9月15日，阿里妈妈宣布同时开源两项AI技术：曲率空间学习框架（CLF）和联邦学习解决方案（EFLS）。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。
目前，曲率空间学习框架（Curvature Learning Framework）已经在全球最大开源站点上线，而联邦学习解决方案（Elastic Federated Learning Solution）将在9月30日提供开源服务。
“AI技术是新一代生产力。在基于庞大的工业级场景应用成熟后，我们选择向社会开放这些技术能力，以最大化共享AI技术红利，共同进步。”阿里妈妈CTO郑波表示。
据介绍，阿里妈妈的曲率空间学习框架是国内首个经过工业级场景验证的曲率空间深度学习框架。与常规的数据建模相比，使用曲率空间建模，如同吹起一个膨胀的气球，在相同大小空间下，可以容纳更多数据，并展示得更加全面，以便于观察和使用。
目前，基于淘宝搜索场景，曲率空间已经可以精准建模十亿级交互行为，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%，用户请求匹配精准度相对提升15%。
除了互联网行业之外，曲率空间学习框架也有望广泛应用到各大行业，提升技术研发效率。例如，天气预报、地图导航，物流运输等行业。
另一项新开源的联邦学习解决方案，旨在保护终端隐私的前提下进行机器学习。联邦学习解决方案建立在“联邦学习”的基础之上，该技术由谷歌在2016年提出。
阿里妈妈此次开源的联邦学习解决方案，则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，是适用于跨企业合作的联邦学习框架。
通俗讲，该技术将在充分保护不同平台用户数据隐私的基础上，实现平台间数据的交互挖掘，具备大规模使用、加密隐私保护、效率更高等特性。
未来，联邦学习解决方案还可以扩展到金融、医疗共建等场景，普适性较高。
自2015年起，阿里妈妈技术团队就逐步开源开放大规模深度学习、图学习、强化学习等多项AI技术，在多个关键行业应用与研究领域贡献了技术力量。
