杨强
加拿大工程院及加拿大皇家学院院士、微众银行首席人工智能顾问
杨强，加拿大工程院及加拿大皇家学院院士，微众银行首席人工智能顾问，香港科技大学荣休教授，AAAI-2021大会主席，国际人工智能联合会（IJCAI）理事会前主席，曾获2017年 ACM SIGKDD 杰出服务奖以及2023年度“IJCAI Donald E.Walker 杰出服务奖”。他还是两本国际顶级期刊《ACM TIST》和《IEEE TRANS on BIG DATA》的创始主编，CAAI/AAAI/ACM/IEEE/AAAS等多个国际学会的Fellow。他的研究领域包括迁移学习和联邦学习研究及应用，著作包括《迁移学习》、《联邦学习》、《隐私计算》和《联邦学习实战》等。
演讲主题
联邦大小模型协作学习
大模型的发展遇到数据和算力瓶颈，联邦学习为人工智能提供了一个新的途径。 我们认为未来的AI是大小模型的协作，使得云端的大模型和本地化的小模型可以通过联邦学习和迁移学习来一起增强。这样在模型提升能力的同时，可以保护各方的隐私和数据安全。在本次演讲中，我将讨论如何在大模型的背景下使用“联邦大模型”的框架进行老师-学生协作学习的任务。我将首先回顾AI的发展和联邦学习的概念，然后讨论如何把联邦学习、迁移学习和大模型有机地结合，使得大模型的持续发展和应用更加顺畅和高效。
