杨强教授担任AAAI 2021大会主席

据南大周志华微博消息，微众银行首席人工智能官杨强教授被任命为国际人工智能大会AAAI 2021的大会主席。这是AAAI历史上第二次设立大会主席职位，也是首次由华人担任该职务。

周志华教授在微博中提到，2020年之前，AAAI仅设有程序委员会主席一职，没有大会主席。由于近年来论文投稿量激增，为了使程序委员会主席能够专注于学术质量控制，自2020年起设立了大会主席一职。

杨强教授是人工智能领域的国际知名专家，不仅在学术界，也在工业界做出了重要贡献。近年来，他在推动中国人工智能和数据挖掘领域的发展方面发挥了重要作用。他是迁移学习和联邦学习领域的创始人和领导者。2013年，他被选为AAAI Fellow，成为首位获此荣誉的华人；2016年，他成为首位AAAI华人执委；2017年，他被选为国际人工智能联合会议(IJCAI)理事会主席，成为首位担任此职的华人科学家。

杨强教授在2021年1月11日举行的《清华-中国工程院知识智能联合研究中心年会暨认知智能高峰论坛》上做了题为《机器学习的几个前沿问题》的报告。他在报告中讨论了机器学习在小数据集和隐私保护方面的挑战和解决方案。

1. 如何实现机器学习的规模化？

尽管人工智能目前发展迅速，但仍面临诸多挑战。其中一个重要问题是人才短缺。培养一名人工智能专业人才需要多年时间。此外，人工智能能否自我设计？在实际应用中，哪些环节可以通过人工智能自动化完成？为了回答这些问题，需要全面考虑机器学习的各个环节，确定哪些环节适合自动化，哪些不适合。

机器学习的流程包括问题定义、数据收集、特征工程、模型训练和测试等步骤。定义问题环节难以实现自动化，但数据收集、特征工程和模型训练等环节可以实现自动化。在模型训练过程中，寻找最佳参数配置是关键。自动化特征工程平台已经出现，例如AutoCross平台可以自动组合和选择特征。然而，自动化找到最优网络结构仍然是一个难题。

2. 当数据不足时怎么办？

现有深度学习算法通常需要大量数据。当数据不足时，可以使用迁移学习。迁移学习的基本思路是从已有数据丰富的模型迁移到新数据较少的模型。这类似于人类的类比学习。通过迁移学习，可以将已有模型的效果转移到新数据上，即使新数据量较小也能取得较好的效果。

迁移学习的应用场景广泛，例如在汽车金融风险控制中，可以利用小额贷款数据进行迁移学习，以提高模型效果。此外，迁移学习也可以应用于城市计算，将已有的交通出行预测模型迁移到新的城市，减少数据采集成本。

3. 如何保护用户隐私？

随着大数据的应用越来越广泛，保护用户隐私成为一个重要议题。联邦学习是一种新的解决方案，它允许不同数据持有方在不共享原始数据的情况下共同训练模型。联邦学习的关键是保证数据的安全性和模型的有效性。例如，通过加密技术，各方可以独立训练模型，最终形成一个综合模型。

联邦学习的应用案例包括电商推荐系统的数据保护。通过联邦学习，不同数据持有方可以协同工作，既保护了数据隐私，又提高了模型性能。

4. 如何实现反欺诈？

在金融行业中，反欺诈是一个重要课题。当前，AI技术如Deepfake可以生成虚假图像，导致欺诈行为更加隐蔽。为应对这一挑战，研究者们提出了多种策略，包括对抗样本的使用和多模型分类方法。这些策略旨在增强模型的鲁棒性，防止恶意攻击。

总结

人工智能的成功在于多个方面：首先，可以实现某些环节的自动化，例如自动化机器学习。其次，可以实现在保护隐私的前提下，不同数据持有方的合作。最后，高性能计算能力的提升也为人工智能的发展提供了重要支持。