本文轉自【科技日報】；
刷臉認證、自動駕駛、智能音箱、手術機器人……近年來，我國人工智慧的發展進入爆發期，被廣泛應用於金融、電商、醫療、安防、教育等領域，但隨著技術的發展應用，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。
「上述問題，包括很多人工智慧企業估值高、銷量少，其根源都要從人工智慧技術本身去找。這些問題是目前數據驅動的第二代人工智慧天然的缺陷所致。」12月9日，在清華大學人工智慧研究院等主辦的2020第三代人工智慧產業論壇上，中國科學院院士、清華大學人工智慧研究院院長張鈸說。
張鈸表示，隨著全球多個國家都將發展新一代人工智慧提升為國家戰略，產業需求呈井噴之勢，人工智慧亟鬚髮展出安全、可信、可靠與可擴展的第三代人工智慧技術。
什麼是第三代人工智慧？作為這一概念的最早提出者，張鈸解釋，其是在第一代知識驅動和第二代數據驅動相結合的基礎上，從知識、數據、算法、算力4個要素出發所構建的全新發展體系，其目標是完全解決計算機的智能問題，全面反映人類智能。
在瑞萊智慧RealAI CEO田天看來，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。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。但隨著數據積累受場景限制，現有算力逼近極限，由大數據、大算力等外部驅動力帶來的AI產業第一增長曲線開始放緩。
「由內打破才是增長。」田天說，伴隨著各個產業智能化程度不斷提高，AI基礎設施建設亟須從增強自身底層能力出發，發展出數據和算力維度外的全新能力，以內生驅動力打造AI原生基礎設施，保證相同的數據、算力條件下，更好地支撐AI賦能行業的深度應用，打開AI產業化全新市場空間，驅動產業第二增長曲線。
田天認為，想要加強AI內生驅動力需突破三大關卡。第一是算法關，保證算法決策的可靠與安全。他解釋說，智能化時代下，AI的決策邏輯和鏈路天然存在大量不確定性，缺乏可解釋性，難以被應用於高價值決策場景。另外，算法普遍存在的「對抗樣本」特徵導致AI系統存在被惡意攻擊的風險。
第二是數據關，保障數據隱私和安全。在訓練AI模型時，數據的簡單明文傳輸和利用容易導致隱私洩露。與此同時，為AI應用打破數據孤島的過程中，數據用途和用量難以保障，可能被濫用和複製，同時難以界定收益，確保所有者的權益。
最後是應用關，即AI應用場景的管控。比如信貸模型中「倖存者偏差」、人臉識別的種族歧視等一系列算法公平性問題的出現，以及技術濫用引發金融欺詐，甚至是政治宣傳引導輿論等等。
「要突破三大關卡，AI原生基礎設施需要實現三大塊能力，分別是算法可靠、數據安全和應用可控，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。這是現階段人工智慧產業需求，也是產業目標。」田天強調。
為解決AI應用過程中的數據孤島難題，隱私保護機器學習被學術界與產業界公認為是一條可行之路。但由於隱私保護機器學習與傳統機器學習並非同屬一個技術生態，企業想要搭建隱私保護生態面臨著性能差、易用性差、黑盒協議等諸多難題。為此，大會發布了業內首款隱私保護AI編譯器。
「不同於碰到應用中的難題時，見一個解決一個，修修補補，這款AI編輯器的目標是補全AI原生基礎設施體系，提供服務於不同行業的業務產品和解決方案，使得所有場景不論大小、不論價值高低，都能夠從AI賦能中受益，讓AI更高質量服務於人類社會。」田天說。