近日，來自機器學習、計算機視覺、自然語言處理，以及在生物醫(yī)療、金融、推薦系統(tǒng)等應用領域的12位著名專家聯(lián)合創(chuàng)作的《可解釋人工智能導論》一書正式出版，全面介紹了可解釋AI在理論上和應用上的發(fā)展現(xiàn)狀、存在的問題以及今后發(fā)展的方向。微眾銀行首席人工智能官楊強教授與人工智能首席科學家范力欣博士作為主要作者參與了此書的撰寫。
據(jù)了解，基于在金融領域的實踐，微眾銀行已經(jīng)在智能服務、智能營銷、聯(lián)邦學習等方面獲得一系列成果。參與撰寫《可解釋人工智能導論》體現(xiàn)了微眾銀行在發(fā)展可信、可解釋、負責任的人工智能方面的探索。
據(jù)了解，針對隱私計算和聯(lián)邦學習所面臨的安全、效率、性能之間的平衡問題，近期楊強教授帶領微眾銀行AI團隊持續(xù)豐富和拓展聯(lián)邦學習的理論，提出了“可信聯(lián)邦學習”概念。“可信聯(lián)邦學習”以隱私保護、模型性能、算法效率為核心的三角基石，以模型的決策可解釋性和可監(jiān)管性為兩大支柱，共同構(gòu)成了更加安全可信的聯(lián)邦學習。
在“可信聯(lián)邦學習”理論框架下，楊強教授及團隊提出了隱私與模型性能的"No-free-lunch安全-收益恒定"定律，利用該定律可實現(xiàn)可信聯(lián)邦學習的安全、性能、效率三者的協(xié)調(diào)，在實現(xiàn)更高質(zhì)量的隱私保護的同時，既不犧牲數(shù)據(jù)安全保護，也不致使模型性能和學習效率的大幅下降。有效運用該定律能夠量化分析隱私計算各種技術保護方案的優(yōu)劣，進一步優(yōu)化隱私保護算法設計。目前相關論文已被國際頂級學術期刊接收。
楊強教授表示：“數(shù)據(jù)安全、隱私保護與可解釋性應當與模型性能、算法效率并重，在金融應用場景中尤為重要。未來，微眾銀行將持續(xù)深入在相關領域的探索和研究，持續(xù)推動可信、可解釋、負責任的AI應用。”
