسة طولية الاتحادية على العكس من ذلك، وخصائص المستخدم أقل شيوعا من الأطراف المعنية، ولكن المستخدم مشترك أكثر. على سبيل المثال، البنك A ديه التصنيف الائتماني للمستخدم، مزود الكهرباء B لشراء نفس عدد قياسي من المستخدمين، على حد سواء يمكن المعلمات نموذج الصرف مشفرة توليف نموذج أكثر اكتمالا.
ينطبق التعلم نقل الاتحادي للأطراف المعنية ولا مستخدم مشترك، ولكن أيضا عدم وجود سمات مشتركة. ومع ذلك، وهذه الطريقة لا تزال في مرحلة البحث والتطبيق الصناعي العملي إلى مزيد من التطوير.
الفئة دراسة الاتحادية
من الناحية النظرية، ودراسة الاتحادية لتحقيق الفوز للجانبين. ولكن على ضوء لا يكفي للحديث عن نظرية، كيفية جعلها تلعب دورا أكبر في تطبيق سيناريوهات العملية ذلك؟
من 2018 إلى أوائل عام 2019، وجميع البنوك الصغرى فريق AI بناء تدريجيا من الناحية النظرية، والأدوات، والمعايير الفنية، متعدد المستويات الإطار البيئي دراسة الاتحادية من التطبيقات الصناعية، وجذب تينسنت، هواوي، Jingdong، والشركاء السلامة البيئية للانضمام.
يناير 2019، أطلقت مايكرو التركيز الأولى في العالم صناعية من الدرجة إطار المصدر المفتوح دراسة الاتحادية FATE (اتحاد AI تقنية المساعد)، وقال انه بدأ في دراسة تطبيقها على الخدمات المالية الاتحادية.
يوفر هذا الإطار سلسلة من خوارزمية التعلم الاتحادية "للخروج من مربع"، فضلا عن تحسين الأدوات المساعدة النمذجة وتقييم نموذج، فضلا عن حلول ودية لإدارة المعلومات التفاعل عبر المجال، يحل مشكلة تعلم تدقيق أمن المعلومات الاتحادية صعوبة.
وبعبارة أخرى، تريد تطبيق دراسة الاتحادية من الأعمال دون استثمار الكثير من الطاقة في التكنولوجيا الأساسية، يمكنك الاستمتاع مع حماية خصوصية البيانات، اتحاد البيانات التي رفعتها تحسين الأعمال التجارية متعددة المستويات.
مراقبة الائتمان خطر، ومكافحة غسل الأموال، ومصالح العملاء منذ بدء تسعير ...... FATE، وهبطت في القطاع المالي أصبحت أكثر عمقا.
على أساس النمذجة مشترك من FATE
25 يونيو 2019، أصبح مايكرو البنك التركيز على المؤسسات المالية مؤسسة لينكس الذهب الأعضاء فقط، والمساهمة في مشروع لينكس مؤسسة FATE. اليوم، أصبح مصير مجتمع المصادر المفتوحة أكبر مجتمع المطورين التعلم الاتحادي في هذه الصناعة لاستيعاب المؤسسات 128 و 145 منظمات الأعمال والجامعات لبناء التطبيق.
هوانغ تشى يونيو وفقا للتقارير، بعد أن علمت إطار اتحادي على جيثب معظمهم ينتمون إلى الاتجاه العرضي للدراسة الاتحادية، و المتاحة لتحقيق مستوى الإطار الاتحادي في التعلم الطولي، FATE فقط.
لأن الاتحادية وتعلم الهندسة المعمارية منصة اساسية تختلف عن غيرها من المنصات، الصغيرة صنعت خصيصا إطار من العام لتوزيع الحوسبة والتخزين، كما يدعم نقل المواقع المشتركة.
وقد رست FATE الحالي بنجاح مع TensorFlow، PyTorch آخرين إطار التعلم العميق على جهاز واحد، ومستقبل أيضا خطط لمحاولة نظام توزيع.
ثانيا، إن الانفجار أدى البيانات المشفرة، الصغير الجمهور الاتحادي يتعلم كيف صمدت الوزن؟
إذا كان من خوارزميات ممتازة وقوة التكنولوجيا الأمنية، أو ثروة من الخبرة الهندسية والبنوك الصغرى العامة هي الرائدة في مجال دراسة الاتحادية المحلية.
