驱动人工智能第二增长曲线，要突破三大关卡

　　刷脸认证、自动驾驶、智能音箱、手术机器人……近年来，人工智能在我国进入爆发期，被广泛应用于金融、电商、医疗、安防、教育等领域，但随着技术的发展应用，由此引起的数据伪造、算法瓶颈、隐私安全、伦理困境等问题也日益凸显。

　　“上述问题，包括很多人工智能企业估值高、销量少，其根源都要从人工智能技术本身去找。这些问题是目前数据驱动的第二代人工智能天然的缺陷所致。”9日，在清华大学人工智能研究院、北京瑞莱智慧科技有限公司等主办的2020第三代人工智能产业论坛上，中国科学院院士、清华大学人工智能研究院院长张钹说。

　　张钹表示，随着全球多个国家都将发展新一代人工智能提升为国家战略，产业需求呈井喷之势，人工智能亟需发展出安全、可信、可靠与可扩展的第三代人工智能技术。

　　什么是第三代人工智能?作为这一概念的最早提出者，张钹解释，其是在第一代知识驱动和第二代数据驱动相结合的基础上，从知识、数据、算法、算力四个要素所构建的全新发展体系，其目标是完全解决计算机的智能问题，全面反映人类智能。

　　在瑞莱智慧RealAI CEO田天看来，人工智能想要成为新时代的“水和电”，成为驱动各行业升级的底层通用能力，依赖于完备的AI基础设施。继承自互联网时代的经验，当前AI基础设施建设的重心集中在数据中心、算力平台上，主要解决AI“温饱”问题，为AI提供基础运算环境。但随着数据积累受场景限制、现有算力逼近极限，由大数据、大算力等外部驱动力带来的AI产业“第一增长曲线”开始放缓。

　　“由内打破才是增长。”田天说，伴随智能化的脚步迈入产业纵深，AI基础设施建设亟需从自身底层能力增强出发，发展出数据和算力维度外的全新能力，以“内生驱动力”打造AI原生基础设施，保证相同的数据、算力条件下，更好的支撑AI赋能行业的深度应用，打开AI产业化全新市场空间，驱动产业第二增长曲线。

　　田天认为，想要加强AI内生驱动力需突破三大“关卡”。第一是算法关，保证算法决策的可靠与安全。他解释说，智能化时代下，AI的决策逻辑和链路天然存在大量不确定性，缺乏可解释性，难以被应用于高价值决策场景。另外，算法普遍存在的“对抗样本”特征导致AI系统存在被恶意攻击的风险。

　　第二是数据关，保障数据隐私和安全。在训练AI模型时，数据的简单明文传输和利用容易导致隐私泄露。与此同时，为AI应用打破数据孤岛的过程中，数据用途和用量难以保障，可能被滥用和复制，同时难以界定收益，确保所有者的权益。

　　最后是应用关，即AI应用场景的管控。比如信贷模型中“幸存者偏差”、人脸识别的种族歧视等一系列算法公平性问题的出现，以及技术滥用引发金融欺诈，甚至是政治宣传引导舆论等等。

　　“要突破三大‘关卡’，AI原生基础设施需要实现三大块能力，分别是算法可靠、数据安全和应用可控，以实现对现有AI平台升级赋能，拓展AI在各类场景上的可用性。这是现阶段人工智能产业需求，也是产业目标。”田天强调。

　　为解决AI应用过程中的数据孤岛难题，隐私保护机器学习被学术界与产业界公认为是一条可行之路。但由于隐私保护机器学习与传统机器学习并非同属一个技术生态，企业想要搭建隐私保护生态面临着性能差、易用性差、黑盒协议等诸多难题。为此，RealAI发布了隐私保护机器学习平台RealSecure，这也是业内首款隐私保护AI编译器。

　　“不同于碰到应用中的难题时，见一个解决一个，修修补补，RealAI的目标是补全AI原生基础设施体系，提供服务于不同行业的业务产品和解决方案，使得所有场景不论大小、不论价值高低，都能够从AI赋能中受益，让AI更高质量的服务于人类社会。”田天说。