作为为数不多的互联网银行之一，微众银行的一举一动备受金融行业关注，但对于其科技研发能力却少有关注。

启信宝显示：微众银行的专利信息多达693条，仅在11月新增了25条专利信息，作为一个土生土长的文字民工，这些极具科技范的专利信息，笔者本来是读不懂的。

但是，一则名为"基于联邦学习的疾病数据处理方法、装置、设备及介质"的专利却引发了笔者的浓厚兴趣，疾病数据处理方法？和金融有什么关系吗？

滴了两滴眼药水反复查看后，笔者发现：和金融好像没啥关系。抛去复杂的术语直接读最后的用途：通过将各医院端的数据联合起来，进行联邦训练，在不泄露医院端病患隐私的基础上，能够训练出优质的患病预测模型，从而在医生的诊断过程发挥积极的辅助作用。

这么说来，这个专利还是很有爱的，就是不知道这项专利是商业用途还是科研、公益用途，提高医疗效率的同时会不会影响就医成本。

除了这项与疾病医疗有关的专利外，微众银行还有一款和果树相关的专利。

在微众银行11月申请的25项专利中，有一款名为"果树产量预测方法、装置、设备及计算机可读存储介质"的。这项专利的主要用途是：实现了结合小尺度的平均枝量数据和大尺度的种植面积、种植密度数据、对待预测果园中目标类型果树进行产量预测，提高了果园果树产量预测的精准度。

当然在这除了这些与金融无关的专利外，微众银行也有专门用于金融科技领域的新专利，比如"视频核身方法、装置、设备及计算机存储介质"，介绍比较冗长，看官老爷直接看图吧。

此外，笔者还发现在25项专利中，"联邦学习"一词出镜率较高，那联邦学习究竟是何方神圣？

联邦学习（Federated Learning）是一种新兴的人工智能基础技术，在 2016 年由谷歌最先提出，原本用于解决安卓手机终端用户在本地更新模型的问题，其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率的机器学习。其中，联邦学习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。联邦学习有望成为下一代人工智能协同算法和协作网络的基础。（版权声明：本段内容为CSDN博主「草棚」）

对于这段介绍，笔者作为一个外行的理解是：技术研发基于数据，单独一家的数据少，研发效率低，那么我们把数据打通，形成一个数据池子，大家一起研发（不知道对不对）。

对于联邦学习，在中国计算机学会（CCF）发起的TF第23期主题研讨会上近150位来自头部ICT和互联网企业及在京重点高校学生还一起分享探讨了这项技术的最新应用落地。

研讨会上，微众银行人工智能首席科学家范力欣表示：如今我们正在经历互联网的第四次信息革命，坐拥海量的信息与数据。"这些数据如果能够用 AI 的方式进行解读，对我们的生活会产生一个大的提升。"为了挖掘海量信息背后的价值，让所有的数据用大家都能接受的方式进行共享，联邦学习应运而生。联邦学习这一新兴的 AI 技术已经相继落地于各行各业，在智慧城市、智慧终端、智慧医疗等领域都取得了突出的成果。

联邦学习是一个竞合的技术，近日IEEE P3652.1(联邦学习基础架构与应用)标准工作组第四次会议的参与方就说明了这一点，有数据、有研发能力的机构都可以参与尽量。据了解该会议的参与方包括微众银行、北京大学、IEEE、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、富数科技等头部企业与研究机构。

不写了，再写有点像软文了，毕竟咱也没收钱。

附：