打破数据孤岛

良性循环就此建设，李晓林说，常识联邦的应用范围，也将不再局限于某一个行业，而是有可能成为贯通各行各业的开放的智能大脑。

姚期智提出用“多方安详计算”方式来处置惩罚惩罚这一问题。此刻的人工智能领域，正面临相似的窘境，人工智能的开展提高，离不开大数据，但大家对数据界限越发器重，又不愿数据分开本地。

这是他率领钻研院搭档们提出的实践体系，希望一种更安详的方式，操作好现有数据，搭建一个开放的智能大脑，最终鞭策人工智能3.0时代的到来。

当年冬天的网易将来大会上，同盾初度提出常识联邦概念，它不是单一技术方法，而是一套条理化技术框架体系：将散落于差异机构或个人的数据结合起来，转换成有价值的常识，并在结合过程中接纳安详协议护卫数据隐私。

只管已经分开讲台，李晓林身上仍留着些许象牙塔内的陈迹。

开放智能大脑浮出水面

2018年5月25日，欧盟《通用数据护卫条例》（GDPR）正式生效，这个堪称目前世界范围内最严格的用户数据护卫条款，允许用户对本人数据领有完全自主的势力。而美国和中国正在制定相似的隐私和安详法案。

AI 2.0的快捷开展，主要依靠三个因素：算法、算力和大数据。深度进修提供算法，CPU和GPU提供算力，信息社会则贮存和提供足够的数据。

上世纪90年代，李晓林在浙大读书时，人工智能尚是冷门专业。机器进修课堂上只要五六个学生，藏书楼里的质料大多是过期的油印本。此刻的机器进修课堂，500人的教室每每坐满，课上提出实践，课后以至可以即时做出样品，股票配资，一个学期的作业就可以做出自动驾驶的原型，行业应用一直创新。

协议暗地里，藏着李晓林和同盾对将来的野心。在李晓林看来，将来必定不会只要常识联邦一个联邦平台存在。

要在多方合作中占据一席之地，无疑必要具备共同劣势。李晓林指出，常识联邦比联邦进修的范畴更大、更系统，更有条理，“联邦进修是常识联邦的一个子集。”

李晓林说：“在常识联邦的形式下，模型训练时每个银行和金融机构，各自的数据不需对外输出，以至连模型的参数都不用给到对方，只必要将模型梯度的变革加密后在密文空间里安详的聚合。这样攻击者不能反推出源数据。”

届时，常识联邦可以充裕阐扬平台作用，对参预机构提供的数据，以及科技机构提供的模型和应用停止评估，将数据作为消费质料的价值阐扬到最大。

搭建数字技术生态

常识联邦作为一套技术框架体系，与联邦进修、区块链、隐私计算、安详多方计算等其它技术领域都严密相关。这些单一技术，在常识联邦的差异层面各自阐扬作用，独特效劳于数据“可用不偏见”的大目的。

这一实践提出后开展迅速，已经发展为国内联邦进修五大代表流派之一。

上世纪80年代，中国人工智能专家姚期智曾提出过“百万财主”如果：两个百万财主在街头相遇，他们想知道谁更有钱，但是出于隐私，又不想让对方知道本人到底领有多少产业。

李晓林举例，谷歌的AlphaGo之所以能实现快捷进化，配资，便在于它一共进修了3000万盘已有的棋局，本人跟本人又下了3000万盘。

之前，他是学界精英，佛罗里达大学终身教授；如今，他是同盾科技人工智能钻研院的院长。平常与人交谈时，他语言温和，但一旦波及专业问题时，立刻进入学者气场。

这一切都让李晓林觉得，人工智能的下一个时代或许加速到来，在这此中，一定将有常识联邦的身影。

一旦参预机构(数据提供者)足够多，联邦规模足够大，数据多样性就有保障，也就会有更多机构(数据使用者)乐意来使用联邦效劳，也会有更多科技型机构(模型和应用开发者)来提供丰硕的算法、模型和应用。

2017年，为保障数据替换时的信息安详，护卫个人隐私，谷歌公司的科学家在一篇文章里初度提出联邦进修概念。实践提出后不久，国内各互联网公司纷纷搭建团队，投入相关钻研。

基于常识联邦实践体系，最好的股票配资网，同盾科技推出了工业级应用产品智邦平台（iBond），通过建设相应的任务联盟，处置惩罚惩罚差异应用场景需求。

只管已经分开讲台，李晓林身上仍留着些许象牙塔内的陈迹。 之前，他是学界精英，佛罗里达大学终身教授；如今，他是同盾科技人工智能钻研院的院长。平常与人交谈时，他语言温和，但一旦波及专业问题时，立刻进入学者气 ...

