位置:编程技术网 > 人工智能 > 正文 >

AI+隐私计算如何在未来掀起商业浪潮?|算力隐私专栏(2)

2020年07月25日 23:12来源:未知手机版

我是歌手第三季第六期,大众lavida,郭晶晶父母

另一方面, AI还将可以深入到“端侧”、“边缘侧”,在最靠近数据的地方完成训练和预测,在提升AI实时性和个性化程度的同时,还能充分利用泛在的算力,节省集中式算力的消耗。

这些构想在实践中也许会遇到诸多困难。

以智慧农业为例,如何保证土壤探针等设备采集数据的真实和不被篡改?如何高效整合利用目前分散在政府、科研院所、田间地头、产供销链条中各个主体的农业大数据?如何使产业链各参与者都能信任AI的预测结果?等等,都曾是实现“边缘智能”所面临的障碍。

经过实践证明,AI可以结合隐私计算、区块链等技术,从数据源端消除这些问题:

使用卫星、无人机、物联网传感器等采集数据,结合隐私计算和区块链技术,可以确保原始数据真实可信。利用隐私计算技术,数据“可用不可见”,形成物理分散的多元数据的逻辑集中视图,可以保证AI模型有充足的、可信的数据可供利用。同时,AI模型也是安全可信的,隐私计算技术使模型在受到充分保护的前提下,仍然可以为多方所验证。

利用数据源端收集的数据,结合隐私计算技术,可以使AI在农业科学生产、农户信用评估、农业风险预测等多方面发挥更大的价值。

3

如何扩展AI应用疆域,实现“协作智能”?

在国内数字化转型进程刚刚起步之时,绝大部分AI的落地场景背后都是以 “助力政府、企业等数字化转型”为逻辑的起点,即是说,此前的AI发展多把服务对象看作一个个独立的个体,应用的目的往往是帮助这些对象提升自身效率,提高数字生产力,加速数字化转型进程,等。

但随着国内数字经济的发展,国内各行各业的数字化程度已与此前不可同日而语。随着数字生产力的提升,必然要求社会发展出适合生产力水平的数字生产关系。诸如银行业的开放银行、政府的数据开放、供应链联盟、医疗行业的医联体/医共体,等都是围绕多个对象之间的生产关系优化和升级展开的工作。在这些探索和尝试推进的过程中,不可避免的遇到了数字化、智能化程度高的对象如何同程度较低的对象之间互利、可信合作的问题,尤其是同业对象间和产业链上下游企业间,类似问题尤其突出。从社会整体角度看不应把AI置于“降维打击”这种只竞争不合作的逻辑框架中。

“风物长宜放眼量”,新形势下,AI应用的着眼点宜拓展到如何利用人工智能,使得人与人、机构与机构、人与机构、人与AI之间的智能、高效协同上,解决协同的效率问题,同时应结合区块链、隐私计算等天然的关于数字生产关系的技术,奠定协同的基础设施和多方利益保障机制,从而真正形成良性的数字生产关系。以医疗行业为例,如果能将大型医疗机构的专家知识、经验等标准化,形成知识图谱、专家决策支持系统,再结合隐私计算技术,那么基层医疗机构未来就可以再不泄露就诊者个人隐私数据的同时,还能集成或者利用大型医疗机构的专家资源。

4

未来将会实现何种方式的“数据协作”?

数据的应用主体和开放主体能在安全可信的技术中进行数据协作。数据应用主体数量将迅速增长。其对数据的应用方式,也逐渐由跨部门协同转换为以数据中台为核心的利用方式,逐步形成内部数据价值链闭环。数据应用主体之间逐渐开始出现分工、协同,如银行同业机构间联合风控联盟、供应链核心企业对上下游的能力开放赋能联盟等。

数据协作的角色将不再单一。数据开放主体逐渐分化为数据资源方、数据分析和建模方、数据开放平台等不同的角色,社会分工逐渐精细化。

数据协作的“去中介化”趋势逐渐打破了传统数据公司的“数据霸权”。通过技术实现数据的可用不可见,所有数据开放主体将建立一种“技术信任”。

本文地址:http://www.reviewcode.cn/rengongzhinen/160403.html 转载请注明出处!

今日热点资讯