創(chuàng)略科技創(chuàng)始人胡世杰在接受商界專訪的時候告訴記者，關于數(shù)據(jù)和人工智能的應用，目前形成三大趨勢：
第一，大數(shù)據(jù)隱私越來越受到各方重視，相關政策法規(guī)也陸續(xù)出臺，數(shù)據(jù)的使用必然受到諸多限制；
第二，消費者對個人數(shù)據(jù)的重要性與隱私性的認知程度不斷提升，企業(yè)也更加重視數(shù)據(jù)資產(chǎn)保護，對于跨組織的數(shù)據(jù)合作越來越謹慎，潛在數(shù)據(jù)孤島問題更加嚴重；3
第三，數(shù)據(jù)資產(chǎn)的形成集中在BAT這種頭部互聯(lián)網(wǎng)企業(yè)，如何打破BAT的數(shù)據(jù)“圍墻花園”，保護自己私域數(shù)據(jù)資產(chǎn)，形成良性的競爭環(huán)境和市場環(huán)境，成為各方企業(yè)關注的又一焦點。
胡世杰表示，在大數(shù)據(jù)發(fā)展之初，客戶數(shù)據(jù)高度集中在頭部互聯(lián)網(wǎng)企業(yè)，互聯(lián)網(wǎng)領域形成了中心化發(fā)展模式。企業(yè)要實現(xiàn)更多的客戶洞察數(shù)據(jù)，唯一的途徑就是與BAT類型第三方數(shù)據(jù)合作。但這種中心化模式，除去數(shù)據(jù)的積累愈發(fā)集中，易形成壟斷趨勢的弊端，另一方面，部分企業(yè)對于自有數(shù)據(jù)資產(chǎn)的保護意識大幅提升，特別是規(guī)?；ㄖ写笮停┑钠髽I(yè)或機構，則獲得高質量、真實有效的第三方數(shù)據(jù)，越來越困難。
如何破除AI落地應用的兩大阻礙：數(shù)據(jù)孤島和數(shù)據(jù)隱私安全
企業(yè)數(shù)據(jù)資產(chǎn)安全以及隱私是必然的，也算是整體數(shù)字化變革不可或缺的要素之一。數(shù)據(jù)使用的限制使得互聯(lián)網(wǎng)數(shù)據(jù)分散在不同企業(yè)、部門，組織中，形成“數(shù)據(jù)孤島”，各方數(shù)據(jù)難以實現(xiàn)價值共享或協(xié)作。而企業(yè)數(shù)據(jù)隱私化形成孤島，使人工智能技術發(fā)揮最大化價值受限，同時各機構、企業(yè)所擁有的數(shù)據(jù)又具有極大的潛在應用價值。那么，如何在滿足數(shù)據(jù)安全、合規(guī)的前提下，利用多方異構數(shù)據(jù)進一步進行學習、建模以推動人工智能的發(fā)展呢？
“聯(lián)邦學習作為分布式機器學習范式，可以實現(xiàn)各方在不公開各自數(shù)據(jù)的情形下，協(xié)同完成模型訓練，解決一系列AI應用落地面臨的數(shù)據(jù)安全和隱私障礙，以及創(chuàng)造一個健康的數(shù)據(jù)價值協(xié)作新模式，是人工智能領域發(fā)展的必然趨勢。”胡世杰如是說。
在傳統(tǒng)的AI應用模式中，企業(yè)以自己為中心化匯集盡可能多的數(shù)據(jù)，并基于此訓練AI模型。企業(yè)采集的數(shù)據(jù)量越大、數(shù)據(jù)維度越豐富，則驅動的洞察也就越準確。而在聯(lián)邦學習模式下，加入學習的各方不需要把數(shù)據(jù)匯集到中心化的體系，而是在參與方自己的設備或者數(shù)據(jù)中心通過AI算法產(chǎn)出數(shù)據(jù)洞察和預測，以及模型參數(shù)，并將結果同步回傳到聯(lián)邦學習的中心節(jié)點。在聯(lián)邦學習的體系內，將各方回傳的模型平均后繼續(xù)學習、訓練，得出更精準的結果，分發(fā)到各參與者，用以各自的業(yè)務場景。在這個過程中，參與者并沒有交換數(shù)據(jù)，卻可以實現(xiàn)較大規(guī)模的AI以及機器學習的應用場景。
區(qū)塊鏈技術保障聯(lián)邦學習共享模型安全有效
