|||
王飞跃1,2, 王艳芬3, 陈薏竹1, 田永林1, 齐红威4, 王晓1,2, 张卫山5, 张俊6, 袁勇7
1 中国科学院自动化研究所复杂系统管理与控制国家重点实验室,北京 100190
2 青岛智能产业技术研究院,山东 青岛 266109
3 中国科学院大学资源与环境学院,北京 100049
4 数据堂(北京)科技股份有限公司,北京 100192
5 中国石油大学(华东)计算机科学与技术学院,山东 青岛 266580
6 武汉大学电气与自动化学院,湖北 武汉 430072
7 中国人民大学数学学院,北京 100872
王飞跃, 王艳芬, 陈薏竹, 等. 联邦生态:从联邦数据到联邦智能[J]. 智能科学与技术学报, 2020, 2(4): 305-313.
WANG F Y, WANG Y F, CHEN Y Z, et al. Federated ecology: from federated data to federated intelligence[J]. CHINESE JOURNAL OF INTELLIGENT SCIENCE AND TECHNOLOGY, 2020, 2(4): 305-313.
1.引言
2.联邦生态的基本框架及意义
3. 联邦生态的核心
4.联邦生态支撑技术
联邦管理与联邦控制建立了从数据联邦到服务联邦的桥梁。第3节从功能角度描述了联邦管理和联邦控制的定义,本节将从技术层面讨论其背后的技术支撑,在区块链相关技术的基础上,探索联邦模式下的合约、共识、激励以及安全机制。
5.联邦生态的驱动
以人工智能为代表的智能技术的发展给各行各业带来了巨大变革,智能技术有望成为 21 世纪时代进步的新引擎。其中,数据驱动的机器学习和深度学习技术在近期不断取得重要突破,得到了研究人员和智能技术从业人员的广泛关注。面向联邦生态的学习方法旨在借助联邦节点的数据和算力资源,在保障各节点数据隐私的前提下,实现对模型和算法的训练。随着大数据的积累和计算能力的提升,有望实现从特征到知识再到智能的蜕变,进而反过来辅助联邦管理进行决策,提高联邦控制的效率,从而提供更为智能和优质的服务。相比于集中式的数据利用方法,联邦生态通过汇聚多方资源,能够获得海量数据和计算资源,在数据驱动的智能技术发展中具有独到的优势。同时,联邦生态对用户隐私的保护机制使其避免了潜在的道德和法律问题,有望获得更为长远的发展。联邦智能将单个组织的个体智能转换为面向多个组织的联邦智能,有望突破数据孤岛的局限,充分发挥数据潜力,从而更好地优化从决策到生产的各个环节,驱动整个联邦生态的发展进步。
6.联邦生态的应用场景
7.结束语
作者简介 About authors
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-27 06:58
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社