數(shù)據(jù)是人工智能及機(jī)器學(xué)習(xí)的基礎(chǔ)。隨著人工智能從計(jì)算、感知階段發(fā)展到認(rèn)知階段，其進(jìn)一步發(fā)展對數(shù)據(jù)的需求量亦在逐步攀升。然而在大多數(shù)行業(yè)中,囿于各種各樣的原因,數(shù)據(jù)常常以孤島的形式存在——即使是在同一個公司的不同部門之間，要實(shí)現(xiàn)數(shù)據(jù)的集中整合也面臨著重重阻力——在現(xiàn)實(shí)中將分散在各地、各個機(jī)構(gòu)的數(shù)據(jù)進(jìn)行整合幾乎是不可能做到的事,其成本也十分高昂。此外，隨著人工智能的進(jìn)一步發(fā)展,數(shù)據(jù)的隱私和安全業(yè)已成為了世界性的議題。

針對人工智能發(fā)展及其所面臨的數(shù)據(jù)孤島和數(shù)據(jù)隱私的兩難問題，聯(lián)邦機(jī)器學(xué)習(xí)（Federated Machine Learning）即為能有效幫助多個機(jī)構(gòu)在滿足用戶隱私保護(hù)、數(shù)據(jù)安全和政府法規(guī)的要求下，進(jìn)行數(shù)據(jù)使用和機(jī)器學(xué)習(xí)建模的機(jī)器學(xué)習(xí)框架。

日前特斯聯(lián)所打造的德陽科創(chuàng)中心正式落地運(yùn)營。德陽科創(chuàng)中心的設(shè)立旨在充分貫通學(xué)術(shù)生態(tài)和產(chǎn)業(yè)生態(tài)，以“成本共擔(dān)”的方式，為周邊的中小微企業(yè)提供AI所需的算力、數(shù)據(jù)、算法模型等核心要素，讓各體量、具備不同AI基礎(chǔ)的企業(yè)均能通過學(xué)術(shù)機(jī)構(gòu)所研發(fā)出的模型，以低代碼、模塊化的生產(chǎn)方式依據(jù)自身的需求，實(shí)現(xiàn)自有知識產(chǎn)權(quán)算法的孵化及既有成熟算法的調(diào)用，而支撐產(chǎn)業(yè)算法孵化的原料來自于學(xué)術(shù)科研生態(tài)的研究成果——預(yù)訓(xùn)練模型。

通過聯(lián)邦學(xué)習(xí)的核心技術(shù)，特斯聯(lián)向?qū)W術(shù)科研生態(tài)提供科研的原料——城市及產(chǎn)業(yè)數(shù)據(jù)——并將算力下沉至數(shù)據(jù)端，形成聯(lián)邦學(xué)習(xí)智算節(jié)點(diǎn)，通過九章算法賦能平臺為學(xué)術(shù)科研提供服務(wù)。

據(jù)特斯聯(lián)透露，在聯(lián)邦學(xué)習(xí)方向，特斯聯(lián)基于九章算法賦能平臺打造了聯(lián)邦學(xué)習(xí)算法引擎，以其作為研究型算法孵化平臺的核心。目前聯(lián)邦學(xué)習(xí)算法引擎已支持橫向聯(lián)邦學(xué)習(xí)算法和縱向聯(lián)邦學(xué)習(xí)算法，通過AI-Research-Studio，向?qū)W術(shù)科研生態(tài)提供基于聯(lián)邦學(xué)習(xí)數(shù)據(jù)使用的API接口。

本文通過城市用電數(shù)據(jù)以聯(lián)邦樹模型及聯(lián)邦神經(jīng)網(wǎng)絡(luò)的算法實(shí)現(xiàn)預(yù)測類預(yù)訓(xùn)練模型的研究實(shí)踐，對特斯聯(lián)打造的聯(lián)邦學(xué)習(xí)算法引擎進(jìn)行介紹。

橫向聯(lián)邦學(xué)習(xí)：支持跨場域高重疊數(shù)據(jù)特征機(jī)器學(xué)習(xí)

特斯聯(lián)聯(lián)邦學(xué)習(xí)算法引擎橫向聯(lián)邦學(xué)習(xí)架構(gòu)圖

橫向聯(lián)邦學(xué)習(xí)主要應(yīng)用于具有相同特征樣本、用戶重疊度較少的數(shù)據(jù)集。

科研人員通過查看數(shù)據(jù)樣例來確定這些數(shù)據(jù)是否滿足科研要求，在滿足要求的情況下，通過調(diào)用聯(lián)邦學(xué)習(xí)的API實(shí)現(xiàn)數(shù)據(jù)的使用。而特斯聯(lián)聯(lián)邦學(xué)習(xí)算法引擎的橫向聯(lián)邦學(xué)習(xí)內(nèi)部運(yùn)行過程主要由如下幾步構(gòu)成：

