AI正加速向下一代演进？人类正迈入算法时代？隐私安全如何保护？

AI正加速向下一代演进？人类正迈入算法时代？隐私安全如何保护？数据价值如何衡量？ 科学峰会 计算机科学：人工智能与大数据

过去30年间，计算机的计算能力提高了100万倍，计算机用的内存规模提高了100万倍，信息通信的速度也提高了100万倍。这三个100万倍成就了过去30年信息技术的高速发展。不过这些都比不上大数据将带来的变革。以前的人工智能是靠人设计出来的，当前的人工智能是从大数据中学习出来的，是习得智能，是过去不能比拟的。要做最好的人工智能研究，一定要有最大的大数据。中国拥有世界上最大的数据量，发展人工智能具有独特的优势。大数据跟相关产业融合起来，将产生巨大的效益。

图源：pixabay

换言之，人工智能与大数据密不可分。随着人工智能的普及与应用，大数据通过不断积累、深度学习与算法的优化，逐渐成为人工智能发展中至关重要的一环。未来，数据技术将与人工智能技术进一步紧密结合，通过机器学习对数据的理解、分析、发现，人们可以获得更为准确、更深入的知识，从而挖掘出数据背后的价值，催生出新的模式与新的业态。

11月26日，2022未来科学大奖周科学峰会期间将举办【计算机科学】人工智能与大数据专题研讨会。届时，由计算机专家、中国工程院院士、鹏城实验室主任、北京大学博雅讲席教授高文领衔，邀请北京大学教授、普林斯顿大学教授、中国科学院院士鄂维南，香港科技大学计算机科学和工程学系讲席教授和前主任、微众银行首席人工智能官杨强，杜克大学教授、加拿大皇家学会院士、加拿大工程院院士裴健，香港科技大学计算机科学与工程系教授陈凯，围绕前沿科学议题展开学术分享与探讨。

算法进步赋能社会发展

人类迈入算法时代

AI的根本目的是让计算机模拟人类的行为和思维，以实现解放人力，提升效率，降低成本。对于AI发展而言，如果说数据是“饲料”，算力是“基础设施”，那么算法可以说是AI发展的背后推手。

在科学研究领域内，基础的物理模型经过近几百年的研究已经成熟，但解决实际问题的瓶颈在于“算法”。因此从50年代开始产生了包括有限元、差分在内的第一代算法，以及80年代产生的多尺度算法，都用来求解基础物理模型，支撑解决实际问题。近年来，以机器学习方法为代表的第三代算法，与物理建模的结合正在改变着科学研究的范式。

值得注意的是，作为大数据、人工智能、区块链等新一代信息技术的核心，算法的突破将推进科学研究的新范式，也是新一代工业制造的关键组成部分。

本次大奖周科学峰会活动中，北京大学教授、普林斯顿大学教授、中国科学院院士鄂维南将以《算法时代》为题，探讨算法创新研究给工业制造、人工智能和科学研究等领域提供的新的发展机会和路径。

图源：pixabay

AI发展的下一站——联邦学习

随着人类社会数字化进程越来越快，产生了大量数据。通过机器学习技术可以自动化地挖掘数据中蕴藏的宝藏，经过大量数据训练出来的机器学习模型已经应用在各类场景中，正在深刻改变着我们的世界，例如精准医疗、临床辅助诊断、新药研发、人像识别、声纹识别、千人千面推荐算法、图片、语音、自然语言等多模态学习。在应用中，模型的精度、泛化能力等至关重要，而这些都赖于机器对大量数据的学习。

然而目前AI的发展过于依赖中心化的数据，虽然这样的数据样本多、质量好，特征丰富且便于处理，但中心化数据并不符合真实世界的数据特征。在真实的世界中，数据是多元化、散落性的，可以说是充满异构性的。同时，受限于法律法规、政策监管、商业机密、个人隐私等数据隐私安全上的约束，多个数据来源方无法直接交换数据，形成“数据孤岛”现象，制约着人工智能模型能力的进一步提高。

图源：pixabay

联邦学习的诞生即是为了解决这一问题。作为一种分布式机器学习框架，联邦学习可以通过在多个拥有本地数据的数据源之间进行分布式模型训练，在不需要交换本地个体或样本数据的前提下，仅通过交换模型参数或中间结果的方式，构建基于虚拟融合数据下的全局模型，从而实现数据隐私保护和数据共享计算的平衡，即“数据可用不可见”、“数据不动模型动”的应用新范式。

本次大奖周科学峰会活动中，香港科技大学计算机科学和工程学系讲席教授和前主任、微众银行首席人工智能官杨强将以《可信联邦学习》为题，系统回顾联邦学习的进展与挑战，结合联邦学习在行业场景中的应用案例，对未来的发展方向给出预测与展望。

机器学习赋能大数据标准化管理

让数据转化为价值

数据科学是一个跨学科领域，它结合了统计学、信息科学和计算机科学的科学方法、系统和过程，通过结构化或非结构化数据提供对现象的洞察。

作为数据科学中的核心问题之一，如何将数据转变为价值一直成为领域中重点关注的议题。在此过程中，就需要植入一个适合的机制，例如一个包含机器学习模型的数据市场。如果说数据是新的“原油”，那么通过数据在数据市场中不断有规律的、程序化的集成、共享、交换，这些“原油”将逐渐转化为价值，并在数据市场中不断增值，从而驱动更多实际应用。

图源：pixabay

除此之外，由于数据共享可以有很多不同的形式，我们很难对它进行统一的规范，数据市场模型则为这种规范提供了可能性，它使得我们有可能实现大规模的数据市场操作的标准化管理，同时也可以有效的保护数据的隐私、安全、质量等。

本次大奖周科学峰会活动中，杜克大学教授、加拿大皇家学会院士、加拿大工程院院士裴健将以《数据市场定价》为题，回顾数据和机器学习模型市场的动机和实践，探讨端到端数据分析和机器学习中的数据定价的关键技术，并特别关注数据定价的模型、公平性和可扩展性。

科学探索永无止境，

人类无限追求真理的过程，

终将改变世界！

30+全球顶尖科研院所

+

9场专题对话研讨

+

30场主题演讲

表观遗传学 | 流体与动力系统

纳米催化与材料 | 人工智能与大数据

天文大设备-大科学 | 气候变化

11月24日-27日

2022未来科学大奖周

与你不见不散！

关注「未来科学论坛」公众号，

点击底部菜单「2022大奖周」

快速查看全部议程