在聯(lián)邦學習模式下，為避免由于行業(yè)競爭造成的故意混淆錯誤結果到聯(lián)邦學習的體系中，以及一系列其他機制層面的系統(tǒng)性風險，造成訓練模型的錯誤結果等，就需要透明、有效的安全機制進行干預，建立體系各方的相互信任。
談及如何完善聯(lián)邦學習的共享機制，胡世杰認為，區(qū)塊鏈技術可以幫助企業(yè)各方在去中心化AI體系中，創(chuàng)造一系列的自動化透明管理，信任以及治理機制。在聯(lián)邦學習過程中的參與者（企業(yè)或組織）都是主角，在一個嚴格的“機制創(chuàng)建信任”環(huán)境中，這一過程也未必需要一個中心化主導方。這個所謂的機制在聯(lián)邦學習場景下，可以理解是由應用區(qū)塊鏈技術提供的“智能合約”體系完成的。智能合約技術能使一個業(yè)務流程或交易在無中心主導方或“擔保方”的情況下，有一個透明、去中心化以及自動化的管理機制，來消除參與者之間“信任程度”的風險要素。
“在聯(lián)邦學習場景的應用中，可以采取投票機制，由聯(lián)盟各方共同確認每個共享結果的質量，這樣就可以有效地減少學習體系中不被信任的第三方以偽造的、有疑問的數(shù)據(jù)破壞整體洞察結果的情況發(fā)生?！?/strong>
聯(lián)邦學習在多維場景實現(xiàn)應用落地
目前國內外較早實現(xiàn)聯(lián)邦學習應用落地的，是醫(yī)療和金融行業(yè)。比如對于新冠疫情的研究，各醫(yī)療機構根據(jù)病人圖像或者數(shù)據(jù)挖掘出病人的肺部特征，通過聯(lián)邦學習共享這些特征，既可以共同研究病情相關洞察，又保障了病人隱私；而在金融行業(yè)，加入聯(lián)邦學習的銀行之間可以分享客戶信用預估模型，在不需要知道客戶在其他哪些銀行機構貸過款的情況下，獲知某一客戶的綜合風險等級，做出相關預警。
創(chuàng)略科技作為國內領先的智能數(shù)據(jù)解決方案提供商，一直專注于營銷領域，為國內外大中型企業(yè)提供應用于全局營銷場景的數(shù)據(jù)及AI技術解決方案。胡世杰告訴記者，其實國內大部分B2C企業(yè)，其積累的客戶數(shù)據(jù)體量都足夠大，但是在應用AI技術進行模型訓練時，卻常出現(xiàn)數(shù)據(jù)維度不足的狀況。而創(chuàng)略科技在服務了上百家企業(yè)的過程中，洞察到很多同行業(yè)甚至跨領域的企業(yè)之間，存在著客戶及潛客的重疊交叉，從理論上可以互相補充、完善客戶洞察。
基于此，創(chuàng)略科技已經(jīng)開始探索把聯(lián)邦學習融合區(qū)塊鏈技術應用到智能營銷領域，旨在幫助企業(yè)客戶在安全合規(guī)的前提下，獲得更加深刻、全面的客戶洞察。
“創(chuàng)略目前已經(jīng)在嘗試幫助一些客戶通過聯(lián)邦學習的模式，共享AI訓練模型產(chǎn)出的結果。其實相較于數(shù)據(jù)本身，通過AI挖掘潛在的客戶行為預測及洞察，才是對于企業(yè)具有真正的應用價值。當然，聯(lián)邦學習在營銷領域的拓展還處于初級階段，需要客戶之間以及對提供通道的供應商具有高度的信任，因此創(chuàng)略科技目前并沒有在整個客戶體系內去推動聯(lián)邦學習，而是在具有相同客戶交集的企業(yè)之間實現(xiàn)1對1的共享機制——當企業(yè)雙方都對彼此的數(shù)據(jù)洞察有需求時，創(chuàng)略科技就在AI應用場景下建立聯(lián)邦學習通道，幫助企業(yè)實現(xiàn)安全、高效的多維度數(shù)據(jù)洞察。”胡世杰介紹。
數(shù)據(jù)孤島和數(shù)據(jù)隱私正成為大數(shù)據(jù)時代新的挑戰(zhàn)，聯(lián)邦學習作為“數(shù)據(jù)孤島”間的橋梁，必將成為未來AI技術發(fā)展的一個重要方向，最終解決數(shù)據(jù)安全共享的世界性難題，全面激活數(shù)字經(jīng)濟。