各智算節(jié)點(diǎn)從中心安全可信服務(wù)器中下載由科研人員提供需要訓(xùn)練的模型；

每個智算節(jié)點(diǎn)利用本地?cái)?shù)據(jù)訓(xùn)練模型（無需上傳本地?cái)?shù)據(jù)），將數(shù)據(jù)加密梯度上傳至中心安全可信服務(wù)器，并由中心安全可信服務(wù)器聚合各數(shù)據(jù)持有方的梯度更新模型參數(shù)；

中心安全可信服務(wù)器依據(jù)貢獻(xiàn)度，將更新后的模型返回至各智算節(jié)點(diǎn)；

各智算節(jié)點(diǎn)更新各自模型，并從第2步重復(fù)直至訓(xùn)練完成；

完成訓(xùn)練后，研究人員即可使用模型完成其目標(biāo)任務(wù)。

特斯聯(lián)所打造引擎的橫向聯(lián)邦學(xué)習(xí)部分目前已實(shí)現(xiàn)基于聯(lián)邦DNN實(shí)現(xiàn)片區(qū)用電數(shù)據(jù)的打通。通過上述橫向聯(lián)邦學(xué)習(xí)步驟完成訓(xùn)練后，引擎可實(shí)現(xiàn)一鍵部署，并為用戶提供相應(yīng)的API調(diào)用接口——后續(xù)可直接面向科研人員提供服務(wù)，在保證數(shù)據(jù)安全的前提下實(shí)現(xiàn)預(yù)訓(xùn)練模型的研究。

縱向聯(lián)邦學(xué)習(xí)：面向固定場域低重疊數(shù)據(jù)特征機(jī)器學(xué)習(xí)

特斯聯(lián)聯(lián)邦學(xué)習(xí)算法引擎縱向聯(lián)邦學(xué)習(xí)架構(gòu)圖

與橫向聯(lián)邦學(xué)習(xí)不同，縱向聯(lián)邦學(xué)習(xí)主要應(yīng)用于具有用戶重疊較多而特征重疊較少的特性的數(shù)據(jù)集。

具體而言，科研人員通過查看數(shù)據(jù)樣例來確定這些數(shù)據(jù)是否滿足科研要求，在滿足要求的情況下，通過調(diào)用聯(lián)邦學(xué)習(xí)的API實(shí)現(xiàn)數(shù)據(jù)的使用。特斯聯(lián)的聯(lián)邦學(xué)習(xí)算法引擎的縱向聯(lián)邦學(xué)習(xí)過程由如下幾步構(gòu)成：

中心安全可信服務(wù)器通過特定選擇及評估機(jī)制，將科研人員提供的算法模型打散成多個小模型（如圖示中將原模型分解為A-part和B-part兩部分），然后分發(fā)到每個智算節(jié)點(diǎn)下。中心保留模型完整結(jié)構(gòu)信息和各小模型在各方節(jié)點(diǎn)的信息；

引擎參考SecureBoost算法的去中心化思想，每個智算節(jié)點(diǎn)自行完成加密中間結(jié)果的交互，其中包括各數(shù)據(jù)持有方的小模型計(jì)算結(jié)果，梯度等；

各智算節(jié)點(diǎn)完成加密中間結(jié)果的交互后，各智算節(jié)點(diǎn)方（如圖示A）均可從其他智算節(jié)點(diǎn)（如圖示B）中收集到加密梯度統(tǒng)計(jì)，然后進(jìn)行聚合產(chǎn)生最優(yōu)解，再反饋至其他智算節(jié)點(diǎn)；重復(fù)第2步，共同完成聯(lián)合建模；

完成聯(lián)合建模后，各智算節(jié)點(diǎn)的小模型信息更新至中心安全可信服務(wù)器，各智算節(jié)點(diǎn)的小模型依舊存儲在其本地；

在使用模型預(yù)測時，中心安全可信服務(wù)器通過基于各小模型節(jié)點(diǎn)信息，聯(lián)合調(diào)用各方小模型共同完成推算。

特斯聯(lián)打造的聯(lián)邦學(xué)習(xí)算法引擎的縱向聯(lián)邦學(xué)習(xí)部分目前已應(yīng)用于基于SecureBoost算法通過城市用電數(shù)據(jù)的接入，實(shí)現(xiàn)預(yù)測類預(yù)訓(xùn)練模型的研究和抽象。在穩(wěn)定性實(shí)驗(yàn)下，基于SecureBoost算法所實(shí)現(xiàn)的城市用電預(yù)測模型和傳統(tǒng)本地訓(xùn)練模型的結(jié)果進(jìn)行對比，預(yù)測結(jié)果誤差在8%左右；在準(zhǔn)確率實(shí)驗(yàn)下，多縱向節(jié)點(diǎn)聯(lián)合建模的城市用電預(yù)測模型相對于單節(jié)點(diǎn)建模的結(jié)果進(jìn)行對比，性能提升了30%，即多縱向節(jié)點(diǎn)聯(lián)合建模的預(yù)測結(jié)果相較于標(biāo)簽結(jié)果的誤差更小。特斯聯(lián)將這一模型進(jìn)行抽象化封裝，以應(yīng)用于跨行業(yè)的更多場景。

