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)在內的多個重要板塊。AI技術加速前進離不開海量數(shù)據(jù)驅動，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學研各界人士圍繞智能領域的技術前沿、產業(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的應用已經越來越深入業(yè)務本質，從過去集中應用于避免員工重復勞動，已經發(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、智能芯片等在內的其他技術，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)產生端和數(shù)據(jù)采集、加工、利用端經常出現(xiàn)因技術實力、資源稟賦等方面的不對等，造成國內數(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、工業(yè)互聯(lián)網、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、產供銷鏈條中各個主體的農業(yè)大數(shù)據(jù)？如何使產業(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。