2023年度人工智能盛会“智联世界，生成未来”在上海圆满闭幕

构建全球合作桥梁，共拓发展新机遇

近日，“智联世界，生成未来”——2023年世界人工智能大会（WAIC）在上海圆满落下帷幕。此大会旨在搭建一个世界级的合作交流平台，促进全球范围内的人工智能发展与合作，吸引全球顶尖的商业领袖和创新先锋齐聚一堂，共同探讨新AI与新商业的未来趋势。

杨强教授：联邦学习前沿与大模型时代的洞察

加拿大工程院与皇家学院院士、FATE开源社区技术指导委员会主席、微众银行首席人工智能官杨强教授受邀出席，分享了他在联邦学习领域的最新研究成果。在“聚焦·大模型时代AIGC新浪潮”论坛上，杨强以“可信联邦学习与联邦大模型”为主题，深入解析了如何在数据和算力高度集中化的背景下，通过联邦学习技术解决数据量不足的问题，以及如何构建多方共建的大模型基础设施。

解码大模型时代，跨越数据鸿沟

面对大模型技术的飞速发展，杨强指出，传统AI应用正面临算力与数据量的巨大挑战，尤其是对于中小型企业而言。他引用OpenAI CEO Sam Altman的观点，未来模型参数的发展趋势或将趋向小型化，或通过多个小模型协同工作的方式实现。在此背景下，联邦学习成为一种突破性解决方案，它能够有效整合分散的数据资源和计算能力，助力中小企业跨越数据与算力的壁垒。

FATE-LLM：推动联邦大模型的开源化进程

FATE（Federated AI Technology Enabler）开源社区已推出FATE-LLM功能模块，支持在不泄露敏感数据的前提下，根据各参与方的实际数据量分配计算资源，共同参与大模型的训练过程。这一举措不仅促进了数据的高效利用，还推动了联邦大模型在同构与异构架构、大模型引导小模型联邦等方面的进一步发展，显著提升了模型的可用性和易用性。

可信联邦学习：赋能数据安全与效率

杨强进一步介绍了“可信联邦学习”的概念，这是一种基于安全、可信的多方分布式机器学习方法，具备安全可信、高效可用、可管理、可审计、普惠等核心特性。这一方法特别适合当前产业发展需求，兼顾数据安全、隐私保护与效率的平衡。此外，他还分享了可信联邦学习的最新研究进展与应用案例，包括在金融反洗钱等领域的实际应用。

构建联邦学习开源生态，促进数据要素安全流通

在“AI开发者”论坛上，杨强聚焦于“可信联邦学习与开源生态”，强调了开源在隐私计算技术规模化中的重要作用。FATE开源社区作为联邦学习技术的协作创新平台，汇聚了来自不同领域的4000多位专业用户，共同推动联邦学习技术的研究与应用。该社区不仅致力于建立行业标准，推动实际场景的应用落地，还通过构建包含数据提供方、模型提供方、业务提供方、价值中介方等在内的数据要素流通生态系统，促进了数据的高效、安全流通。

展望未来：联邦学习与开源生态的关键驱动力

展望未来，杨强认为联邦学习与开源生态将在隐私计算、机器学习和数据科学领域发挥关键作用。他提出了一系列值得探索的方向，包括深化联邦学习的安全机制、推动跨平台的互联互通、探索数据确权与定价机制、利用“模型和数据集水印”技术进行模型审计与全生命周期管理，以及促进联邦学习与区块链等技术的融合，为未来的智能时代提供强有力的支持。