近年來，人工智慧在全球進入爆發期。值得注意的是，由此引起的數據偽造、算法瓶頸、隱私安全、倫理困境等問題也日益凸顯。人工智慧也亟需發展出安全、可信、可靠與可擴展的技術。
人工智慧企業瑞萊智慧CEO田天告訴《每日經濟新聞》記者，傳統行業由於場景複雜和隱私保護強監管等因素，真正可以使用的數據往往並不充足， 由大數據、大算力驅動的AI產業「第一增長曲線」開始放緩。
為此，需要從增強AI底層能力出發，圍繞算法可靠、數據安全、應用可控的三大目標打造新一代基礎設施，推動AI在金融、工業、安全、新基建等領域的高價值賦能，挖掘產業「第二增長曲線」。
瑞萊智慧CEO田天 受訪者供圖
算法、數據、應用層「關卡」待突圍
人工智慧想要成為新時代的「水和電」，成為驅動各行業升級的底層通用能力，依賴於完備的AI基礎設施。
「2020第三代人工智慧產業論壇」上，瑞萊智慧CEO田天在接受《每日經濟新聞》記者專訪時表示，繼承自網際網路時代的經驗，當前AI基礎設施建設的重心集中在數據中心、算力平臺上，主要解決AI「溫飽」問題，為AI提供基礎運算環境。
在上述基礎設施的支撐下，數據和算力的快速增長作為「外部驅動力」，帶動了AI技術在包括人臉識別、語音識別等領域的一波浪潮，驅動AI產業「第一增長曲線」出現。
然而，隨著AI賦能傳統行業的逐步深入，新矛盾開始凸顯。傳統行業由於場景複雜和隱私保護等限制，真正可以使用數據往往並不充足，同時算力的增長也解決不了算法能力上限的問題，在這種情形下，AI「第一增長曲線」開始放緩。
「就好比賽車，我們不僅要供給更多的燃料，更好的配件，更重要的還需要一個能更好駕馭各類情形的駕駛員，在複雜條件下作出正確的操作選擇。」 基於上述行業背景和挑戰，田天表示，要在相同的數據、算力條件下，更好地支撐AI賦能行業的深度應用，需要為AI打開「數據」和「算力」之外的全新維度，在數據平臺和算力平臺之外，打造基於第三代人工智慧技術的AI基礎設施，從增強算法底層能力出發，發展出AI「內生驅動力」。
不過，打開新市場也面臨新的挑戰。田天稱，人工智慧發展亟需突破算法、數據、應用層的三大「關卡」。
在算法決策層，AI決策任務往往涉及高價值場景，決策一旦出錯可能引起巨大損失，甚至威脅生命安全，為此每一個決策都需要極高的可靠性，包含提供可理解的決策依據與抵禦漏洞攻擊的能力。
而在備受關注的數據隱私和安全層面，由於提升AI能力需要最大限度挖掘數據價值，但是在金融、醫療、公共安全等場景的AI應用中，需要用到的數據往往涉及個人隱私信息，簡單明文數據傳輸和利用很可能導致隱私洩露，因而，在訓練AI模型時，必須與密碼學、區塊鏈等技術進行融合發展，保證數據隱私安全。
最後，AI應用場景的管控也至關重要。田天舉例稱，近年來，人臉識別「種族歧視」背後的算法公平性問題，深度偽造換臉技術的負面應用等案例就曾引發諸多爭議。因而，對於AI技術的應用發展，需要持續思考，在商業性與社會影響之間需要尋找到平衡。
底層創新需與用戶需求深度融合
事實上，縱觀全球人工智慧產業，多家企業也在探索與思考人工智慧智能發展過程中面臨的上述「關卡」。
但在田天看來，隨著產業需求不斷深入，技術探索方式也應迭代創新。區別於此前常態化「見一個解決一個」的問題處理辦法，目前在人工智慧技術的落地過程中，需要做到「發現一個問題就看到一類問題」，並通過底層框架、平臺和方法論的突破，打造AI原生基礎設施，助力產業的整體升級。
那麼，如何突破「三大關卡」打造AI原生基礎設施，實現產業賦能升級？
對此，田天向《每日經濟新聞》記者表示，需要在算法可靠、數據安全、應用可控三方面持續探索，以實現對現有AI平臺升級賦能，拓展AI在各類場景上的可用性。他進一步解釋，這是現階段人工智慧產業需求，也是產業目標。
不過，打造AI原生基礎設施並非易事。田天坦言，在這個過程中，在技術路徑上需要突破傳統以數據驅動的方式。貝葉斯深度學習、可解釋機器學習、AI安全對抗攻防、新一代知識圖譜、隱私保護機器學習等第三代人工智慧技術框架則提供了實現基礎。
「通過技術重構和能力升級，構建AI原生基礎設施，可以打開AI能力的全新維度，激發AI的第二增長曲線，為AI賦能各行各業帶來全新市場機會。」田天舉例稱，在金融應用場景，基於隱私保護機器學習平臺，可以在合規、隱私保護的前提下，實現基於多方數據的聯合AI建模，顯著提高智能風控、反欺詐、精準營銷等應用的效果；在刷臉支付場景，可以在AI安全平臺保護下，提供安全、受保護的刷臉支付系統。
與此同時，田天表示，打造基於第三代人工智慧技術的AI基礎設施是一種底層創新，一方面，需要和科研單位及學科機構保持深度合作，才能保持技術先進性。另一方面，需要與不同平臺類型的廠商、不同領域的行業組織展開合作，制定行業標準、規範，與不同垂直行業終端用戶需求深度融合，才能推動應用大面積落地。
每日經濟新聞