品玩9月15日讯，阿里妈妈宣布同时开源两项AI技术：曲率空间学习框架和联邦学习解决方案。两项最新技术成果的开源，将助力业界提高数据隐私保护能力，预计可降低80%的存储消耗量和提升15%的用户请求匹配精准度，上述技术也可应用于互联网行业之外的各个科研计算领域。

据了解，曲率空间学习框架（Curvature Learning Framework，简称CLF）是中国首个经过工业级场景验证的曲率空间深度学习框架；联邦学习解决方案（Elastic Federated Learning Solution，简称EFLS），是百亿级工业场景跨企业合作的联邦学习解决方案。

用户即日起可在全球最大开源网站GitHub搜索“Curvature-Learning-Framework”，9月30日以后搜索“Elastic-Federated-Learning-Solution”，查看两个项目的开源文件。

曲率空间学习框架开源：AI换轨，坐上曲率飞船

曲率是一个衡量空间弯曲程度的量，曲率越接近零，空间越平坦。在科幻小说《三体》中，人类正是利用空间曲率的变化建造出曲率飞船。

AI所需的海量数据与计算往往基于曲率为零的欧氏空间，这潜在制约了表达能力。阿里妈妈技术团队发现，曲率空间能更精准的建模图数据结构，此次开源的曲率空间学习框架，包含流形、算子、模型及黎曼优化器整套深度学习流程，用户可便捷的将模型迁移到曲率空间中，从而给AI的发展打开一条新通路。

阿里妈妈技术人士表示，该技术已经在阿里妈妈业务中展现出很高的应用潜力。基于淘宝搜索广告场景，曲率空间能精准建模十亿级商家与用户的交互行为，利用空间曲率变化实现数据的“定向放大”与“精准分割”。系统全量上线后，存储消耗量降低80%，用户侧请求匹配精准度相对提升15%。

该技术有望广泛应用到其他行业，引领新一轮的AI落地浪潮。业内专家表示，曲率空间可以建模地球表面的云层运动轨迹，航空航海路线等，也能表征物流运输图、资源流动图等。从更及时的天气预报、更精准的地图导航，到更高效的物流运输、更公平的社会资源分配，此项新技术能切实改善人们的生活。

联邦学习解决方案开源：兼收并蓄，开放共建

联邦学习是2016年由谷歌提出，在保护终端隐私的前提下进行机器学习，帮助广告主实现跨公司多端投放的解决方案。通俗一点讲，联邦学习就像几位老师傅共同训练一个徒弟，老师傅们各有所长，却互相防备不能共享，而徒弟则兼收并蓄，融会贯通，集合各家所长，终学有所成。

据了解，阿里妈妈此次开源的联邦学习解决方案，更加关注隐私保护和加密计算，并在此基础上建立APP孤岛的信息链接，构建机器学习模型，在高并发、加密性、易用性和产品化等方面提供更好支持，方便多方在超大规模稀疏场景下进行联邦学习的合作与实践。

具体而言，联邦学习解决方案具备以下特点：

1. 大规模高可用：云原生实现方案支持百亿规模数据求交；多种验证方式保证最终结果的完整性和正确性；精简的训练交互协议与高效的底层实现，保证分布式训练的高吞吐；精细的状态恢复与模型校验，确保分布式容灾的正确性。 

2.加密保护隐私：通过数据安全与计算安全两种手段以保障用户隐私，支持多种隐私保护方案以提供安全和性能的最佳平衡。

3.更强大更便捷：首次开源了基于水平聚合、层次聚合的两种模型，并通过可视化web界面方便任务流程的开发、配对、调度和管理，极大地提升迭代效率。

将开源进行到底

此次开源，延续了阿里妈妈“将开源进行到底”的一贯做法。从2015年开始，阿里妈妈技术团队将大规模深度学习、图学习、强化学习等多项AI技术深度应用到业务，引领了AI在互联网广告领域的探索和大规模应用，并沉淀出多个业内领先的AI工程系统。