深圳2023年11月17日 /美通社/ -- 11月10日-12日，西南財經(jīng)大學(xué)、FATE開源社區(qū)、微眾銀行、中國計算機學(xué)會（CCF）成都分部共同舉辦的"可信聯(lián)邦學(xué)習(xí)冬令營"在成都正式開營。學(xué)員來自全國各高校，將結(jié)合自身研究背景和興趣，在專家的指導(dǎo)下圍繞"可信聯(lián)邦學(xué)習(xí)（TFL）"人工智能與隱私計算前沿領(lǐng)域展開研究實踐，基于可信聯(lián)邦學(xué)習(xí)多目標(biāo)優(yōu)化、聯(lián)邦大模型等多個研究方向的成果形成論文。

此次冬令營是繼第一期可信聯(lián)邦學(xué)習(xí)夏令營·北京清華站與第二期西安交通大學(xué)站之后的第三期活動，旨在為眾多學(xué)生提供一個深入學(xué)習(xí)和探索聯(lián)邦學(xué)習(xí)領(lǐng)域的交流機會，推動"產(chǎn)、學(xué)、研、用"跨領(lǐng)域合作與交流，為人工智能與隱私計算行業(yè)發(fā)展培養(yǎng)人才。冬令營獲得了清華大學(xué)、四川大學(xué)、中國石油大學(xué)、聯(lián)通（上海）產(chǎn)業(yè)互聯(lián)網(wǎng)有限公司等高校與機構(gòu)的支持，吸引了來自西南財經(jīng)大學(xué)、四川大學(xué)、西南交通大學(xué)、復(fù)旦大學(xué)、香港科技大學(xué)等12所高校的50余位碩士和博士生參與。

在開營培訓(xùn)階段，加拿大工程院與皇家學(xué)院院士楊強、微眾銀行人工智能首席科學(xué)家范力欣、西南財經(jīng)大學(xué)計算機與人工智能學(xué)院院長劉貴松、西南財經(jīng)大學(xué)計算機與人工智能學(xué)院副院長楊新、西南交通大學(xué)計算機與人工智能學(xué)院副院長楊燕、清華大學(xué)智能產(chǎn)業(yè)研究院副教授劉洋等領(lǐng)域?qū)＜覟閷W(xué)員開展集中培訓(xùn)，分享多年研究經(jīng)驗與實踐方法。此外，來自清華大學(xué)、浙江大學(xué)、復(fù)旦大學(xué)、華中科技大學(xué)、福州大學(xué)、四川大學(xué)、電子科技大學(xué)、西南交通大學(xué)、西南財經(jīng)大學(xué)等知名高校與科研機構(gòu)的教授擔(dān)任導(dǎo)師，全程為學(xué)員提供研究指導(dǎo)。

作為一家以科技為核心發(fā)展引擎的數(shù)字銀行，成立近九年來，微眾銀行逐步構(gòu)建起全球領(lǐng)先的金融科技體系。在人工智能領(lǐng)域，微眾銀行自2019年起與高校、科研機構(gòu)、企業(yè)等眾多機構(gòu)開展產(chǎn)學(xué)研合作，促進聯(lián)邦學(xué)習(xí)技術(shù)的前沿研究、標(biāo)準(zhǔn)建設(shè)、開源生態(tài)建設(shè)、行業(yè)應(yīng)用等多方面發(fā)展，共同推動全球聯(lián)邦學(xué)習(xí)生態(tài)構(gòu)建。目前，聯(lián)邦學(xué)習(xí)作為支持?jǐn)?shù)據(jù)要素安全流通的重要技術(shù)方案，被各行業(yè)和機構(gòu)廣泛采用。

在本期冬令營的開幕致辭中，加拿大工程院與皇家學(xué)院院士、微眾銀行首席人工智能官楊強指出，未來的世界是人和模型共存的世界，模型的制造、流通、管理是重要的議題。聯(lián)邦學(xué)習(xí)符合人工智能的發(fā)展趨勢，中國是聯(lián)邦學(xué)習(xí)重要的發(fā)源地之一。圍繞《可信聯(lián)邦學(xué)習(xí)與聯(lián)邦大模型》的主題，楊強分享了聯(lián)邦學(xué)習(xí)相關(guān)理論框架、可信聯(lián)邦學(xué)習(xí)與聯(lián)邦大模型的前沿研究與應(yīng)用等內(nèi)容。

微眾銀行人工智能首席科學(xué)家范力欣做《可信聯(lián)邦多目標(biāo)優(yōu)化》主題報告，指出聯(lián)邦學(xué)習(xí)不僅是一種技術(shù)，還是平衡性能、效率、安全等多方問題的系統(tǒng)性框架與解決方案。此外，范力欣還談到了聯(lián)邦學(xué)習(xí)中涉及的模型版權(quán)保護和激勵機制等問題，鼓勵學(xué)員結(jié)合交叉學(xué)科進行深入研究。

微眾銀行人工智能資深研究員康焱圍繞"聯(lián)邦大模型"的主題，分享了通過聯(lián)邦遷移學(xué)習(xí)落地基礎(chǔ)模型的現(xiàn)有研究工作的調(diào)研、歸納與分析。康焱指出，大型預(yù)訓(xùn)練的基礎(chǔ)模型存在缺乏領(lǐng)域知識和知識容易過時等局限性，基于聯(lián)邦遷移學(xué)習(xí)，可以將領(lǐng)域和行業(yè)知識融入基礎(chǔ)模型，也可以遷移基礎(chǔ)模型的通用知識助力領(lǐng)域模型的建立。