乘勢而上,與時俱進(jìn):IDC《聯(lián)邦學(xué)習(xí)與可信AI市場機(jī)會分析》研究發(fā)布
隨著人工智能等新興技術(shù)越來越多的賦能社會和企業(yè),技術(shù)使用的底層數(shù)據(jù)安全性也越來越受到國家的關(guān)注。隨之而來的《數(shù)據(jù)安全法》、《個人隱私保護(hù)法》也提出了新的數(shù)據(jù)使用要求,讓聯(lián)邦學(xué)習(xí)與可信AI的話題關(guān)注度逐步提升。目前,聯(lián)邦學(xué)習(xí)與可信AI已經(jīng)從理論探索逐步走向初步的工程化落地實(shí)踐。
本文引用地址:http://m.butianyuan.cn/article/202301/442633.htm聯(lián)邦學(xué)習(xí)與可信AI的定義
目前在解決數(shù)據(jù)孤島與數(shù)據(jù)隱私問題中較為常見的是聯(lián)邦學(xué)習(xí)。聯(lián)邦學(xué)習(xí)是一種新興的人工智能基礎(chǔ)技術(shù), IDC 定義下的聯(lián)邦學(xué)習(xí)是一種分布式隱私保護(hù)建模方法,在保證所有訓(xùn)練數(shù)據(jù)不出域的前提下,多個參與方通過與聚合模型協(xié)作學(xué)習(xí)的方式共同訓(xùn)練新的數(shù)據(jù)模型的方法。這樣的建模方式可以充分調(diào)動"去中心化數(shù)據(jù)"和"去中心化算力"等能力,促進(jìn)數(shù)據(jù)隱私保護(hù),實(shí)現(xiàn)數(shù)據(jù)利用最小化原則,并以更低的延遲和更低的功耗提高了建模性能。
可信AI的研究領(lǐng)域則涵蓋了安全和隱私(包括系統(tǒng)、平臺、產(chǎn)品以及數(shù)據(jù)安全)、算法可解釋性,公平性和可問責(zé)性。
報告中也詳細(xì)探討了聯(lián)邦學(xué)習(xí)與可信AI 的初步市場格局,初步展示了如百度、第四范式、星環(huán)科技等主流AI技術(shù)供應(yīng)商的技術(shù)/產(chǎn)品進(jìn)展,以及當(dāng)前的行業(yè)實(shí)踐情況。
行業(yè)應(yīng)用
目前聯(lián)邦學(xué)習(xí)已經(jīng)初步實(shí)現(xiàn)商業(yè)化落地,可信AI還在技術(shù)理論突破與應(yīng)用探索階段。在不同行業(yè)的應(yīng)用探索中,聯(lián)邦學(xué)習(xí)實(shí)現(xiàn)了數(shù)據(jù)隱私保護(hù)和數(shù)據(jù)共享分析的平衡,即“數(shù)據(jù)可用不可見”的數(shù)據(jù)應(yīng)用模式。聯(lián)邦學(xué)習(xí)在行業(yè)中的應(yīng)用進(jìn)展如下:
● 金融行業(yè):金融行業(yè)是當(dāng)前聯(lián)邦學(xué)習(xí)落地部署探索最多的行業(yè)。金融行業(yè)加速數(shù)字化轉(zhuǎn)型的過程中,銀行、保險、投資等行業(yè)都面臨著有效數(shù)據(jù)欠缺與隱私保護(hù)安全的雙重挑戰(zhàn)。在應(yīng)用上,目前主要集中在營銷、信貸風(fēng)控、反欺詐場景。
