929聯(lián)邦學(xué)習(xí)聯(lián)邦學(xué)習(xí)深度學(xué)習(xí)之后,AI安防的第二落腳點(diǎn)

1、【聯(lián)邦學(xué)習(xí)】聯(lián)邦學(xué)習(xí)：深度學(xué)習(xí)之后，AI安防的其次落腳點(diǎn)2019-11-29 原文AI科技評(píng)論作者|張棟編輯|唐里幻想與現(xiàn)實(shí)從來(lái)都是糾葛著的，AI也不例外。以AI落地最多、最快的安防行業(yè)為例，過(guò)去幾年，行業(yè)各類(lèi)神捕、鷹眼等產(chǎn) 品讓人眼花繚亂。漸漸地，AI成為了無(wú)所不能的代名詞。但是AI在安防行業(yè)的真實(shí)使用，還有很多現(xiàn)實(shí)問(wèn)題亟需處理。大規(guī)模落地：AI安防仍存兩大痛點(diǎn)宇視CEO張鵬國(guó)提到，“當(dāng)前AI落地力量與用戶(hù)需求存有較大差距，前者還 需面對(duì)數(shù)據(jù)隱私愛(ài)護(hù)與平安管控、低成本、流程再造、組織變革等挑戰(zhàn)?！本唧w來(lái)看，最為核心的痛點(diǎn)有二：其一，數(shù)據(jù)不夠多元，且特別封閉。中國(guó)擁有浩大的人口數(shù)量、用戶(hù)量及圖

2、像采集點(diǎn)，相關(guān)企業(yè)得到數(shù)據(jù)之后經(jīng)過(guò)篩選、過(guò)濾、疊加、組合，會(huì)對(duì)本身算法效果有階段性提升。但這類(lèi)提升屬于個(gè)人式的、微乎其微式的。每個(gè)廠商所建設(shè)的 AI系統(tǒng)類(lèi)似一個(gè)又一個(gè)的“煙囪”，“煙囪式”架構(gòu)也就是垂直 的體系結(jié)構(gòu)。每一個(gè)IT系統(tǒng)都有本人的存儲(chǔ)和設(shè)備，以及獨(dú)立的管理工具和數(shù)據(jù)庫(kù)，不同的系統(tǒng)不能共享資源、不能交付和訪問(wèn)，構(gòu)成了資源孤島和信息孤島。由于不同企業(yè)的數(shù)據(jù)庫(kù)模型設(shè)計(jì)和針對(duì)的目標(biāo)有所不同，他們也無(wú)法直接交換、共享模型。即使相關(guān)企業(yè)間的數(shù)據(jù)庫(kù)可以融合，但受制于隱私、平安等問(wèn)題，也絕不行如此為之。有場(chǎng)景缺數(shù)據(jù)、無(wú)數(shù)據(jù)難共享。這是包括AI安防在內(nèi)的諸多行業(yè)目前存在的普遍問(wèn)題，也是妨礙 AI普惠的

3、最大痛點(diǎn)。其二，缺乏優(yōu)質(zhì)數(shù)據(jù)，算法不夠精準(zhǔn)。由于缺乏足夠優(yōu)質(zhì)數(shù)據(jù)作為訓(xùn)練支撐，大多企業(yè)依靠開(kāi)源框架微創(chuàng)新，然后接 受低價(jià)策略搶占市場(chǎng)，導(dǎo)致整個(gè)行業(yè)丟失了做基礎(chǔ)原創(chuàng)技術(shù)創(chuàng)新動(dòng)力的案例。堅(jiān)持自研是一條漫長(zhǎng)且艱苦的路，沒(méi)人曉得數(shù)年的努力能不能換得一次數(shù)量級(jí)的提升，也沒(méi)人曉得高投入后能否得到與之相婚配的報(bào)答。對(duì)此有人或許會(huì)提到，基于安防行業(yè)本身自然的高試錯(cuò)率，小數(shù)點(diǎn)后的算法精度數(shù)量級(jí)提升對(duì)于項(xiàng)目的最終歸屬?zèng)]有大的轉(zhuǎn)變。其實(shí)，現(xiàn)階段與安防相關(guān)的AI技術(shù)精準(zhǔn)度還遠(yuǎn)遠(yuǎn)沒(méi)有達(dá)到天花板，分類(lèi)檢測(cè)、分割、以及對(duì)整個(gè)圖像區(qū)域分類(lèi)問(wèn)題均還未得到很好處理。概括而言，AI技術(shù)在安防市場(chǎng)上的使用次要還存有幾個(gè)挑戰(zhàn)：1、認(rèn)知

