(網(wǎng)經(jīng)社訊)人工智能的發(fā)展經(jīng)歷了2016 年AlphaGo 打敗人類后的狂熱、2018 年由于實(shí)際落地困難帶來的失望、2019 年Deepfake
假視頻等倫理問題顯現(xiàn)，過去一年開始進(jìn)入穩(wěn)步落地階段。在全球抗疫的大背景下，我們看到，醫(yī)療影像輔助診斷、服務(wù)機(jī)器人、新藥開發(fā)等AI
在醫(yī)療場景的應(yīng)用未來有望加速。與此同時(shí)，隨著健康碼等聯(lián)系人追蹤應(yīng)用的普及，以及國家明確數(shù)據(jù)成為數(shù)字經(jīng)濟(jì)時(shí)代生產(chǎn)要素，如何規(guī)范和促進(jìn)數(shù)據(jù)使用成為發(fā)展人工智能的重要課題。我們認(rèn)為，除了加速大數(shù)據(jù)立法以外，聯(lián)邦學(xué)習(xí)、隱私計(jì)算等技術(shù)手段的普及也是加速后疫情時(shí)代人工智能發(fā)展的重要一環(huán)。
理由
AI 投資向中后期轉(zhuǎn)移，或?qū)⒂瓉砩鲜谐?。隨著AI 技術(shù)和商業(yè)模式的逐漸成熟，我們看到2017 年以來中國AI
行業(yè)私募股權(quán)投資中，早期投資頻次比例逐年下降、中后期投資比例則逐步提升，同時(shí)投資開始向頭部的成熟企業(yè)集中，投資顆粒度不斷變大。整體來看，資金主要投向計(jì)算機(jī)視覺、自然語言處理等技術(shù)，以及企業(yè)服務(wù)、機(jī)器人等應(yīng)用場景。而2019
年以來，我們看到AI 投資更加關(guān)注芯片、服務(wù)機(jī)器人等硬件，以及企業(yè)數(shù)字化轉(zhuǎn)型、工業(yè)互聯(lián)網(wǎng)、零售等新場景。我們相信，隨著科創(chuàng)板改革的深化，AI
企業(yè)上市融資的政策條件已趨于成熟，AI 公司或?qū)⒃诓痪玫膶碛瓉砩鲜谐薄?br/>
后疫情時(shí)代，AI+醫(yī)療有望迎來大發(fā)展。疫情期間，我們看到AI
已經(jīng)在診前、診中、診后全階段中發(fā)揮重要作用：1）診前：紅外測溫儀高效篩查體溫異常者、機(jī)器人外呼篩查；2）診中：影像輔助診斷；3）診后：健康碼及接觸者追蹤、智能機(jī)器人與無人配送車等。由于人臉識(shí)別、語音識(shí)別技術(shù)已經(jīng)相對(duì)成熟，紅外測溫儀、機(jī)器人外呼篩查、接觸者追蹤等應(yīng)用已經(jīng)較為完善，大幅提高了疾病的早期篩查效率。而影像輔助診斷、無人配送車等醫(yī)療/無人駕駛相關(guān)應(yīng)用，由于涉及安全、數(shù)據(jù)所有權(quán)、隱私等問題，過去發(fā)展一直較為緩慢，在本次疫情的推動(dòng)下也取得了一定的進(jìn)展。此外，新冠疫情也暴露出人類長期處于新型疾病威脅中的問題，AI
能在新藥研發(fā)中幫助提高效率、降低成本，具有廣闊的發(fā)展前景。我們認(rèn)為，在后疫情時(shí)代，AI+醫(yī)療有望迎來大發(fā)展。
健康碼再引隱私與效率討論，數(shù)據(jù)治理成為國際共識(shí)。2019 年Deepfake 假視頻大量出現(xiàn)以來，AI
可能造成的負(fù)面影響廣受社會(huì)各界關(guān)注。而疫情中健康碼的普及、人臉識(shí)別技術(shù)被濫用的擔(dān)憂，再次引起數(shù)據(jù)隱私保護(hù)問題的廣泛關(guān)注。過去一年，中國首次將“數(shù)據(jù)”定位上升至生產(chǎn)要素，提出加快培育數(shù)據(jù)要素市場，并開始加速大數(shù)據(jù)立法工作；此外，美、歐監(jiān)管機(jī)構(gòu)，以及谷歌、微軟等頭部科技企業(yè)都陸續(xù)提出AI
技術(shù)發(fā)展的規(guī)范性指南。目前，舊金山、奧克蘭等部分美國城市已經(jīng)全面禁止人臉識(shí)別技術(shù)，全球?qū)I 技術(shù)可以應(yīng)用的邊界出現(xiàn)了一定的差異。AI
是新基建中重要的新技術(shù)基礎(chǔ)設(shè)施之一，我們認(rèn)為，制定一個(gè)適應(yīng)AI 技術(shù)發(fā)展的法律和倫理框架，是當(dāng)前要?jiǎng)?wù)之一。
聯(lián)邦學(xué)習(xí)和隱私計(jì)算是保護(hù)數(shù)據(jù)隱私和解決數(shù)據(jù)孤島問題的重要技術(shù)手段。目前制約人工智能發(fā)展的一個(gè)瓶頸是保護(hù)用戶數(shù)據(jù)隱私和打破不同主體之間數(shù)據(jù)孤島的問題。聯(lián)邦學(xué)習(xí)（Federated
Learning）可以在多個(gè)主體間不直接共享數(shù)據(jù)的情況下，實(shí)現(xiàn)模型的合作開發(fā)，我們認(rèn)為其有望成為解決數(shù)據(jù)隱私和數(shù)據(jù)孤島問題的可行解之一，而隱私計(jì)算則為聯(lián)邦學(xué)習(xí)提供安全保護(hù)。我們認(rèn)為，聯(lián)邦學(xué)習(xí)+隱私計(jì)算可能成為繼機(jī)器學(xué)習(xí)和深度學(xué)習(xí)之后的下一代關(guān)鍵AI
技術(shù)。
風(fēng)險(xiǎn)
AI 監(jiān)管風(fēng)險(xiǎn)；AI+醫(yī)療落地不及預(yù)期。
