9月15日，阿里妈妈宣布将同时开源曲率空间学习框架（CLF）和联邦学习解决方案（EFLS）两项AI技术。
两项最新技术成果的开源，将有助于行业提升数据隐私保护能力。
预计存储消耗降低80%，用户请求匹配准确率提高15%。
上述技术还可以应用于互联网行业以外的各种科学研究。
计算领域。
目前，Curvature Learning Framework已在全球最大的开源站点上线，弹性联邦学习解决方案将于9月30日提供开源服务。
级场景成熟后，我们选择将这些技术能力向社会开放，最大限度地分享AI技术红利，共同进步。
”阿里妈妈CTO郑波表示。
据介绍，阿里妈妈曲率空间学习框架是国内首个在工业级场景得到验证的曲率空间深度学习框架。
与传统的数据建模相比，使用曲率空间建模就像吹气球一样。
在相同尺寸的空间内，可以容纳更多的数据，显示更全面，更方便观察和使用。
目前，基于淘宝搜索场景，曲率空间可以对数十亿交互行为进行精确建模，利用空间曲率的变化实现数据的“定向放大”和“精准分割”。
系统全面上线后，存储消耗降低80%，用户请求匹配准确率相对提升15%。
除了互联网行业，曲率空间学习框架也有望广泛应用于各大行业，提高技术研发效率。
例如天气预报、地图导航、物流运输等行业。
另一个新的开源联合学习解决方案旨在执行机器学习，同时保护端点隐私。
联邦学习解决方案基于“联邦学习”，这是 Google 在 .阿里妈妈的开源联邦学习解决方案更注重隐私保护和加密计算，并在此基础上建立APP岛之间的信息链接。
它是一个适合跨企业合作的联邦学习框架。
通俗地说，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，并具有大规模使用、加密隐私保护、效率更高的特点。
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，具有较高的普适性。
自2009年以来，阿里妈妈技术团队逐步开源了大规模深度学习、图学习、强化学习等多项人工智能技术，并在多个关键行业应用和研究领域贡献了技术力量。