每經(jīng)記者｜張虹蕾    每經(jīng)編輯｜陳俊杰    

近年來，人工智能在全球進入爆發(fā)期。值得注意的是，由此引起的數(shù)據(jù)偽造、算法瓶頸、隱私安全、倫理困境等問題也日益凸顯。人工智能也亟需發(fā)展出安全、可信、可靠與可擴展的技術。

人工智能企業(yè)瑞萊智慧CEO田天告訴《每日經(jīng)濟新聞》記者，傳統(tǒng)行業(yè)由于場景復雜和隱私保護強監(jiān)管等因素，真正可以使用的數(shù)據(jù)往往并不充足， 由大數(shù)據(jù)、大算力驅(qū)動的AI產(chǎn)業(yè)“第一增長曲線”開始放緩。

為此，需要從增強AI底層能力出發(fā)，圍繞算法可靠、數(shù)據(jù)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(yè)、安全、新基建等領域的高價值賦能，挖掘產(chǎn)業(yè)“第二增長曲線”。

瑞萊智慧CEO田天 受訪者供圖

算法、數(shù)據(jù)、應用層“關卡”待突圍

人工智能想要成為新時代的“水和電”，成為驅(qū)動各行業(yè)升級的底層通用能力，依賴于完備的AI基礎設施。

“2020第三代人工智能產(chǎn)業(yè)論壇”上，瑞萊智慧CEO田天在接受《每日經(jīng)濟新聞》記者專訪時表示，繼承自互聯(lián)網(wǎng)時代的經(jīng)驗，當前AI基礎設施建設的重心集中在數(shù)據(jù)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(huán)境。

在上述基礎設施的支撐下，數(shù)據(jù)和算力的快速增長作為“外部驅(qū)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(qū)動AI產(chǎn)業(yè)“第一增長曲線”出現(xiàn)。

然而，隨著AI賦能傳統(tǒng)行業(yè)的逐步深入，新矛盾開始凸顯。傳統(tǒng)行業(yè)由于場景復雜和隱私保護等限制，真正可以使用數(shù)據(jù)往往并不充足，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，在復雜條件下作出正確的操作選擇。” 基于上述行業(yè)背景和挑戰(zhàn)，田天表示，要在相同的數(shù)據(jù)、算力條件下，更好地支撐AI賦能行業(yè)的深度應用，需要為AI打開“數(shù)據(jù)”和“算力”之外的全新維度，在數(shù)據(jù)平臺和算力平臺之外，打造基于第三代人工智能技術的AI基礎設施，從增強算法底層能力出發(fā)，發(fā)展出AI“內(nèi)生驅(qū)動力”。

不過，打開新市場也面臨新的挑戰(zhàn)。田天稱，人工智能發(fā)展亟需突破算法、數(shù)據(jù)、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(jù)與抵御漏洞攻擊的能力。

而在備受關注的數(shù)據(jù)隱私和安全層面，由于提升AI能力需要最大限度挖掘數(shù)據(jù)價值，但是在金融、醫(yī)療、公共安全等場景的AI應用中，需要用到的數(shù)據(jù)往往涉及個人隱私信息，簡單明文數(shù)據(jù)傳輸和利用很可能導致隱私泄露，因而，在訓練AI模型時，必須與密碼學、區(qū)塊鏈等技術進行融合發(fā)展，保證數(shù)據(jù)隱私安全。

最后，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”背后的算法公平性問題，深度偽造換臉技術的負面應用等案例就曾引發(fā)諸多爭議。因而，對于AI技術的應用發(fā)展，需要持續(xù)思考，在商業(yè)性與社會影響之間需要尋找到平衡。

底層創(chuàng)新需與用戶需求深度融合

事實上，縱觀全球人工智能產(chǎn)業(yè)，多家企業(yè)也在探索與思考人工智能智能發(fā)展過程中面臨的上述“關卡”。

但在田天看來，隨著產(chǎn)業(yè)需求不斷深入，技術探索方式也應迭代創(chuàng)新。區(qū)別于此前常態(tài)化“見一個解決一個”的問題處理辦法，目前在人工智能技術的落地過程中，需要做到“發(fā)現(xiàn)一個問題就看到一類問題”，并通過底層框架、平臺和方法論的突破，打造AI原生基礎設施，助力產(chǎn)業(yè)的整體升級。

那么，如何突破“三大關卡”打造AI原生基礎設施，實現(xiàn)產(chǎn)業(yè)賦能升級？

對此，田天向《每日經(jīng)濟新聞》記者表示，需要在算法可靠、數(shù)據(jù)安全、應用可控三方面持續(xù)探索，以實現(xiàn)對現(xiàn)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(xiàn)階段人工智能產(chǎn)業(yè)需求，也是產(chǎn)業(yè)目標。

不過，打造AI原生基礎設施并非易事。田天坦言，在這個過程中，在技術路徑上需要突破傳統(tǒng)以數(shù)據(jù)驅(qū)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能技術框架則提供了實現(xiàn)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(fā)AI的第二增長曲線，為AI賦能各行各業(yè)帶來全新市場機會。”田天舉例稱，在金融應用場景，基于隱私保護機器學習平臺，可以在合規(guī)、隱私保護的前提下，實現(xiàn)基于多方數(shù)據(jù)的聯(lián)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(tǒng)。

與此同時，田天表示，打造基于第三代人工智能技術的AI基礎設施是一種底層創(chuàng)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(yè)組織展開合作，制定行業(yè)標準、規(guī)范，與不同垂直行業(yè)終端用戶需求深度融合，才能推動應用大面積落地。