4、問(wèn)題相較感知問(wèn)題較難處理。感知問(wèn)題可以用神經(jīng)網(wǎng)絡(luò)函數(shù)靠近， 相比之下認(rèn)知問(wèn)題處理起來(lái)比較麻煩，比如如何教會(huì)機(jī)器辨識(shí)一把椅子。2、在弱線索、遮擋、模糊、對(duì)象追蹤等情況下，人類(lèi)在識(shí)別的過(guò)程中通常 會(huì)依據(jù)常識(shí)，并加入豐富的想象及推理。但是想要將這些力量教授給機(jī)器則 格外困難。3、計(jì)算機(jī)視覺(jué)技術(shù)帶給機(jī)器的力量不只是用來(lái)觀看世界，而是需要與世界 建立聯(lián)系，從而一起做交互，而想要做到“交互”這一步，還有很長(zhǎng)一段距 離?；诎卜缊?chǎng)景的不斷變化，其對(duì)算法迭代的要求肯定是格外嚴(yán)苛且上升的。在這個(gè)市場(chǎng)中，誰(shuí)能夠看到算法精度提升解鎖的更多場(chǎng)景，并依據(jù)場(chǎng)景的變化 做到最為快速且精準(zhǔn)的反應(yīng)，誰(shuí)就能在將來(lái)競(jìng)比中走得更遠(yuǎn)。

5、聯(lián)邦學(xué)習(xí)：AI大規(guī)模落地又一革命性突破一方面，AI在安防行業(yè)的探究才剛剛開(kāi)頭；另一方面，做好AI所必需的數(shù)據(jù)養(yǎng)料無(wú)限且質(zhì)量較差，不同數(shù)據(jù)源之間存在難以打破的壁壘。除了少數(shù)幾家擁有海量用戶(hù)、具備產(chǎn)品和服務(wù)優(yōu)勢(shì)的巨無(wú)霸企業(yè)外，大多數(shù)中 小型AI安防企業(yè)難以以一種合理、合法的方式跨越人工智能落地的數(shù)據(jù)鴻 溝，或者需要付出巨大的成原來(lái)處理這一問(wèn)題。此外，隨著大數(shù)據(jù)的進(jìn)展，注重?cái)?shù)據(jù)隱私和平安已經(jīng)成為一種世界性的趨勢(shì)， 一系列條例的出臺(tái)更是加劇了數(shù)據(jù)獵取的難度，這也給人工智能的落地使用帶 來(lái)了史無(wú)前例的挑戰(zhàn)。何解？針對(duì)這個(gè)問(wèn)題，記者同時(shí)采訪了六位學(xué)術(shù)界、工業(yè)界領(lǐng)頭人，得到的答案比較 全都：從目前的爭(zhēng)辯進(jìn)展

6、來(lái)看，“聯(lián)邦學(xué)習(xí)”技術(shù)可能是處理以上問(wèn)題的最隹選 擇。聯(lián)邦學(xué)習(xí)的概念最后由谷歌在2016年提出，在中國(guó)，香港科技高校講席教授、微眾銀行首席人工智能官（ CAIO ）楊強(qiáng)教授算是聯(lián)邦學(xué)習(xí)爭(zhēng)辯第一人。 之后包括微眾銀行、騰訊、平安科技、華為、京東等在內(nèi)的國(guó)內(nèi)企業(yè)和機(jī)構(gòu)推 動(dòng)聯(lián)邦學(xué)習(xí)進(jìn)入了學(xué)術(shù)爭(zhēng)辯與行業(yè)落地新階段。聯(lián)邦學(xué)習(xí)之所以能夠在如此短的時(shí)間里快速由一個(gè)構(gòu)想變?yōu)橐婚T(mén)學(xué)科，次要由 于它可以讓參與各方在不披露底層數(shù)據(jù)的前提下共建模型，之后利用整個(gè)數(shù)據(jù) 聯(lián)邦內(nèi)的數(shù)據(jù)資源，提高每個(gè)成員的模型表現(xiàn)。通俗來(lái)說(shuō)，深度學(xué)習(xí)時(shí)代，每個(gè) AI企業(yè)的技術(shù)力量是單打獨(dú)斗式的；而聯(lián)邦 學(xué)習(xí)的消滅，更為緊密、平安地將各個(gè)A

