可信机器学习中心首批研究项目揭晓

可信机器学习中心首批研究项目揭晓

南加州大学与某机构联合成立的"安全可信机器学习中心"于2021年1月成立，致力于支持机器学习隐私、安全与可信性的基础研究和新方法开发。该中心近日宣布了2021-2022年度首批资助的五个研究项目。

"我们收到了南加州大学教员对首轮项目征集的热情响应，"该中心创始主任Salman Avestimehr表示，"提交的创新提案涵盖了可信机器学习的多个方面。由于反响超出预期，我们决定比原计划多资助一个项目。"

首批入选的五个研究项目包括：

1. 自然语言处理中的联邦学习（Xiang Ren与Mahdi Soltanolkotabi）
2. 联邦学习中隐私与公平性的协调（Aleksandra Korolova）
3. 基于生物行为数据的人本体验与感知建模联邦学习（Shrikanth Narayanan）
4. 快速公平的去中心化学习（Keith Burghardt）
5. 通过安全性能加权实现异构与污染环境中的高效联邦学习（Jose Luis Ambite、Muhammad Naveed与Paul Thompson）

某机构Alexa AI副总裁兼中心执行联络人Prem Natarajan表示："我们对南加州大学教员提案的质量和多样性感到欣喜。看到这一合作取得进展令人振奋，我们期待这些研究能推动技术进步。"

南加州大学工程学院院长Yannis Yortsos指出："教员们对首轮提案的强烈响应令人鼓舞，这反映了我们在这一激动人心的研究领域拥有优秀的师生队伍，也为与某机构的合作奠定了良好开端。"

该中心顾问委员会成员包括南加州大学计算机科学系主任Cyrus Shahabi、ISI研究教授Kristina Lerman等学界代表，以及某机构应用科学总监Shankar Ananthakrishnan等多位业界专家。