江苏龙网

  1. 首页 > 人文 > >

老王科技|AI+隐私计算如何在未来掀起商业浪潮？｜算力隐私专栏( 二 )


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 。
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 。
老王科技|AI+隐私计算如何在未来掀起商业浪潮？｜算力隐私专栏
文章图片
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” 。
各参与方的人工因素逐渐降低 ， 在数据价值链中大部分的对接都是机器对机器实现 ， 极大提升了协作效率 ， 也使得协作中越来越大比例的信任 ， 可以由技术来保障 。


推荐阅读


上一篇：一事就成|小蛮腰太吸睛！，运动裤休闲穿搭

下一篇：ZAKER生活|因为爱情3年不演戏，刘烨竟然是这样的人？，为追求爱人学习法语