随着手机、可穿戴设备、机器人、无人车、无人机等移动终端设备在计算、存储等方面能力的大幅提升，在移动端设备上进行智能化的数据处理成为新趋势。为了让学生领略到移动智能计算的魅力与前景，10月22日下午，由信息科学与工程学院承办的“通海讲堂”第七十九讲在奉贤校区图文信息中心通海厅开讲。上海交通大学计算机科学与工程系教授、博导、副系主任吴帆教授受邀讲述移动端智能计算的起源、发展以及展望，为华理学子带来了一场移动智能计算的视听盛宴。
吴帆教授首先从智能移动计算的背景讲起，详细介绍了端智能的起源、发展和应用。“从世界第一台移动机器人，到如今的智能手机、巡检机器人，移动端智能设备的种类数量快速增长，计算存储资源日益丰富。”随着《数据安全法》、《通用数据保护条例》的颁布，日益觉醒的隐私保护、数据安全意识阻碍了本地私人数据上传到云服务器中；同时移动端数据规模大，包含特征丰富，很难实时传输到服务器上。这些情况的出现导致了端智能的诞生。“相比于传统云智能，端智能具有服务模型个性精准、实时性高、隐私安全性强等核心优势，同时也面临着设备资源受限且差异化大、数据异质性高、终端可靠性差等关键挑战。”目前端智能在国家战略和产业界中拥有着重要的战略价值，且极具发展潜力。
在移动端智能的研究过程中，主要存在以下四个挑战，即设备资源受限其差异化大、数据异质性高、终端用户可靠性低和移动终端开发环境欠缺等。
针对移动端智能面临的问题，吴帆教授一一给出了相关的解决方法。比如：针对数据不均衡问题，吴帆教授提出对于单终端，可以采取剪枝、量化、知识蒸馏和模型嵌套等模型压缩与嵌套，根据设备硬件与运行延迟自动适配模型结构。对于多终端协同，可以使用联合学习进行端上机器学习。针对数据异质性高的问题，吴帆教授提出采用随机受控均值克服非独立同分布可以解决数据分布不一致，利用联合最新均值方法和终端聚类学习方法解决可用性偏差。针对终端用户可靠性低问题，吴帆教授介绍了动态剔除产生负面影响的终端提升全局模型的准确率的方法。
针对移动端智能未来的研究方向，吴帆教授指出进一步研究高效的端智能学习框架，优化同步框架，设计异步框架，突出移动计算环境的异步性特征以及探索端-云协同框架；进一步提高推荐精准性，设计出端上个性化学习算法与评价指标以及多模态异质数据的算法；进一步研究攻击行为的检测及防御，建立成熟的信誉管理体系（奖惩、追溯等），实现可信终端。
在讲座中，吴帆教授重点向老师和同学们介绍了终端间无须共享原始数据的联合学习框架，并向同学们介绍了联合学习在谷歌键盘、手机淘宝推荐系统的应用。除此之外，吴帆教授还向大家展示了端智能联合学习平台演示以及端智能知识迁移演示。
最后互动环节中，吴帆教授一一回答了同学们关于“从事移动智能计算需要那些知识，该先从哪个方面着手”、“移动智能计算在医学领域有怎样的应用前景”、“移动端模型是怎样训练的，有监督还是无监督”等问题，对于同学们的问题和疑惑，吴帆教授进行了细致耐心的讲解，讲座在师生们的交流中完美落下帷幕。
本次讲座由我校信息学院副院长郭卫斌教授主持，计算机科学与技术系主任李建华、副主任王占全、李冬冬等师生出席了本期“通海讲堂”。