依据国内媒体统计，目前联邦进修在国内已经造成“五大流派”，别离是微众银行主打的联邦进修，蚂蚁金服主攻的共享智能，安然科技的联邦智能，京东数科成长的异步联邦进修钻研，以及同盾科技推出的常识联邦实践体系。

李晓林说，硅谷的合作速度更像是古代战场：你来一剑，我捅一刀，大家排兵排阵仓皇打。而在中国，“根本是赤膊角斗，相当剧烈”。

第三是常识也可以安详的共享交融。好比参预方通过NLP构建本地的常识图谱和各种网络节点的关系，再通过常识联邦来构建更完好的虚拟图谱，这样既能协助识别欺诈团伙，又能提升企业征信的风控模型。人工的常识也可以融入此中(human in the loop)，自主自适应的构建和交融多源常识，提炼出最有效的洞见来做智能剖析与决策。

同盾发布的常识联邦白皮书显示，常识联邦具有三大劣势：第一是全样本触达。联邦后机构间的数据，尽管各自为所有者控制，由于可以触达更多的数据，其性能以至会跨越维度有限数据的中心化汇集方式。

而数据带来的隐私露出或数据泄露，使得增强护卫数据安详和隐私护卫，成为各国政府的独特选择。

这些现象都预示着，AI 2.0时代，似乎即将因为数据孤岛与数据安详，陷入双重窘境。在同盾科技所在的金融科技领域，这一问题尤为重要。银行等金融机构，迫切想要进步风控程度，却又对数据安详极端垂青，以至将其作为立身之本。

这种依靠海量数据训练的人工智能形式，经过初期横蛮开展后，正面临无数据可用的窘境。

第二是数据不动模型动。联邦后的原始数据生存在本地，计算和进修也发生在本地，中心节点仅对参预方模型常识停止安详的汇集。弱中心化形式达成了效率和安详之间的均衡，尤其合适在强监管行业应用。对银行等金融机构来说，常识联邦的应用前景尤为广大。

在2020年10月举办的全球人工智能大会智能金融顶峰论坛上，同盾结合浙江大学、复旦大学、百度大数据尝试室、360集团、安然科技、等学界业界等多家顶尖机形创立“常识联邦产学研联盟”，旨在实现数据安详前提下，独特构建优异数字技术生态。

2019年春天，李晓林加盟同盾科技后，出任合伙人、人工智能钻研院院长，试图通过“常识联邦”技术，来处置惩罚惩罚这一问题。

在李晓林教授看来，这是AI 2.0时代必必要处置惩罚惩罚的窘境。他认为，我们当下经验的人工智能热潮，崛起于21世纪第二个十年初期，属于AI 2.0时代，依托于深度进修实践。

2020年11月，同盾人工智能钻研院发布常识联邦技术体系下的数据安详替换(FLEX)协议，并于12月将其开源。该协议中包孕一系列的约定，只有恪守这些约定，参预方就可以安详地参与到联邦，无需担忧数据隐私会有泄漏风险，片面实现数据可用不偏见。

行业必要一套完好的联邦数据安详替换规范，让各个参预方在选择使用联邦平台时有规可依，只有遵循相应规范，差异体系之间同样可以实现数据替换，常识互通。

李晓林将其称之为电商式的平台，参预方在数据可用不偏见的安详环境中，停止数据、模型应用的替换，以至可以在区块链等技术的保障下停止自由交易。而常识联邦作为平台方，可以对参预方奉献出的数据和模型评分。

在谈及常识联邦相关话题时，这种转变尤为鲜亮。

原来主要来自两个方面，首先是数据不敷，领有海量数据的往往只要少数行业，最好的股票配资网，大大都领域的数据往往有限，或者数据质量较差。其次则是“数据孤岛”和数据安详使得数据共享越发艰难。数据在差异公司间，以至同一家公司内部，配资网，都难以实现无障碍活动。

李晓林认为，依照目前人工智能开展态势，2040年前后，人工智能将步入3.0时代，除数据、算力、算法三要素之外，常识要素将成为第四要素。