9月27日,2025網易未來大會在杭州舉行,主題為“以智能·見未來”。本次大會由網易公司主辦,杭州市經濟和信息化局(杭州市數字經濟局)、杭州市商務局、杭州高新技術產業開發區管委會指導。
本屆大會將作為“第四屆全球數字貿易博覽會”的組成部分之一,聚焦人工智能各領域的發展,探索未來趨勢。大會將由中國工程院院士潘云鶴等院士領銜,匯聚具身智能領域泰斗、頂尖AI創業先鋒、知名投資人及產業翹楚。與會嘉賓將共同探討大模型、具身智能、AI Agent等前沿技術突破與商業落地,在思想碰撞中捕捉全新的時代機遇。
在大會中,香港理工大學人工智能高等研究院院長、加拿大工程院及加拿大皇家科學院院士楊強發表了題目為《AI落地的數據難題與聯邦大模型的解決方案》主題演講。
楊強院士指出,AI的發展快速程度與硬件進步速度之間存在巨大鴻溝,而數據供給的增長速度遠落后于AI對數據需求的爆炸式增長,這將導致AI發展遭遇瓶頸。而且人工智能落地過程中也面臨諸多前所未有的挑戰——數據隱私、安全與孤島問題。
為此,楊強院士分享了一項研究成果:構建一個由云端通用大模型與本地垂域模型協同的架構。如何能利用這些本地的私域數據來賦能通用大模型,同時讓通用大模型來指導本地推理和應用,能產生雙向合作?
第一, 遷移學習可以讓模型具有舉一反三的能力。不僅可以做到領域的遷移,時間上也可以遷移,讓昨天建立的模型,今天依然能完成任務;今天新建的模型可以回補昨天的模型。
第二,運用聯邦學習技術。它不僅適用于終端設備間的協作(如手機、平板),更在企業間合作、金融風控、醫療分析等場景中具有廣闊應用前景。同時,結合遷移學習與知識蒸餾,大模型可作為“教師”指導小模型提升性能,小模型也可將垂直領域知識反哺大模型,實現雙向知識流動,提升整體智能水平。該技術允許多方在不共享原始數據的前提下協同訓練模型,有效保障用戶隱私與數據安全。
楊強院士強調,“聯邦持續學習”可以解決模型在時間序列中出現的災難性遺忘問題。后面學的可能會不小心會將前面學的抹掉,就像狗熊掰棒子一樣,這種現象在大模型當中非常普遍。而這個問題的解法就是聯邦持續學習。
楊強院士表示,一個大模型與眾多小模型結合的結果是生成一些新智能體,這些智能體可以作為客服系統和個性化對話系統等,還可在TO B上做供應鏈、風險分析、工作流等。以上介紹的大小模型的協作、智能體工廠、聯邦學習、持續學習已逐步形成軟件與系統解決方案,并在產業實踐中持續演進,使得我們能有一個更新的連接的分布式安全、可靠,并且保護隱私的架構出現。