2月12日，虽然是周末，但深圳江行智能办公室一派热闹景象，大会议室座无虚席，浓厚的求知氛围充溢每个角落。当天，微众银行首席人工智能官、加拿大皇家科学院和工程院两院院士、国际人工智能联合会理事会主席、香港科技大学新明工程学讲席教授、AAAI, ACM, IEEE 和AAAS Fellow杨强教授莅临江行智能开展学术交流。加拿大工程院院士、江行智能董事长刘江川，CEO庞海天，CTO樊小毅，以及江行智能主要研究人员全部到场参与交流及学习。

讲座开始前，刘江川院士致辞感谢了杨强教授一直以来对江行发展的支持。

接下来，在题为《AI、联邦学习和迁移学习》交流讲座中，杨强教授详细介绍了如何系统解决小数据和用户隐私带来的挑战。他表示，各领域中高质量数据的严重不足，导致许多优秀算法模型无法得到有效训练。通过利用联邦学习的技术框架来连接数据孤岛的数据，以得到可以保护隐私的机器学习模型训练和应用，以及利用迁移学习来解决小数据的问题，可以有效解决行业应用的痛点。

杨强教授讲座

杨强教授还谈到，近期大热的ChatGPT也使用联邦学习和迁移学习来处理数据来源。ChatGPT自己的回答是：在训练ChatGPT模型时，多个模型共同学习和生成语言，以提高准确性和多样性，这种方法在训练大型语言模型中是非常有效的，因为它可以在保证数据隐私的同事充分利用大量的训练数据。

江行研发人员积极提问

杨强教授简介

他是美国马里兰大学计算机系博士和北京大学天体物理专业学士，主要研究方向为人工智能。现担任微众银行首席人工智能官（CAIO），为AAAI, ACM, IEEE 和AAAS等国际学会的Fellow，加拿大皇家科学院和工程院院士，曾任香港科技大学新明工程学讲席教授和计算机系主任，华为诺亚方舟实验室首任主任。曾任国际人工智能联合会理事会主席，AAAI21大会主席。著有《迁移学习》《联邦学习》等著作。