ولكن تعلم لتعزيز الهبوط من الطريق الاتحادي لم يكن سهلا. تعلم الصرف الاتحادي مشفرة، زيادة حجم البيانات، بحيث يتطلب أكثر الحوسبة وقدرات الاتصالات.
الحوسبة، دعم التعليم تعلم الآلة التقليدية رقائق 32 بت، خوارزميات التعلم الاتحادي Paillier / RSA تعتمد على 2048 بت أو أكثر الكبيرة صحيح الأسي وحدات، وغيرها من عملية الضرب وحدات معقدة.
نقل، تعلم الآلة التقليدية المعلمة البلمرة استخدام شبكة النقل، وتشفير البيانات بعد تعلم حجم الاتحادي تصبح أكبر أكثر من 30 مرات، حتى بعد عدة جولات من انتقال العدوى.
إذا كان عدم والحوسبة والاتصالات القدرات، خوارزمية الأداء سيكون خسارة، لذلك، وكيف يتم جمهور للنظر في الدقيقة تسارع الحوسبة البنية التحتية لدعم الحوسبة والاتصالات تقفز الطلب عليه؟
دعونا ننظر العديد من الميزات من خوارزمية التعلم الاتحادية:
(1) الحوسبة المتوازية للغاية: بيانات حساب الدولة الكثيفة، وبيانات مختلفة محسوبة بشكل مستقل عن بعضها البعض.
(2) كرر العملية خفيفة الوزن: ليست معقدة الصيغة، ولكن عددا كبيرا من المرات إجراء مرارا وتكرارا.
(3) كثافة حوسبة المهام: البيانات I / O وقت الحساب هو أقل من 0.1 من الوقت.
(4) كميات كبيرة من البيانات: ولدت بيانات الدفعة، وكمية هائلة من البيانات.
هذه الميزات هي مناسبا جدا مع متعددة الخيوط بالتوازي الحوسبة GPU.
ولكن تهتم فقط مع برنامج تسريع أداء ليست كافية، والمرونة التشغيلية، والراحة والاستقرار يتطلب أيضا النظر.
عادة ما تختار شركات البنية التحتية بطريقتين، خدمات النشر سحابة محلية أو خاصة لتأمين درجة عالية من التحكم في بيانات، والخدمات السحابية وتقصير دورة التنمية، ومرونة للموارد الحوسبة شكلي، والحد من التكاليف الأولية لبدء العمل.
برنامج مايكرو التركيز المستخدمة حاليا في دراسة فيدرالية، هو منصة سحابة تينسنت على أساس NVIDIA GPU تسلا V100، GPU جنبا إلى جنب مع NVLink التكنولوجيا العالية السرعة التواصل، لتسريع دراسة الحوسبة المهام الاتحادية.
"تعلم العد متطلبات الطاقة العالية الاتحادية، والثمن هو معقول طالما أن حل الأجهزة التي يمكن أن تلبي الطلب على مهمة متسارعة، ونحن على استعداد لمحاولة" قال هوانغ تشى يونيو
في رأيه، NVIDIA V100 هو بالفعل برنامج ناضجة جدا، واستخدام لتأثير جيد. بعد الاختبار، مقارنة باستخدام واحد سلسلة وحدة المعالجة المركزية إنتل زيون 6100، 8 بطاقة GPU باستخدام واحد أو أكثر من ملقمات 20 مايو بدلا من الخادم وحدة المعالجة المركزية .
ليس ذلك فحسب، هوانغ تشى يونيو التمثيل، NVIDIA البرنامج لجمهور الاتحادي الصغير يتعلم نفس مساعدة كبيرة.
تقدم NVIDIA منصة برمجيات ثروة من آلة التعلم والتعلم العميق المكتبات مفتوحة المصدر. خلال فترة الدراسة الدراسة الاتحادية، هوانغ تشى يونيو الذي كان محور المختبرات المرجعية NVIDIA في عمليات عدد كبير الرئيسية مكتبة CGBN.
وبالإضافة إلى ذلك، كما يوفر NVIDIA GPU بيئة تطوير متكاملة والبرمجة لتلبية احتياجات مجموعة متنوعة من أدوات التطوير وتعطي الكثير من التوجيه ومرجع في تصميم النظام وتحسين الأداء. ويعتقد هوانغ تشى جون، وهذا مفيد جدا في الحد من تكاليف التطوير.
