邀您参加|尖峰对话：联邦学习标准化
SUBSCRIBEto US
活动简介
联邦学习作为分布式加密机器学习新范式，能够使得多方在数据不出本地，保护数据隐私的基础上进行联合建模与AI协作，已成为新一代隐私计算关键技术。
在此次线上分享活动中，两位来自联邦学习领域的顶级专家将分享他们的观点。
Blaise Aguëra y Arcas博士：Google研究院VP及Fellow，来自Google Brain 团队
他的团队开创了基于设备终端的横向联邦学习，他将分享迄今为止联邦学习的发展现状，包括这门新技术发展中所产生的深远影响与面临的挑战。
杨强教授：IEEE联邦学习标准工作组主席、加拿大工程院及加拿大皇家科学院两院院士、香港科技大学讲席教授、微众银行首席人工智能官
他带领团队开创了纵向联邦学习和联邦迁移学习通用解决方案，他将介绍2021年最新发布的首个联邦学习IEEE国际标准。
两位专家将会切入行业痛点，讨论在亟需解决的现实问题面前，联邦学习所提供的解决方案。
话题将围绕以下方面展开：
1）如何使联邦学习真正落地，发挥潜在的巨大价值；
2）行业应用对联邦学习标准的需求
如果你是：
热爱联邦学习的人工智能科学家；
有兴趣探索联邦学习在实现隐私保护及其他方面的潜力社会科学家；
不擅长人工智能领域但是对人工智能充满求知欲的人士
欢迎加入这场讨论，聆听、参与两位顶级专家的思维碰撞，相信你一定会获益匪浅！
活动时间
北京时间2022年1月5日9:00
注册方式
点击“阅读原文”，或扫描下方二维码即可报名参会：
嘉宾简介
杨强
加拿大工程院和加拿大皇家科学院两院院士、香港科技大学讲席教授、微众银行首席人工智能官、AAAI 2021大会主席、中国人工智能学会（CAAI）荣誉副理事长、香港人工智能与机器人学会（HKSAIR）理事长以及智能投研技术联盟（ITL）主席、中国移动有限公司独立非执行董事。他是AAAI/ACM/CAAI/IEEE/IAPR/AAAS Fellow，也是《IEEE Transactions on Big Data》和《ACM Transactions on Intelligent Systems and Technology》创始主编，以及多个国际人工智能和数据挖掘领域杂志编委。曾获2019年度“吴文俊人工智能科学技术奖”杰出贡献奖，2017年 ACM SIGKDD 杰出服务奖。他的研究领域包括人工智能、数据挖掘、机器学习等。他曾任华为诺亚方舟实验室主任，第四范式公司联合创始人，香港科技大学计算机与工程系系主任以及国际人工智能联合会（IJCAI）理事会主席。领衔全球迁移学习和联邦学习研究及应用，开创了纵向联邦学习和联邦迁移学习的新方向，最近的著作有《迁移学习》、《联邦学习》和《联邦学习实战》。
Blaise Aguëra y Arcas
Google 研究院VP及Fellow，负责人工智能基础研究和新产品研发。他的研究领域主要包括是可扩展、隐私保护和集体有益的应用程序，包括适用于安卓手机、可穿戴设备和物联网的机器学习。团队重要技术贡献之一是基于设备终端的联邦学习，这是一种在分布式环境中训练神经网络的方法，可避免共享用户数据。他还创立了艺术家和机器智能计划，并一直积极参与跨学科关于人工智能与伦理道德、公平与偏见、政策与风险的对话。2014年之前，他供职于微软，是微软的杰出工程师。在科技界之外，他参与了众多数字公益项目，包括在国会图书馆对沙俄时期Sergei Prokudin-Gorskii 的彩色摄影进行数字重建，以及使用计算机视觉技术对古腾堡的印刷技术进行新的阐释。他曾就 Seadragon 和 Photosynth（2007 年、2012 年）、Bing Maps（2010 年）和机器创造力（2016 年）进行了 TED 演讲，并在 NeurIPS 上发表了关于社会智能的主题演讲（2019 年）。他曾于2008 年获得MIT TR35奖项。2018、2019年在华盛顿大学讲授“Intelligent Machinery, Identity, and Ethics”课程，将计算和人工智能置于更广泛的历史和哲学背景中。
主持人
王亮迪 博士
IEEE 标准协会CXO及中国战略合作总监
· IEEE电气电子工程师学会 ·