通過用電數(shù)據(jù)抽象預(yù)測類預(yù)訓(xùn)練模型

城市用電量預(yù)測算法圖示

具體在城市用電案例下，由于數(shù)據(jù)的保密性，聯(lián)邦學(xué)習(xí)算法引擎得到的特征都經(jīng)過脫敏處理。在具體的操作過程中，首先，我們考慮一個具有三個parties（參與方）的系統(tǒng)，如圖所示，其中party2和party3為passive parties（被參與動方），party1是一個activity party（主動方）。我們首先通過前述算法訓(xùn)練得到一個樹模型，并生成對應(yīng)的lookup table（查找表）。為了預(yù)測在2021年1月1日的用電量，三個參與方將協(xié)作工作，由主動方調(diào)動被動方完成。首先從根節(jié)點(diǎn)開始，通過[party id：1， record id:1]的記錄，主動方可以知道其所控制節(jié)點(diǎn)的劃分，主動方則可通過其對應(yīng)的查找表找到對應(yīng)的劃分屬性和閾值。通過這一過程我們可以發(fā)現(xiàn)相應(yīng)節(jié)點(diǎn)是通過屬性weather（天氣）進(jìn)行劃分的，且劃分閾值為40，因此該節(jié)點(diǎn)落下左節(jié)點(diǎn)，依次類推，一直到達(dá)葉子節(jié)點(diǎn)。而這個模型通過抽象轉(zhuǎn)化可應(yīng)用于其他行業(yè)的預(yù)測領(lǐng)域。通過前述過程可進(jìn)一步達(dá)到去中心化效果，實(shí)現(xiàn)數(shù)據(jù)的跨行業(yè)使用，訓(xùn)練過程中無需數(shù)據(jù)擁有方的直接參與，科研機(jī)構(gòu)即可使用上述能源數(shù)據(jù)實(shí)現(xiàn)跨界的預(yù)測算法研究，解決單邊數(shù)據(jù)規(guī)模小和標(biāo)簽樣本少的問題，同時，也降低了能源數(shù)據(jù)泄露的幾率，提升數(shù)據(jù)的安全性。

提升數(shù)據(jù)可及性及安全性，聯(lián)邦學(xué)習(xí)推動AI與各行各業(yè)深度滲透

事實(shí)上，針對用電數(shù)據(jù)的模型化抽象僅是特斯聯(lián)聯(lián)邦學(xué)習(xí)數(shù)據(jù)應(yīng)用場景的冰山一角，特斯聯(lián)將行業(yè)數(shù)據(jù)根據(jù)技術(shù)分類進(jìn)行抽象，按視頻圖像、自然語言處理、推薦預(yù)測、知識圖譜進(jìn)行歸類劃分，通過API對科研機(jī)構(gòu)、高校提供數(shù)據(jù)服務(wù)?？蒲袡C(jī)構(gòu)高校將研究的成果以預(yù)訓(xùn)練模型的形式通過九章算法賦能平臺的弱監(jiān)督大模型技術(shù)向產(chǎn)業(yè)提供低門檻、高質(zhì)量的人工智能算法孵化功能。

在特斯聯(lián)看來，能夠盤活城市中龐大的沉默數(shù)據(jù)資源，使數(shù)據(jù)真正有效地為行業(yè)所應(yīng)用即為其打造科創(chuàng)中心最大的價值。特斯聯(lián)德陽科創(chuàng)中心負(fù)責(zé)人認(rèn)為，作為人工智能發(fā)展的三大核心要素之一，數(shù)據(jù)是人工智能得以不斷向前發(fā)展的基礎(chǔ)，“可以說未來行業(yè)的發(fā)展與數(shù)據(jù)的可及性、安全性是正相關(guān)的。通過打造聯(lián)邦學(xué)習(xí)算法引擎，我們希望在確保數(shù)據(jù)隱私的同時，為各個行業(yè)尤其是中小微企業(yè)降低數(shù)據(jù)獲取的門檻，推動AI與各行各業(yè)更深度地綁定。這也是推動AI普惠化發(fā)展必經(jīng)的一段路程。”