● 零售行業(yè):零售行業(yè)在銷量預(yù)測及商機(jī)洞察,倉庫儲存、配送等各個環(huán)節(jié)可以使用到聯(lián)邦學(xué)習(xí)技術(shù)。例如,基于聯(lián)邦學(xué)習(xí)技術(shù),在保護(hù)數(shù)據(jù)隱私安全的基礎(chǔ)上,根據(jù)歷史銷量、各區(qū)域客群畫像洞察、氣候變化、時事熱點(diǎn)等元素進(jìn)行分析,通過精確到小時級別的銷量精準(zhǔn)預(yù)測,優(yōu)化整體品類規(guī)劃,從而降低運(yùn)營成本,幫助實(shí)現(xiàn)用戶履約率進(jìn)一步提升。
● 互聯(lián)網(wǎng)/電商/數(shù)字媒體: 數(shù)字廣告業(yè)務(wù)目前引入了聯(lián)邦學(xué)習(xí)技術(shù),如廣告投放、流量反作弊、聯(lián)合歸因等場景。流量平臺、廣告主等可以在不披露底層數(shù)據(jù)的前提下共建模型。每個廣告主或者數(shù)據(jù)持有方不出本地,通過加密機(jī)制下的參數(shù)交換方式,就能在符合各項(xiàng)隱私安全法律、法規(guī)的情況下,建立出虛擬的共有模型。
● 工業(yè):在制造領(lǐng)域,聯(lián)邦學(xué)習(xí)技術(shù)會幫助實(shí)現(xiàn)多條產(chǎn)線間的聯(lián)合訓(xùn)練與模型共享,改善AI質(zhì)檢、預(yù)測性維護(hù)的效果。例如,各種供應(yīng)商可以結(jié)合自身數(shù)據(jù),以建立更好的整體預(yù)測模型。在能源領(lǐng)域,智能家居設(shè)備和能源供應(yīng)商之間的聯(lián)合,可以產(chǎn)生用于預(yù)測功耗和設(shè)備使用的互利模型。其結(jié)果將包括越來越靈敏和個性化的設(shè)備,并使得電網(wǎng)管理更加有效。
● 醫(yī)療:醫(yī)療保健領(lǐng)域?qū)⑹芤嬗诳v向聯(lián)邦學(xué)習(xí),如果所有醫(yī)療機(jī)構(gòu)和制藥企業(yè)都成立數(shù)據(jù)聯(lián)盟并共享其數(shù)據(jù)以創(chuàng)建大型醫(yī)療數(shù)據(jù)集,那么經(jīng)過訓(xùn)練的AI模型的性能將顯著提高,尤其是在AI藥物研發(fā)領(lǐng)域,藥物本身作為研發(fā)數(shù)據(jù),有非常大的價值,聯(lián)邦學(xué)習(xí)技術(shù)恰好能夠安全地實(shí)現(xiàn)多方數(shù)據(jù)共享。另外,在醫(yī)療影像輔助診斷場景中,可以通過聯(lián)合訓(xùn)練CV模型來更加精準(zhǔn)地預(yù)測疾病、檢測異常并基于其他醫(yī)療傳感器和電子健康記錄(EHR)數(shù)據(jù)進(jìn)行診斷。
● 政務(wù):政務(wù)領(lǐng)域存在橫、縱向信息交換的“數(shù)據(jù)壁壘”,聯(lián)邦學(xué)習(xí)可以幫助打通政務(wù)領(lǐng)域數(shù)據(jù)應(yīng)用價值鏈,提高辦事效率,解決社會疑難問題。
IDC中國人工智能高級分析師程蔭表示,AI技術(shù)的安全可信已是大勢所趨,行業(yè)用戶在享受技術(shù)所帶來的紅利的同時,應(yīng)該積極選擇與具有數(shù)據(jù)資源的技術(shù)供應(yīng)商合作,優(yōu)先考慮聯(lián)邦學(xué)習(xí)與可信AI技術(shù)實(shí)現(xiàn)的路徑和自身業(yè)務(wù)是否匹配,根據(jù)實(shí)際業(yè)務(wù)判斷AI安全可信建設(shè)的優(yōu)先級,也可參考目前同業(yè)探索實(shí)施相關(guān)AI項(xiàng)目的成熟度,使得聯(lián)邦學(xué)習(xí)與可信AI更好地落地。
評論