7、I企業(yè)聯(lián)系在了一起，聯(lián)邦中的每個(gè)成員都可以用最快的速度提升本身力量的同時(shí)吸取別人的特長(zhǎng)，最終獲得共同 成長(zhǎng)。譬如A廠商有校內(nèi)數(shù)據(jù)、B廠商有工廠數(shù)據(jù)、C廠商有社區(qū)數(shù)據(jù)，且這三家廠 商都使用了聯(lián)邦學(xué)習(xí)技術(shù)。從業(yè)務(wù)層面動(dòng)身，A、B、C這三家廠商便直接獲得了兩種力量：1、最快速地優(yōu)化本身業(yè)務(wù)；2、最快速地拓展新業(yè)務(wù)。最快速地優(yōu)化本身業(yè)務(wù)表現(xiàn)在，平臺(tái)每天會(huì)有若干個(gè)類(lèi)似A廠商的企業(yè)向平臺(tái)輸入加密后的數(shù)據(jù)模型，而這些數(shù)據(jù)模型中有A廠商格外缺乏的其他數(shù)據(jù)信息，而A廠商便可依據(jù)這些數(shù)據(jù)去更新本人的算法模型。最快速地拓展新業(yè)務(wù)表現(xiàn)在，A、B、C每家廠商都有各自構(gòu)建好的模型，通過(guò)匯總?cè)サ玫礁蟮臄?shù)據(jù)模型，在不流通數(shù)

8、據(jù)的情況下得到數(shù)據(jù)流通的最好效 果，通過(guò)資源互補(bǔ)可以在最短時(shí)間內(nèi)平安地獲得對(duì)方的力量，去拓展新業(yè)務(wù)。從隱私愛(ài)護(hù)層面來(lái)看，通常智能攝像頭產(chǎn)生的數(shù)據(jù)會(huì)被上傳到后臺(tái)服務(wù)器中， 然后由部署在服務(wù)器上的神經(jīng)網(wǎng)絡(luò)模型依據(jù)收集到的大量數(shù)據(jù)進(jìn)行訓(xùn)練得到一 個(gè)模型，服務(wù)商依據(jù)這個(gè)模型來(lái)為用戶(hù)供應(yīng)服務(wù)。這是一種集中式的模型訓(xùn)練方法，這種方式很難保證數(shù)據(jù)隱私平安。而聯(lián)邦學(xué)習(xí)就不再是讓數(shù)據(jù)發(fā)送到后臺(tái)，而是在每個(gè)企業(yè)本人的服務(wù)器上進(jìn)行 訓(xùn)練，并加密上傳訓(xùn)練模型，后臺(tái)會(huì)綜合成千上萬(wàn)的用戶(hù)模型后再反饋給用戶(hù) 改進(jìn)方案。相較傳統(tǒng)學(xué)習(xí)模式，聯(lián)邦學(xué)習(xí)的優(yōu)點(diǎn)是顯而易見(jiàn)的：1、在聯(lián)邦學(xué)習(xí)的框架下，各參與者地位對(duì)等，能夠?qū)崿F(xiàn)公正合作；

9、2、數(shù)據(jù)保留在本地，避開(kāi)數(shù)據(jù)泄露，滿(mǎn)足用戶(hù)隱私愛(ài)護(hù)和數(shù)據(jù)平安的需 求；3、能夠保證參與各方在保持獨(dú)立性的情況下，進(jìn)行信息與模型參數(shù)的加密 交換，并同時(shí)獲得成長(zhǎng)；4、建模效果與傳統(tǒng)深度學(xué)習(xí)算法建模效果相差不大；5、聯(lián)邦學(xué)習(xí)是一個(gè)閉環(huán)的學(xué)習(xí)機(jī)制，模型效果取決于數(shù)據(jù)供應(yīng)方的貢 獻(xiàn)。在傳統(tǒng)的方法下，用戶(hù)只是人工智能的旁觀者一一使用，但沒(méi)有參與；而在聯(lián) 邦學(xué)習(xí)場(chǎng)景下，每個(gè)人都是“馴龍高手”，每個(gè)人都是人工智能進(jìn)展的參與者?？v身一躍：聯(lián)邦學(xué)習(xí)已經(jīng)落地生根值得一提的是，目前聯(lián)邦學(xué)習(xí)已經(jīng)從概念走進(jìn)商業(yè)世界，而且誕生了一系列基 于行業(yè)場(chǎng)景的新平臺(tái)、新使用。今年9月，微眾銀行與極視角聯(lián)手打造了中國(guó)首個(gè)視覺(jué)聯(lián)邦學(xué)習(xí)