بعد كتابة الخوارزميات على سبيل المثال، إذا وجدت تسارع GPU الآثار كما هو متوقع، يمكنك استخدام SDK يأتي مع أداة الملف إلى القيام بتحليل مفصل، لن أقول لكم فقط المشكلة، مثل يستخدم السجل للغاية، وسوف توجه لكم خطوة علاقات خطوة لحل المشكلة، مثل كيفية تحسين سجل التطبيق، وكيفية تحقيق التوازن بين احتلت السجل الموازي.
يذكر هوانغ تشى يونيو، تم حل المشكلة "، وتأثير لها على الفور 2-3 أضعاف."
على أساس منصة NVIDIA GPU، قدم دراسة مايكرو التركيز الاتحادية أيضا ثلاث طرق الأمثل، لزيادة الاستفادة من إمكانات تسريع GPU.
الخطوة الأولى، هل التفكير القائم على عنصر التقسيم في موازاة ذلك، من خلال تقسيم متكرر صحيح كبير الضرب ليكون موازيا صغير صحيح الضرب.
الخطوة الثانية، من خلال الساحات ملزم ومونتغمري وحدات خوارزمية الضرب، للحد من التعقيد الحسابي، ويتم تجنب عملية مودولو تماما.
الخطوة الثالثة والمتوسطة حساب النتائج الباقي نظرية خفضت المتوسطة.
بعد تحقيق الاستفادة المثلى من نتائج التقييم أظهرت، فيما يتعلق الطريقة التقليدية، استنادا إلى سديم مخطط الأمثل GPU جعل Clustar، وتعزيز كفاءة التشفير التماثلي، و 5.8 مرات، 5.93 مرات لتعزيز كفاءة مع دولة فك التشفير، والدولة من كفاءة التصاق بنسبة 31.4 مرات الضرب كفاءة عالية الكثافة تعزيز الأفعى 419 مرة.
تسارع GPU التعلم الأمثل فعالية البرامج الفيدرالية
وقال هوانغ تشى يونيو البنوك الصغرى العامة AI يأمل الفريق أيضا لمواصلة استكشاف أعلى دعم قوة المشغل.
ثالثا، من المالية إلى الوقاية والسيطرة على الدقة الطبية، الاتحادية تطبيقات التعلم الغنية على نحو متزايد
وبعد البحث في مجموعة من الأكاديميين الازدهار، وقد اخترقت تكنولوجيا التعلم الاتحادية تدريجيا إلى المزيد من التطبيقات الصناعية، من أجل حل التحديات البيانات أقل فعالية نموذجية AI سيناريوهات التمويل، وتجارة التجزئة والطبية وبيانات الامتثال، وتعزيز تبادل البيانات عبر القطاعات والتكامل.
1 السيطرة على المخاطر المالية: قضاء على مشكلة قروض المشاريع الصغيرة الصغيرة
في القطاع المالي، يمكن للدراسة الاتحادية تساعد بشكل كبير تحسين القدرة على خطر قياس، وانخفاض الأسعار عموما من المنتجات المالية.
على سبيل المثال، والقروض الصغيرة والمشاريع الصغرى والتقارير الائتمانية والمصرفية عموما سوى جزء من سياسة وطنية للسماح البيانات الضريبية المتاحة، ولكن أكثر من 70 من الشركات الصغيرة ومتناهية الصغر هي عائلات البيض، من دون أي سجلات الائتمان وسجلات الضرائب. الفواتير لتقييم مخاطر الائتمان للشركات هي مفيدة، ولكن 70 الحالية -80 من فاتورة فاتورة بيانات التسجيل المراقبة الضريبية، بيانات حساسة، ليست مريحة للكشف عن مباشرة إلى البنك.
المشاكل الصغيرة إدارة مخاطر الائتمان للمشاريع الصغيرة
على أساس لا يتم تبادلها فرضية ضمان البيانات الخام، فإن البنك القروض الصغيرة العام قرض بيانات العملاء والفواتير نمذجة معلومات تسجيل المشترك، وتحسين نموذج السيطرة على المخاطر من أجل حل مشكلة صعبة الصغيرة قروض المشاريع الصغيرة المعلومات الائتمانية أكثر من 70 غير تاريخية. حاليا مبلغ القروض التجارية التي يدعمها هذا النموذج المشترك لديها اكثر من 1000000000 .
