首个联邦出行预测模型落地北京微众银行携手特斯联成立「AIoT 联合实验室」 

微众银行携手特斯联引领传统社区升级转型

12月23日,微众银行与特斯联在北京正式宣布成立“AIoT联合实验室”,双方将共同开展人工智能物联网领域的研究,结合微众银行以联邦学习为代表的AI技术和特斯联在城市管理领域深厚的业务经验,助力城市管理、公安、社区等智慧城市、智慧安防多场景智能化升级。微众银行AI部门副总经理陈天健与特斯联科技集团、生态产品中心总经理张熠共同为联合实验室揭牌,并签署合作协议。

万物互联到万物智联 AIoT成为过渡关键

近年来,物联网技术发展迅猛,“智慧城市”、“智慧安防”、“智慧交通”等梦想也开始照进现实。然而,在万物互联迈向万物智联的过程中,物联网技术的发展并非一帆风顺,而是面临诸多挑战: 

  • 一是“信息孤岛”现象,以智慧城市的落地为例,不同职能部门分别管理着部分信息,信息难以共享,因此形成了一座座“信息孤岛”,增加了管理和决策难度。
  • 二是“非标准化”情况,随着城市发展,数据量级不断扩大,海量数据因为缺乏统一的接口标准和规范难以协同整合,数据价值难以得到有效发挥。
  • 三是“数据安全”需求,如何在“安全合规”基础上搜集、存储和使用数据,避免滥用、擅用现象。这是当前法律监管及大众对自身隐私保护的共同要求,也是行业发展过程中不容忽视的技术重点。

在此背景下,微众银行携手特斯联成立“AIoT联合实验室”,通过联邦学习技术攻克物联网数据难题,打开AIoT发展新局面。作为新一代人工智能技术,联邦学习能让参与各方在数据不出本地的情况下,实现共同建模,提升AI模型的效果,在安全合规的前提下打破“信息孤岛”。据悉,联邦学习这一前沿AI技术在国内由微众银行首倡,目前已成功应用至智能信贷、智能风控、异常检测等业务场景,助力智慧城市、智慧金融等多行业。而特斯联作为中国城市级智能物联网平台的佼佼者,在 AIOT 的应用已经服务安防、人口、消防、警务、旅游多个场景,有着深厚的行业积累。微众银行强大的AI能力,结合特斯联丰富的业务经验,将大大加快物联网从万物互联迈向万物智联时代,从而为物联网带来更加广阔的市场前景和应用空间。

微众银行×特斯联发力AIoT “智慧社区”成绩亮眼

微众银行与特斯联“AIoT联合实验室”以“智慧社区”为切入点,加快AIoT研究和实际应用,其合作研发的首个联邦出行预测模型已经在北京部分小区正式落地。据悉,该模型连接多个社区,基于社区安防数据,在数据不出社区的基础上结合居民出行的时间和空间等历史规律,利用联邦学习技术建模,辅以实时数据监控及AI可视化分析手段,智能预测已获授权且需要帮助的人员未来可能出现的时间和位置,从而实现千人千面的智能分析,为社区居民提供针对性服务的同时,也为社区乃至城市的人群精细化管理提供技术支持。

以社区独居老人为例,联邦出行预测模型对独居老人出行轨迹进行特征提取并建模,根据模型对老人行为进行判断,如在监测时间出现异常偏离,则判断为轨迹异常。如此便可针对老人久居未出、外出未归等多种情况,设定不同预警规则,进行相应的预警,及时告知老人的亲属和社区管理人员,第一时间提供帮助。

老人通行轨迹预测

不仅如此,社区居委会及物业也能根据通行记录,推导独居老人的生活状态,结合预警系统,定向上门走访,既保障了居民安全,同时也体现了社区民生关爱,有助于安全、人文社区的建设。

除了为老人、小孩等弱势群体提供安全预警及定向关怀之外,该模型还适用于社区安防,例如通过对吸毒人员的无感管控从而做好防范预警,改变传统的从人到案的侦查模式,避免给人民群众的生命财产带来威胁和不可逆转的负面影响。 

联邦出行预测模型的落地,不仅为社区居民提供了更安全、更舒适的生活环境,还降低了物业的管理成本,提高物业的智能化、数字化、便捷化管理水平,加速“智慧社区”的全面到来。 

以点连线、以线带面 持续加快AIoT全面落地 

此次联邦出行预测模型落地“智慧社区”,既是微众银行和特斯联“AIoT联合实验室”的良好开端,也是AIoT发展进程中的又一里程碑,但却远不是终点。未来,双方将在联合开发智慧社区预测模型的基础上,持续以AIoT 为核心,完善联邦学习技术、释放多维数据潜力,在AI技术与大数据的联合碰撞中催生出更多的行业应用和解决方案,支持更丰富的场景化需求,助力更多产业智慧升级。正如微众银行AI部门副总经理陈天健所说,“技术必须切实落地于业务场景,人工智能才能真正解放人力,从而使得科技普惠行业、普惠大众、普惠社会”。也只有这样,“智慧社区”这样一个又一个的点才能逐渐连成线,线铺成面,进而描绘出“智慧城市”、“智慧生活”的美好画幅。

微众银行AI
微众银行AI

微众银行是腾讯发起的国内首家互联网银行,用自主可控、安全可信的AI技术引领金融科技新方向!

产业特斯联智慧城市联邦学习AIoT微众银行
相关数据
人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

异常检测技术

在数据挖掘中,异常检测(英语:anomaly detection)对不符合预期模式或数据集中其他项目的项目、事件或观测值的识别。 通常异常项目会转变成银行欺诈、结构缺陷、医疗问题、文本错误等类型的问题。 异常也被称为离群值、新奇、噪声、偏差和例外。

迁移学习技术

迁移学习是一种机器学习方法,就是把为任务 A 开发的模型作为初始点,重新使用在为任务 B 开发模型的过程中。迁移学习是通过从已学习的相关任务中转移知识来改进学习的新任务,虽然大多数机器学习算法都是为了解决单个任务而设计的,但是促进迁移学习的算法的开发是机器学习社区持续关注的话题。 迁移学习对人类来说很常见,例如,我们可能会发现学习识别苹果可能有助于识别梨,或者学习弹奏电子琴可能有助于学习钢琴。

物联网技术技术

物联网(英语:Internet of Things,缩写IoT)是互联网、传统电信网等信息承载体,让所有能行使独立功能的普通物体实现互联互通的网络。物联网一般为无线网,而由于每个人周围的设备可以达到一千至五千个,所以物联网可能要包含500兆至一千兆个物体。在物联网上,每个人都可以应用电子标签将真实的物体上网联结,在物联网上都可以查出它们的具体位置。通过物联网可以用中心计算机对机器、设备、人员进行集中管理、控制,也可以对家庭设备、汽车进行遥控,以及搜索位置、防止物品被盗等,类似自动化操控系统,同时通过收集这些小事的数据,最后可以聚集成大数据,包含重新设计道路以减少车祸、都市更新、灾害预测与犯罪防治、流行病控制等等社会的重大改变,实现物和物相联。

联邦学习技术

如何在保护数据隐私、满足合法合规要求的前提下继续进行机器学习,这部分研究被称为「联邦学习」(Federated Learning)。

轨迹预测技术

轨迹预测探索不同交通代理的运动模式,准确预测未来轨迹,帮助自主车辆做出合理的导航决策。

推荐文章
暂无评论
暂无评论~