10、系統(tǒng)。以視頻攝像頭中的火焰識(shí)別為例，AI工程師們可能千辛萬(wàn)苦訓(xùn)練了一個(gè)火焰檢測(cè)的識(shí)別模型，想要用在監(jiān)控?cái)z像頭中，識(shí)別能否有燃燒現(xiàn)象，從而對(duì)火災(zāi)發(fā) 生的可能性進(jìn)行分析，實(shí)現(xiàn)火災(zāi)預(yù)警。原有的AI算法可以比較精確地識(shí)別有明顯大面積燃燒和明火發(fā)生的常見(jiàn)場(chǎng)景。然而，遇到打火機(jī)點(diǎn)出的火焰時(shí)，攝像頭就有些“懵” 了。假如想讓模型添加識(shí)別力量，傳統(tǒng)的 AI訓(xùn)練要求適用方能夠供應(yīng)一些數(shù)據(jù)樣 本，而這又消滅了因網(wǎng)絡(luò)帶寬導(dǎo)致的算法精確率不高及數(shù)據(jù)隱私等問(wèn)題。種種難題前，極視角與微眾銀行合作，利用聯(lián)邦學(xué)習(xí)技術(shù)打造了一個(gè)計(jì)算機(jī)視 覺(jué)模型的“超級(jí)市場(chǎng)”。1.AnHcilHtiiiit嶼打11t.M麗 J 1«

11、Madcl I gpjfici. O«K»r inkFLM j * ' Mnidl lxxlr：圖片來(lái)源：在聯(lián)邦視覺(jué)系統(tǒng)中，依托本地建模，在保證各方數(shù)據(jù)不出本地的情況下，即可提升AI算法精確率。在一次公開(kāi)共享中，微眾銀行AI部門(mén)副總經(jīng)理陳天健透露，“在聯(lián)邦視覺(jué)系統(tǒng)項(xiàng)目中，通過(guò)聯(lián)邦學(xué)習(xí)技術(shù)，全體模型的功能提升了15% ,且模型效果無(wú)損失，極大地提升了建模效率?！盇I下半場(chǎng)：技術(shù)生態(tài)正被重新塑造安防行業(yè)歷經(jīng)兩次跨越，從最開(kāi)頭的通用級(jí)產(chǎn)品到處理方案，再到內(nèi)容分析前置，接下來(lái)則是平臺(tái)運(yùn)營(yíng)。將來(lái)，安防行業(yè)背后是兆億級(jí)別且呈幾何式增長(zhǎng)的巨大流量入口。IoT時(shí)代，數(shù)據(jù)處理并非孤島式，將來(lái)才智城市中的每個(gè)人、每個(gè)攝像頭都是可感知的，而聯(lián)邦學(xué)習(xí)可以發(fā)揮“群體智能”的力氣，進(jìn)而升級(jí)和變革行業(yè)。優(yōu)化、互補(bǔ)、平安、高效，毫不夸張地說(shuō)，聯(lián)邦學(xué)習(xí)無(wú)疑是目前業(yè)界消滅的最有可能推動(dòng)AI普惠的技術(shù)路線。它也是AI行業(yè)從B2C到C2B模式的一個(gè)變革起點(diǎn)，它的成熟進(jìn)展可以讓更多人更低門(mén)檻地參與到 AI社會(huì)的構(gòu)建。同時(shí)，安防領(lǐng)域的使用還只是聯(lián)邦學(xué)習(xí)賦能的冰山一角，將來(lái)包括金融、零 售、醫(yī)療、政務(wù)、工業(yè)等