联邦学习为金融业大模型落地提供新路径

转自：中国科技网

科技日报记者 罗云鹏

“联邦学习作为一种先进的分布式机器学习范式，允许参与方在不直接共享原始数据的情况下协作训练模型，为解决大模型应用落地的技术难题提供了创新路径。”7月2日，微众银行人工智能首席科学家范力欣在“大模型时代AI前沿与金融应用”活动上说。

联邦学习，是一种带有隐私保护、安全加密技术的分布式机器学习框架，旨在让分散的各参与方在不向其他参与者披露隐私数据前提下，协作进行模型训练。

中央金融工作会议提出，做好科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章。金融业是数据密集型行业，海量数据让AI大模型落地金融业成为最佳场景之一。

微众银行首席人工智能官杨强介绍，大模型应用落地涉及数据管理、算法优化、系统设计和成本控制等多方面的综合挑战，需要持续的技术创新和策略调整。

据悉，联邦学习2016年首次由谷歌提出。微众银行于2018年将之引入国内并率先在B端进行创新应用。

范力欣说，联邦学习技术路线不仅可解决数据时效性、模型幻觉、专业知识融合及算力资源消耗等问题，还在保护数据隐私和促进AI技术公平性方面迈出重要一步，为大模型在各领域广泛应用开辟了新的道路。

另悉，微众银行已在联邦大模型领域进行诸多研究与探索，并将最新研究成果陆续开源发布于联邦大模型开源框架FATE-LLM，推动前沿技术落地应用与普惠。

注明：本内容来源网络，不用于商业使用，禁止转载，如有侵权，请来信到邮箱：429562386ⓐqq.com 或联系本站客服处理，感谢配合！