مايكرو البنك التركيز أيضا تسليم تينسنت سحابة ايجيس رمل، والاعتماد القوي على البيانات للمؤسسات تساعد على زيادة الاستفادة من قيمة البيانات مع حماية خصوصية البيانات، وتعزيز تطبيق الهبوط AI.
2 والصرف دقيقة: لتعزيز كفاءة مباراة المعلومات والموارد
الحكمة التجزئة للتوصيات شخصية المنتج، والإعلانات المستهدفة وغيرها من الخدمات، لجذب السياح، والعادات تدريب المستخدمين أمر ضروري. ومع ذلك، من الناحية العملية، وخصائص البيانات من هذه الخدمات المعنية عادة ما فرقت في الإدارات أو تجارية مختلفة.
على سبيل المثال، البنوك شراء خصائص السلطة، منصة الاجتماعية لديها ميزة تفضيلات المستخدم الشخصية، منصة الأعمال الإلكترونية له خصائص ميزات المنتج. إذا كنت الجمع بين هذه البيانات، يمكننا بناء نموذج أكثر دقة للتسويق، ونموذج الموصى بها، ولكن القضية الخصوصية خطوة، ولكنه أصبح الحد الأدنى لدراسة الاتحادية مسار ممكنا.
على أساس حماية البيانات الثلاثية لا يتم تبادل متبادل، ودراسة الاتحادية لبناء أكثر دقة من نموذج AI النمذجة الفردية. سوف مايكرو التركيز شراء البنك قد تخزين بدقة زيادة معدل بنسبة 21.4 من خلال دراسة الاتحادية.
3، والحكمة الطبية: للخروج من عنق الزجاجة المفقودين وسم البيانات
المجال الطبي مع وجود درجة عالية من خصوصية البيانات، وخصائص تشتت البيانات، منظمة واحدة غالبا ما تفتقر عينة كافية.
علامات البيانات هي أيضا أوجه قصور خطيرة. وتشير التقديرات إلى أن البيانات الطبية على شركات خارجية ملحوظ، مع حاجة 10،000 شخص إلى استخدام ما يصل إلى 10 سنوات، وذلك لجمع بيانات صالحة.
قيد الدراسة الاتحادية لا يمكن ضمان تبادل البيانات الفرضية، تجمع عدد من المستشفيات وموارد البيانات المريض من إدارات متعددة لبناء نموذج مشترك، وأثر هو أكثر بكثير من المستشفيات عادلة مع البيانات الخاصة بهم AI التدريب نموذج المبين كل مستشفى والمنفعة المشتركة.
دراسة الصحة الاتحادية لحل نقاط الألم من البيانات الكبيرة
الخلاصة: دراسة الاتحادية، AI برات آند ويتني مسار جديد فعال
AI الهبوط أكثر في هذه الصناعة في الوقت نفسه، والمسائل الأمنية الخصوصية يسيران جنبا إلى جنب، مع الأخذ بعين الاعتبار خصوصية وطريقة التعلم الأمثل البيانات AI النموذج الفيدرالي، والإمكانات غير المستغلة هائلة للتنمية.
تحت تسارع NVIDIA GPU V100، بدأت دراسة الاتحادية الصغيرة لفتح كل حكمة والسفر، ومراقبة الجودة الصناعية، وأكثر من تطبيق سيناريوهات منظمة العفو الدولية، من الناحية الفنية من عرض البيانات الامتثال من خلال الحصول على الجزيرة.
اليوم دراسة الاتحادية قد دخلت للتو مرحلة الهبوط دفعة جديدة، والمزيد من الشركات والمؤسسات الأكاديمية ينضمون إلى البيئة دراسة الاتحادية، مع زيادة تحسين الامتثال السلامة، ومنع الهجمات، وكفاءة الخوارزمية، وآلية الاتحاد، ودراسة الاتحادية من شأنها أن تعزز صحة AI الهبوط وتنشيط.
شكرا للقراءة. انقر المخاوف على متن معك موجة في طليعة التكنولوجيا -
