世界人工智能大會國際前沿算法峰會在上海舉行

　　新華網上海9月1日電（記者 蘭天鳴）在近日舉行的世界人工智能大會國際前沿算法峰會活動上，卡耐基梅隆大學計算機學院院長，《機器學習》作者湯姆·米切爾介紹了自己有關人工智能無監督學習的研究，他認為計算機是可以做到無監督學習的，并不斷提升水平。

　　湯姆·米切爾目前在卡耐基梅隆大學的研究組正在探索一個被稱為NELL（Nerver Ending Language Learner）的項目，旨在讓計算機 24 小時不停搜集網絡上的公開內容，并試圖標記出重要的信息，以此希望算法能夠不斷自我提升理解能力。

　　“當我們觀察這一項目時，可以發現在 NELL 當中有十個已標注的類型，而通過機器自動學習的未標注數據則超過 2500 萬個。” 湯姆·米切爾表示。“我們從傳統的單一函數學習框架擴展到了多函數的方法。今天，我們已經擁有 4000 余種分類方法，實現了前所未有的準確性。”

　　“今天的人工智能仍然大量依賴于人類專家的工作，但就像傳統工業最后會向自動化發展一樣”，香港科技大學教授楊強表示，數據孤島、小數據、用戶隱私的保護等導致數據的割裂，讓AI 技術很難發揮出價值。

　　他認為，在面臨數據割裂的情況下，需要讓幾種數據建立一個共享的模型，但在建立的過程中不交換數據，只是交換加密保護的模型參數。這種做法的效果就像是融合了多種數據的訓練，這就是聯邦學習。“聯邦遷移學習不僅提高了效率，也可以保護數據，讓各個企業的自有數據不出本地。對于銀行、電商、零售機構非常友好，讓他們的數據可以聚合，通過隱私保護的方法來實現更高程度的自動化。”

　　在楊強的愿景中，聯邦遷移學習最終的目的是形成一個生態，包括互聯網的數據，以及場景中的數據，不同行業和不同的用戶行為數據進行有機的結合。

　　據悉，本次國際前沿算法峰會由世界人工智能大會組委會主辦，第四范式、上海交通大學承辦。峰會以“算法定義AI未來”為主題，將向更底層的技術發問，求解能夠推動產業變革的未來算法，為人工智能產業往更縱深發展提出新思考。