10月29日至11月1日，第三届“世界顶尖科学家论坛(WLF)”以线上、线下结合的形式在上海如期举行。论坛由世界顶尖科学家协会发起、上海市人民政府主办，是亚洲地区规格最高的国际科学盛会，同时也是全球集聚诺尔奖等顶尖科学家最多的年度科学会议。论坛围绕“科技，为了人类共同命运”的主题，137位诺贝尔奖、沃尔夫奖、拉斯克奖、图灵奖等全球顶尖科学奖项得主与会共探全球科技发展趋势。
近日，星云Clustar创始人,香港科技大学教授陈凯应邀出席世界顶尖科学家论坛，此次盛会由61位诺贝尔奖得主领衔，与30余位国内两院院士，以及200余位世界优秀青年科学家、科研工作者进行深入交流，全球各领域最强大脑齐聚一堂，内容涵盖化学、物理学、医学、经济学、计算机科学等领域，他们的学术成就代表当今世界最高水准。
作为网络和人工智能系统领域青年科学家代表，陈凯教授在本届世界顶尖科学家青年论坛「人工智能会议专场」发表了“联邦学习与隐私计算”为主题的演讲。其中，图灵奖(“计算机界的诺贝尔奖”)获得者曼纽尔·布鲁姆、马丁·赫尔曼、拉吉·雷迪出席嘉宾席，并就陈凯教授演讲内容展开提问与深入讨论。
本次演讲中，陈凯教授主要介绍了团队在联邦学习系统方向的研究，探讨联邦学习和隐私计算技术如何消除由于数据隐私而造成的“数据孤岛”对人工智能应用落地的阻碍,达到数据安全连接,充分释放大数据价值和人工智能生产力。
陈凯教授在演讲中表示，由于全球用户对数据隐私的关注，欧洲GDPR、美国CCPA、国内数据安全管理办法等数据隐私和保护法日趋全面化与严格化，“数据孤岛”问题严重，使得数据难以发挥真正的价值，限制了人工智能技术在金融、医疗等领域的广泛应用。为推进人工智能在多个领域的应用落地，他带领团队参与建设了基于数据隐私保护的联邦学习安全计算框架，联邦学习可以帮助企业、机构内部或多个机构协作时，在满足用户隐私保护、数据安全和政府法规的前提下，通过加密机制进行数据安全连接和机器学习建模，无需披露任何存储在本地的原始数据和核心价值数据，达到或逼近跟使用原始数据建模一致的效果。
联邦学习系统在运行过程中，为了完成隐私保护下的机器学习，对数据进行了同态加密，因此带来了巨大的密文计算量和传输量挑战。而这正是陈凯教授擅长的领域，他带领团队研发了高性能分布式AI集群计算架构，通过高速通信技术以及面向人工智能的创新网络传输技术，提高大型 AI集群吞吐量，降低通信延时，极大提升了整体计算效率，助力联邦学习突破密态数据计算与密文传输的瓶颈。
自上世纪50年代阿兰·图灵、约翰·麦肯锡等科学家定义了人工智能至今，其发展的脚步从未停止，如今未来的序幕已然拉开，人工智能将会作为人类世界的新成员融入我们的生活。无论在B端还是C端，人工智能将会提供全面的技术支撑与智能化服务，而人工智能想要达到如此程度，离不开完善的生态与海量数据。陈凯教授深耕网络和人工智能底层系统十余年，身为联邦学习产业生态发展联盟副理事长，他深知完善的生态对人工智能发展的重要性，除了在研究上的不断深入，也肩负积极推进联邦学习生态完善的责任，近期，陈凯教授带领星云Clustar深度参与的首个联邦学习国际标准的底层基础架构制定，已获IEEE一致通过，这一标准的制定将使业界在探索人工智能商业化的征程中迈出了坚实的一步。
