AI（人工智能）落地場(chǎng)景在不斷增多，但賺錢(qián)依舊艱難。

億歐報(bào)告顯示，2018年全年，近90%的人工智能公司處于虧損狀態(tài)，而10%賺錢(qián)的企業(yè)基本是技術(shù)提供商。從談概念、講技術(shù)，到拼場(chǎng)景、搶落地，建立在大數(shù)據(jù)基礎(chǔ)之上的人工智能，仍面臨數(shù)據(jù)本身帶來(lái)的挑戰(zhàn)。

“我們經(jīng)常提及大數(shù)據(jù)，但事實(shí)上我們并不需要那么多的數(shù)據(jù)，AI未來(lái)的一個(gè)趨勢(shì)是小數(shù)據(jù)崛起。”在市北·GMIS2019全球數(shù)據(jù)智能峰會(huì)上，斯坦福大學(xué)教授、Landing.ai創(chuàng)始人、CEO吳恩達(dá)表示。

一個(gè)具體的案例是工廠(chǎng)手機(jī)屏幕劃痕檢測(cè)。目前不少是利用人眼來(lái)檢測(cè)手機(jī)是否存在劃痕，如果擁有100萬(wàn)個(gè)劃痕手機(jī)，AI可以非常高效地識(shí)別手機(jī)劃痕。但現(xiàn)實(shí)情況是沒(méi)有任何工廠(chǎng)會(huì)有幾百萬(wàn)不同劃痕的手機(jī)，這個(gè)時(shí)候小樣本學(xué)習(xí)（fewshotlearning），即利用較少的數(shù)據(jù)得出同樣準(zhǔn)確結(jié)論的人工智能，將有助于推動(dòng)整個(gè)領(lǐng)域的發(fā)展。

小樣本學(xué)習(xí)的迫切性更在于落地過(guò)程面臨的數(shù)據(jù)孤島、數(shù)據(jù)隱私保護(hù)導(dǎo)致的數(shù)據(jù)割裂問(wèn)題，讓AI技術(shù)很難充分發(fā)揮價(jià)值。

“和AI用于比賽需要上千萬(wàn)的圖片訓(xùn)練不同，當(dāng)AI深入行業(yè)我們看到的數(shù)據(jù)往往是小數(shù)據(jù)和細(xì)碎的數(shù)據(jù)，也就是沒(méi)有聯(lián)通起來(lái)的數(shù)據(jù)，再先進(jìn)的AI技術(shù)也很難用上。”國(guó)際人工智能學(xué)會(huì)理事長(zhǎng)、香港科技大學(xué)教授、微眾銀行首席人工智能官楊強(qiáng)說(shuō)道。

今年5月，國(guó)家互聯(lián)網(wǎng)信息辦公室發(fā)布了《數(shù)據(jù)安全管理辦法（征求意見(jiàn)稿）》，提出在中國(guó)境內(nèi)利用網(wǎng)絡(luò)開(kāi)展數(shù)據(jù)、存儲(chǔ)、傳輸、處理、使用等活動(dòng)，以及數(shù)據(jù)安全的保護(hù)和監(jiān)督管理意見(jiàn)。

楊強(qiáng)認(rèn)為“中國(guó)版GDPR（通用數(shù)據(jù)保護(hù)條例）”即將到來(lái)，數(shù)據(jù)隱私在走向嚴(yán)格化、全面化，這使得企業(yè)在實(shí)際應(yīng)用中可以使用的數(shù)據(jù)維度和范圍并不大。數(shù)據(jù)隱私保護(hù)的趨嚴(yán)，為人工智能技術(shù)升級(jí)提供了契機(jī)。

以保險(xiǎn)行業(yè)利用AI進(jìn)行個(gè)性化定價(jià)為例，背后需要業(yè)務(wù)數(shù)據(jù)和用戶(hù)互聯(lián)網(wǎng)行為數(shù)據(jù)融合，理想的狀態(tài)是可以拿到非常豐富的用戶(hù)畫(huà)像，與用戶(hù)的ID高度匹配，但實(shí)際情況迫于隱私、安全、法規(guī)等原因，企業(yè)可以應(yīng)用的數(shù)據(jù)是非常有限的。

再例如在小微企業(yè)貸款應(yīng)用方面，AI需要引入票據(jù)數(shù)據(jù)、資產(chǎn)數(shù)據(jù)、輿情數(shù)據(jù)等，但由于數(shù)據(jù)的割裂，實(shí)際應(yīng)用中只能使用一些政府的數(shù)據(jù)，例如央行的征信報(bào)告，但這些報(bào)告只能覆蓋不到10%的人群。這一問(wèn)題在醫(yī)療領(lǐng)域更為明顯，不同醫(yī)院的醫(yī)療影像數(shù)據(jù)很難匯聚到一起，形成大數(shù)據(jù)來(lái)訓(xùn)練一個(gè)醫(yī)療模型。

針對(duì)數(shù)據(jù)割裂帶來(lái)的人工智能落地難問(wèn)題，楊強(qiáng)提出了聯(lián)邦學(xué)習(xí)。所謂聯(lián)邦學(xué)習(xí)，是多個(gè)數(shù)據(jù)方之間組成一個(gè)聯(lián)盟，共同參與到全局建模的建設(shè)中，各方之間在保護(hù)數(shù)據(jù)隱私和模型參數(shù)基礎(chǔ)上，僅共享模型加密后的參數(shù)，讓共享模型達(dá)到更優(yōu)的效果。

據(jù)楊強(qiáng)介紹，聯(lián)邦學(xué)習(xí)分為橫向聯(lián)邦和縱向聯(lián)邦，橫向聯(lián)邦是指企業(yè)各方數(shù)據(jù)維度相同、ID維度不同，更多存在于消費(fèi)者應(yīng)用中；縱向聯(lián)邦是指企業(yè)各方數(shù)據(jù)的ID維度相同（樣本重疊）、數(shù)據(jù)維度不同，更多存在于B端應(yīng)用。