最近1個多月內出現了一個可能對后續人工智能行業有著深遠影響的事件，現在這件事件還沒有發酵起來，是因為聯邦學習還沒有真正步入企業生產行列。這個事件就是IEEE批準了國際首個聯邦機器學習框架標準。《IEEE Approved Draft Guide for Architectural Framework and Application of Federated Machine Learning》

這個標準的介紹文檔大家可以在這里去買：

https://www.techstreet.com/ieee/standards/ieee-p3652-1?gateway_code=ieee&vendor_id=7453&product_id=2183131

IEEE member打折的哦

聯邦學習框架標準主要內容

這次發布的標準主要定義了四個問題：

什么是聯邦機器學習

聯邦機器學習應用的主要場景（定義了市場）

如何評估聯邦機器學習的效果（定義業務落地標準）

聯邦機器學習的限制條件（定義了技術安全可行性要求）

標準的重要性

為什么說標準很重要，如果我們把技術的最終使命歸結于應用于業務中。產品是技術的載體，而產品如何構建，需要標準。標準在這個生態中的意義甚至大于技術領先性。

舉個例子，做過知識圖譜產品的同學應該都知道知識圖譜一般由實體、屬性、關系這些要素組成，那么這些要素的定義是什么樣的？是不是百度、阿里、谷歌都各自搞一套標準？答案是no，一般在做這種技術型產品需要去尋找業界標準，就比如知識圖譜領域常常會參考w3c的OWL標準體系。大家都沿用統一的標準才能把市場做大，形成生態。

再舉個例子，PMML是一種模型描述標準，開源Spark生成的PMML模型可以在阿里云機器學習平臺上直接部署和使用，這就因為大家沿用統一的標準。

所以能否參與標準的制定意味著能否定義這個行業，很關鍵，目前國內微眾銀行在這方面走的很領先。

洞察未來

某個新的技術領域，一旦有了新的標準制定，下一步就是大跨步發展階段了。如果大家之前對聯邦機器學習還有數據安全相關的質疑，那么有了國際化標準的背書，將大大打消大家的疑慮。

大膽預測，接下來不出兩年，國內市場會有成熟商業化聯邦機器學習平臺產品誕生，因為國內市場對數據交換共享的需求很強烈，而聯邦建模是目前看上去唯一可行的手段。

一旦有商業化產品誕生，機器學習行業很有可能會出現洗牌，因為具備強聯邦建模的平臺將有很強的吸取多方數據的能力，形成業務模式的領先，從而在商業模式上率先形成壁壘，最終形成技術壁壘。

總結

以上是生活随笔為你收集整理的解析：IEEE批准首个联邦机器学习框架标准的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。