原标题：联邦学习的征途是星辰大海

　　2016 年，谷歌提出了联邦学习，原本是用来解决安卓手机终端用户在本地更新模型的问题，其可使用的机器学习算法不局限于神经网络，还包括随机森林等重要算法。联邦学习本质上是一种分布式机器学习技术，或机器学习框架，目标是在保证数据隐私安全及合法合规的基础上，实现共同建模，提升 AI 模型的效果。

　　过去几年，这一技术的标准在不断完善。IEEE 联邦学习国际标准项目应运而生，这一项目由 微众银行 发起，于去年 12 月获批，是国际上首个针对人工智能协同技术框架订立标准的项目，目前已经召开了四次工作组会议。联邦学习标准草案预计将于 2020 年 2 月推出，正式标准预计将于 2020 年上半年出台。联邦学习正在从 " 点到点的发展阶段 " 转向 " 应用落地、积累案例阶段 "。

　　在框架方面，2019 年取得了重要进展，诞生了首个工业级开源框架 FATE，这是微众银行 AI 团队自主研发的开源框架。

　　FATE 在今年 2 月份首发了 0.1 版本，3 月份的时候有了第一位外部 Contributor，同时 GitHubStar 突破 100，5 月份发布了 0.2 版本，支持了联邦特征工程和在线推理，6 月份发布了 0.3 版本，把主要的合作伙伴迁移到了 FATE，并把 FATE 捐献给了 Linux Fundation，8 月份发布了 1.0 版本，支持 FATE-Flow 和 FATE-Board。

　　10 月 31 日，FATE v1.1 版本正式发布，联合 VMware 中国研发开放创新中心云原生实验室团队发布了 KubeFATE 项目，通过把 FATE 的所有组件用容器的形式封装，实现了使用 Docker Compose 或 Kubernetes（Helm Charts）来部署。

　　不到三年的时间，联邦学习已经快速地发展了起来，而且在业界也得到回应，京东、腾讯云、平安科技 等等企业也已经加入到联邦学习的队伍中来。

　　在推广联邦学习的过程中，建立一致的标准是目前面临的一大挑战。就在近期，IEEE P3652.1（联邦学习基础架构与应用）标准工作组第四次会议于北京成功召开。

　　北京大学、IEEE、微众银行、创新工场、京东、中国电信、腾讯、小米、阿里巴巴、依图、星云 Clustar、第四范式、华为终端、VMWare、LogiOcean、SensesGlobal、Swiss Re、Intel、CETC BigData、蚂蚁金服、华夏基金、富数科技共 22 家头部企业与研究机构参与。

　　会议聚焦于联邦学习的场景分类与需求分类，着重对联邦学习的安全测评与评级进行规划，进一步探讨联邦学习标准制定，这可谓是联邦学习发展的奠基性的贡献。虽然目前联邦学习还没有迎来爆发式发展阶段，但好在，未来可期。