算力說

近年來，隨著算力提升與數(shù)據(jù)流動，人工智能持續(xù)迭代，其落地場景與應用領域愈加豐富，賦能包括新基建、工業(yè)在內(nèi)的多個重要板塊。AI技術加速前進離不開海量數(shù)據(jù)驅(qū)動，日益激增的數(shù)據(jù)需求使數(shù)據(jù)安全與隱私保護變得尤為迫切。

隱私計算在于實現(xiàn)數(shù)據(jù)安全流動，是AI突破發(fā)展瓶頸的密鑰，兩者融合需要解決什么問題、在未來產(chǎn)生哪些變化？至此，隱私數(shù)據(jù)安全專欄特邀光之樹，深入探討AI＋隱私計算，如何向智能時代開疆拓土。

在近日召開的世界人工智能大會上，來自全球智能領域最具影響力的產(chǎn)學研各界人士圍繞智能領域的技術前沿、產(chǎn)業(yè)趨勢和熱點問題發(fā)表演講和進行高端對話，透過這些精彩的分享，呈現(xiàn)出一些趨勢：

其一，AI的應用縱深得到了極大的加強，在應用AI較早的如金融等領域，AI的應用已經(jīng)越來越深入業(yè)務本質(zhì)，從過去集中應用于避免員工重復勞動，已經(jīng)發(fā)展到開始輔助人，并在一定程度上開始作為員工腦力的輔助。

其二，AI落地的領域和場景愈加豐富，AI已經(jīng)輻射到了包括新基建、工業(yè)、教育、醫(yī)療健康、城市治理等多個重要板塊中。這說明AI的價值已經(jīng)得到了廣泛的認可�！胺涸凇钡腁I并非遙不可及。

另一最有亮點的趨勢是，人工智能正逐步與包括隱私計算、區(qū)塊鏈、物聯(lián)網(wǎng)、智能芯片等在內(nèi)的其他技術，逐漸呈現(xiàn)融合統(tǒng)一的趨勢。其中，隱私計算是面向隱私信息全生命周期保護的計算理論和方法，和人工智能一起，核心突破是，在保證“數(shù)據(jù)可用不可見”的前提下，仍然能實現(xiàn)數(shù)據(jù)的聯(lián)合建模和價值分享。

“隱私計算＋人工智能”未來將會給商業(yè)帶來什么變化呢？接下來，我們從數(shù)據(jù)、模型、場景幾個方面來談談。

1 如何跨越數(shù)據(jù)門檻，實現(xiàn)“數(shù)據(jù)智能”？

關于人工智能和數(shù)據(jù)，業(yè)界最常見的一個比喻是“AI像是發(fā)動機，而數(shù)據(jù)則是石油”，一段時間的實踐下來，人們逐漸意識到“數(shù)據(jù)智能”的落地還需要解決一些問題，例如：

“石油”的開采、加工、利用各個環(huán)節(jié)，都需要有相應的法律法規(guī)的規(guī)范。同時也需要有相關技術手段作為保障，否則數(shù)據(jù)的利用將同數(shù)據(jù)安全相沖突，造成很多社會問題；由于數(shù)據(jù)產(chǎn)生端和數(shù)據(jù)采集、加工、利用端經(jīng)常出現(xiàn)因技術實力、資源稟賦等方面的不對等，造成國內(nèi)數(shù)據(jù)資源一度被聚集在“數(shù)據(jù)巨頭”手中的現(xiàn)象。一些弱勢的新進入的個體和機構逐漸喪失了數(shù)據(jù)的控制權和相關的收益權，甚至陷入“無米下鍋”的境地；數(shù)據(jù)標注的缺乏也使得模型的迭代和優(yōu)化困難重重。

這些問題一定程度上制約了AI產(chǎn)業(yè)的良性發(fā)展。所幸，隨著《關于構建更加完善的要素市場化配置體制機制的意見》的發(fā)布、包括數(shù)據(jù)安全法和個人信息保護法等在內(nèi)的法律進入立法程序，以及隱私計算和區(qū)塊鏈技術的發(fā)展，使得數(shù)據(jù)確權、安全利用、數(shù)據(jù)平權等有了法律、制度以及技術的保障。

未來，對于“數(shù)據(jù)霸權”現(xiàn)象、缺乏數(shù)據(jù)標注的情況，隨著法律法規(guī)的完善，和隱私計算與人工智能技術的融合，將逐步解決。

2 如何加大AI應用縱深，實現(xiàn)“邊緣智能”？

通信網(wǎng)絡基礎設施建設是新基建的核心構成之一，其涵蓋的包括5G、物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、衛(wèi)星互聯(lián)等領域，也為AI應用提供了良好的縱深空間。

一方面這些技術都使得AI可以利用深入場景中的數(shù)據(jù)，例如智能設備多種傳感器可以為模型補充關于明暗程度、運動速度、甚至溫度、濕度等數(shù)據(jù)，這使得我們可以構建起以“情景”為基本響應單位的AI能力，從而提供最貼合特定情景的智能服務。

另一方面， AI還將可以深入到“端側”、“邊緣側”，在最靠近數(shù)據(jù)的地方完成訓練和預測，在提升AI實時性和個性化程度的同時，還能充分利用泛在的算力，節(jié)省集中式算力的消耗。

這些構想在實踐中也許會遇到諸多困難。

以智慧農(nóng)業(yè)為例，如何保證土壤探針等設備采集數(shù)據(jù)的真實和不被篡改？如何高效整合利用目前分散在政府、科研院所、田間地頭、產(chǎn)供銷鏈條中各個主體的農(nóng)業(yè)大數(shù)據(jù)？如何使產(chǎn)業(yè)鏈各參與者都能信任AI的預測結果？等等，都曾是實現(xiàn)“邊緣智能”所面臨的障礙。