首个联邦学习半交互式Demo亮相上海艺术展 零距离体验AI游戏魅力

从2019年11月7日起,人工智能与艺术的“脑洞”探索展将在上海明美当代艺术馆举行。许多行业专家和艺术先驱聚集在这里,向观众呈现人工智能艺术视觉盛宴,探索以艺术作品为载体的“人工智能艺术”的无限可能。

image.png

与过去不同,这次艺术展还有一个特别展览。观众不仅可以观看,还可以直接操作。是来自微银行人工智能团队的“基于联邦学习的多智能体游戏人工智能可视化”演示(以下统称为“联邦学习演示”)。联邦学习演示(Federal Learning Demo)允许观众参与人工智能建模过程,并与自己训练的机器人竞争。通过它的交互性和趣味性,它使人工智能的学习变得简单而有趣。

image.png

Federal Learning Demo是一款半交互式的赛车游戏,观众可以参与其中,从而更直观地感受和理解联邦人工智能的技术原理和优势。众所周知,在赛车游戏中,传统的游戏方法是玩家一次又一次地尝试提高他们对地图路线的熟悉程度,以获得最高的速度。然而,由于他们有限的个人精力和游戏(也可能受到天赋的限制),许多训练可能无法保证获胜。传统的个人格斗方法类似于演示中的人工智能模型(AI model),它依赖于单个玩家的数据训练。由于只学习了一个玩家的少量数据,所以表现一直平平。然而,联邦学习技术可以绕过玩家数据,在这个过程中直接结合每个玩家数据训练的人工智能模型,不断训练和完善联邦学习人工智能模型,成为最终赢家。换句话说,不管一个玩家有多强,他或她只会独自战斗,而联邦学习可以联合多个党派来赢得胜利。

image.png

Top:人工智能训练过程:玩家的游戏界面

据悉,上海艺术展并不是联邦学习演示的首次亮相。作为该国第一款基于游戏的联邦学习半交互式演示,该演示还在今年8月于澳门举行的人工智能IJCAI2019领域顶级学术会议上展出。从学术会议的跨界艺术展来看,联邦学习演示(Federal Learning Demo)不仅使观众能够通过参与性、视觉性和趣味性的方式参与联邦学习技术的运作过程,降低了人工智能非技术人员的认知门槛,为人工智能进入公众视野提供了一个新的窗口。

游戏中用于训练模型的大量数据也提醒人们数据隐私和背后的安全问题。如果数据不被共享,它将成为一个“数据岛”,很难训练一个高效的人工智能模型,就像一个人练习一些奇怪的技巧一样。谁将保证数据共享、用户隐私和安全性?联邦学习技术(Federal learning technology)给出了一个很好的示范共享模型而不是底层数据,可以使所有参与者的数据都不是局部的,实现通用建模,提高机器学习的效果,从而保护数据隐私和安全,为解决数据监管、数据孤岛和人工智能发展之间的矛盾提供了一种新思路。

作为中国联邦学习的发起者和推动者,微银行也在不断推动这项技术在各个行业的应用。例如,在计算机视觉行业,微银行和宝丽来联合推出了该行业首个视觉联邦学习系统,可以帮助企业大大扩展数据的应用范围,共享数据模型的结果,同时避免对数据安全性的担忧。除了计算机视觉领域,联邦学习技术还被应用于金融、医疗保健、城市管理等领域,帮助许多行业“提升智慧”。

可以预测,未来当数据安全和数据隐私保护越来越受到重视时,联邦学习将在更多行业和更多场景中充分发挥其无限潜力,全面加速“智能未来”的到来。在通往“智能未来”的道路上,我们不仅需要联邦政府学习这种“硬”技术,还需要有趣且易懂的工具,如联邦学习演示(federal learning Demo),以帮助我们理解新兴技术。只有这样,每个人才能参与并受益于“美好的未来”。正如演示创造者李泉和魏西光所说,“无论是技术还是解释技术的工具,都必须回归