回望AI的發展歷程，我們可以清晰地捕捉到幾個關鍵的節點。AI 1.0沒有學習能力，無法處理不確定性問題。其後令AI漸入佳境的，則源於由深度學習所觸發的AI第二波浪潮即AI2.0。互聯網、移動互聯網等所產生的海量數據，給機器提供了學習、挖掘和試錯的對象。
但伴隨此而生的問題是目前的深度學習過於依賴大數據，在一些小數據量的場景下，深度學習效果會非常有限。真正的AI應該像人類大腦那樣，通過“小數據”也能進行自我學習，這也是走向AI3.0時代必須要直面解決的命題。
究竟該如何在保證AI模型能力的前提下，大幅度減少所需花費的數據量，打通AI”任督二脈“呢？8月25日，同盾科技合夥人兼人工智能研究院院長李曉林教授，作為國際上最早將雲計算、大數據、大規模深度學習、物聯網研究貫穿一體的行業執牛耳者，在SIGKDD·SDBD2020 第二屆智能數據和區塊鏈應用國際研討會上帶來《知識聯邦：用“小數據”實現“大智能”》的專題分享，提出了他的解決方案。
1
信息化革命之後，AI3.0呼之欲出
第三次的工業革命是信息化並且這場革命將持續70年。那到了2040年時，下一代的工業革命將是什麼呢？李曉林教授認為是認知化所驅動的。例如在50年代初AI1.0萌芽期，出現了第一代計算平臺大型機，可惜並不成功。第二代計算平臺在80年代經過了30年的進化和演變，部分已經可以落地應用。第三代計算平臺，例如 SMAC（social,mobile，analytics，cloud）雲計算大數據平臺，也就是所謂的的 AI2.0，也經歷了30年。那麼下一次的計算平臺是什麼呢？李曉林教授稱，大約30年之後，在2040年將推出AI3.0，將可實現儲備更多知識，並且能夠做出更加複雜、自主化的智能決策，這也對“數據使用”提出了更高的要求。
2
衝破數據孤島，知識聯邦用“小數據”實現“大智能”
當前大背景下，數據孤島是制約AI發展的重要阻礙，公司內部和子公司的部門之間存在很多數據壁壘。不同機構之間的壁壘問題更甚。與此同時，隱私暴露或者數據洩露亦是當下面臨的十分嚴重的社會問題，並且大有成為監管“重災區”之勢。比如臉書（facebook）曾在歐盟因數據洩露遭受巨大罰款。李曉林教授表示：消除各行業的數據孤島，創新模式讓數據協作是未來的趨勢，而在此之間，知識聯邦可以發揮重要作用。
李曉林強調：知識聯邦不是一種單一的技術方法，是一套理論框架體系，是人工智能、大數據、密碼學等幾個領域交叉融合的產物，使其可以以更合規的方式來打破數據孤島，在利用數據的同時，做到保護數據隱私。知識聯邦的目標就是打造數據安全的人工智能生態，通過數據安全交換協議來有效利用多方的數據，進行知識共創、共享和推理，實現數據可用不可見。
知識聯邦結構分為4層，信息層、模型層、認知層和知識層。信息層包括了技術安全查詢，模型層包括很多模型，如線性模型、樹模型，一些常用的金融模型和深度學習模型，認知層是有遷移學習跨媒體表達和基層學習等等。
知識層包括知識推理、知識融合，圖神經網絡和知識表達、知識發現。底層包括了密碼學，安全的分佈式通信，計算機網絡，分佈式機器學習、深度學習和強化學習等；數據方面則包括了跨樣本、跨特徵、複合型聯盟；功能上包括聯邦共享、聯盟計算、聯邦學習、聯邦預測、聯邦推理。上面應用場景覆蓋了智慧金融、智能金融、智能醫療、智能政務、智能智慧城市、智慧教育等。
李曉林指出：知識聯邦的核心理念就是”數據可用不可見，知識可創可共享“，MIT曾有一篇文章說到，“根據梯度的更新，可以反推出原始數據。”但這個問題在知識聯邦模型中是不存在的。知識聯邦是在密文空間的梯度上面做聚合，所以是屬於安全的，未來，同盾科技也希望跟各界同仁一起打造標準化的交換協議。
3
知識聯邦如何應用至實際場景？
談及知識聯邦的場景應用，李曉林教授以金融反欺詐、疫情預報、艾滋病防控等為例，重點介紹到：知識聯邦可以打破數據孤島，把認知層給提取出來，認知層提取出來之後，再通過加密的手段與第三方做一些融合。通過使用一些遷移方式，或者原協議的方式，從而將各個機構的數據壁壘打破，達到聯防聯控的效果，這樣便可運用至反欺詐，或者做企業徵信。比如說一個小微企業，它信息非常有限，那麼它有可能有一些關聯交易或者關聯公司，企業主以及他的社交關係，社交網絡、社會活動等等這些信息都能夠串聯利用起來，這些知識圖譜組合起來，可以更有效的判斷企業的信用情況。
我們再看知識聯邦在此次新冠疫情（Covid-19）大環境下的應用，李曉林表示：同盾科技以知識聯邦為基礎的疫情預報系統能做到像天氣預報一樣去預測未來幾天實際病例的情況。此前，該模型預估的復工時間也相當準確。基於知識層的解決方案，同盾科技可以做到預報艾滋病的傳染路徑。艾滋病本身也很私密，很多病友通過一些社交關係去看病的醫院，診療數據都十分私密，而這個私密性所導致的結果非常難預報，導致艾滋病一爆發就難以控制了。那麼這時候知識聯邦就能夠通過時空人群的流動，時空演變的去可視化以及通過知識圖譜、社交網絡、人際關係來做一些判斷，甚至大眾在社交網絡上的一些活動和信息都可以傳達出來。甚至通過這個知識層，可以預測基因的一些變化。因為傳染艾滋之後，它的基因會有所變化。如果將這個基因突破變化的過程結合起來，將會得到相當準確的判斷。
文章所載觀點僅代表作者本人
且不構成投資建議
敬請注意投資風險
