图灵汇官网

国际科技盛会聚焦“历史转折期的科技”：人工智能与机器人研讨会

导言：

4月25日至26日，一场以“历史转折期的科技”为主题的国际研讨会，在香港中文大学（深圳）成功召开。此次会议汇聚了全球20多位顶尖院士和60多位业界专家，共同探讨人工智能和机器人技术、5G、数字技术等领域的最新成果，旨在为当前人工智能与机器人领域面临的挑战和关键应用难题提供解决方案。

主题演讲亮点：

• 杨强博士，国际人工智能联盟主席兼微众银行首席AI官，于25日下午发表了《人工智能与数字治理》的主旨演讲。他深入阐述了利用联邦学习和迁移学习克服AI落地实施中的挑战。

数据聚合与人工智能发展：

• 大数据的重要性：杨强博士强调，大数据是推动人工智能发展的关键因素之一，其价值不容忽视。他指出，人工智能的成功取决于算法、算力以及大数据的汇聚，更多的数据能构建更精准的模型，表达复杂的世界现象。

联邦学习：解决数据聚合难题的关键技术：

• 数据聚合与隐私保护：面对数据聚合的挑战，杨强博士提出，合法合规地聚合数据对于人工智能的发展至关重要。然而，数据作为资产和生产要素的属性，以及日益增长的数据隐私保护需求，构成了这一过程的复杂性。

联邦学习：技术与实践

• 技术背景：为解决上述问题，杨强博士倡导采用联邦学习技术，实现数据的“不动模型动”，即数据可用但不可见，从而促进知识共享而不侵犯数据隐私。
• FATE开源系统的应用：作为首个联邦学习开源系统，FATE已广泛应用于700多家企业机构和数百所高校，形成活跃的开发者社区，持续引入新功能模块。

联邦学习在实际场景中的应用

• 金融行业应用：联邦学习在金融领域展现出巨大潜力，尤其在反洗钱、风险管理及个性化推荐系统等方面，通过跨机构合作提升效率与安全性。
• 跨行业协同：通过联合互联网公司、金融科技公司、银行、小贷公司、第三方支付等，联邦学习能够优化风险评估和客户识别，显著提升信贷风控能力，并增强个性化服务的精准度。

结语：

此次研讨会不仅展示了人工智能与机器人领域的前沿技术和创新实践，还凸显了数据治理、技术伦理与法律框架在推动科技进步中的重要性。通过跨学科合作与技术创新，与会专家共同探索了未来科技发展的无限可能。

来源：

南方报业传媒集团南方+客户端

记者与摄影：

金永胜 | 谢昊燃 | 栾艺婷