Salman Avestimehr(左)和朝阳He的新创业公司承诺让联邦机器学习在任何地方都成为可能(图片来源:USC Viterbi)bob国际首页登录
三年来，萨尔曼Avestimehr他是bob国际首页登录南加州大学维特比·迪恩(Viterbi Dean)电气与计算机工程教授，也是刚毕业的博士生朝阳他一直在对联邦机器学习这一新兴领域进行前沿研究。现在，这两位合作者已经将这一经验运用到一家新的初创公司中，该公司承诺让社区能够在任何地方以任何规模构建和连接人工智能。FedML在美国，联邦学习/分析和边缘AI平台刚刚完成了约200万美元的(预)种子融资。这家初创公司得到了Plug-and-Play、纪源资本(GGV Capital)、Miracle Plus、Acequia Capital和其他几家顶级风险投资公司的支持。
联合学习是Avestimehr和He帮助开创的领域，是一种解决公众和企业(由于隐私、安全、法规等)对现代社会日益依赖的机器学习驱动技术的数据共享担忧的解决方案。这些技术依赖于巨大的、集中的数据集，这些数据集有时是敏感的信息，以对病人的健康状况做出决定。这种类型的机密信息很容易受到安全漏洞的影响，使普通人不信任这项技术。
幸运的是，联邦学习允许人工智能技术使用这些个人数据集，而无需集中或转移数据。它使机器能够从各个节点的分散数据中学习，而不将任何数据集中在云中(即“学习而不共享”)，这提供了最大限度的用户隐私，符合法规，并降低了开发成本。
但是FedML将这种革命性的方法进一步推广。Avestimehr说:“我们的新平台将零代码、轻量级、跨平台和可证明安全的联邦学习从实验室带到各地的企业手中。”该公司的技术为用户提供了简化去中心化机器学习所需的工具，并轻松地将其应用于他们的数据，无论是在金融、医疗保健、保险还是其他领域。Avestimehr补充道:“我们的技术可以让任何人以最小的努力将他们的数据转换为安全可信的情报。”
“FedML超越了联邦机器学习。我们认为联邦作为一个广泛的概念，它连接了所有AI元素，包括数据、模型、训练方法和计算资源。因此，FedML也代表ML的基础生态系统设计。”“我们的使命是建立一个社区，在任何规模的任何地方共享人工智能。从本质上讲，我们愿意成为人工智能生产力的连接器，一个协作的人工智能市场连接开发者、人工智能企业和数据基础设施以社交、安全、可扩展的方式实现。”
迄今为止，FedML在全球拥有超过1000个用户，并已被多个工业和学术机构采用。FedML平台的视频介绍可以在这里看到．
出版于2022年5月2日
最后更新于2022年5月2日
