联合学习如何塑造人工智能的未来

您可能没有注意到，最近几个月，世界上最流行的两个机器学习框架——TensorFlow和PyTorch——已经采取了一些措施，采用了包含联邦学习的解决方案来保护隐私。

联邦学习不是从用户那里收集云中的数据来训练数据集，而是大批量地训练移动设备上的人工智能模型，然后将这些知识传输回一个全球模型，而不需要数据离开设备。

上个月，作为颇受欢迎的Facebook深度学习框架PyTorch的最新版本的一部分，该公司的人工智能研究小组推出了outSecure和Private AI，这是一个免费的Udacity课程，为期两个月，内容涉及使用加密计算、差别隐私和联邦学习等方法。第一堂课从上周开始，由谷歌旗下DeepMind的资深研究科学家安德鲁·特拉斯克(Andrew Trask)教授。他也是Openmined的领导人，这是一个专注于隐私的开源AI社区，在3月份发布了PySyft，将PyTorch和联邦学习结合在一起。

PyTorch创始人Soumith Chintala在接受VentureBeat采访时表示:“不仅仅是Facebook，我认为整个人工智能领域都在认真考虑这个方向。”“是的，我认为你绝对会看到更多的努力，更多的方向，(和)更多的包裹，在PyTorch和其他方面，在这个方向上是肯定的。”

随着隐私成为一个卖点，联邦学习在科技巨头和需要隐私保护的行业(比如医疗行业)中越来越受欢迎。

据arXiv称，谷歌人工智能研究人员在2017年首次引入了联邦学习，自那以后，研究人员引用了300多次。今年3月，谷歌发布了TensorFlow Federated，利用其流行的机器学习框架简化联邦学习。

谷歌I / O会议2019年5月,CEO Sundar Pichai谈到联合学习他向世界的一部分,谷歌重视隐私,与谷歌地图功能,如隐身模式和使用Android手机的安全关键两步验证。随着设备上机器学习速度的提高，谷歌Assistant在未来几个月的速度将提高10倍。

早在2017年，安卓设备键盘Gboard就开始使用联邦学习，从用户那里学习新单词，并预测下一个要使用的单词或表情符号。

皮查伊在2019年的主题演讲中说:“现在还为时过早，但我们对更多产品实现联合学习的进展和潜力感到兴奋。”

上图:在谷歌I/O主题演讲期间共享的联邦学习描述

谷歌的账户安全主管Mark Risher在最近的一次电话采访中告诉VentureBeat AI的作家Kyle Wiggers，除了给Android用户一个更智能的键盘，谷歌还在探索使用联邦学习来提高安全性。联合学习将使恶意的第三方能够针对设备上的反钓鱼安全模型进行测试，所以它在安全方面还不是很合适，但是他们正在朝着这个目标努力，Risher说。

然而，联邦学习仍然面临挑战，包括无法检查训练示例、带宽问题和WiFi连接的需要，以及无法从用户交互中自然地推断标记。

谷歌人工智能研究员布伦丹·麦克马汉在2018年的一次演示中表示，设备发送的更新仍然可能包含一些个人数据或告诉你关于一个人的信息，因此不同的隐私被用来给设备共享的数据添加高斯噪声。