巴位元
服務於區塊鏈創新者
當前，人工智慧的火爆程度有目共睹。而人工智慧從1956年概念確立至今，已走過了60餘年時間。為什麼過去幾十年人工智慧都沒有火起來，直到近幾年才開始真正爆發？
最重要的兩個影響因素是：演算法和資料。
人工智慧，顧名思義，即由人工製造出來的系統所產生的智慧，讓機器可以像人一樣思考學習和解決問題。
在第三次人工智慧浪潮之前，傳統人工智慧因受計算力和資料量的限制，並沒有表現出明顯的“智慧”特徵，也未能滿足實際應用需求。直到2006年，Hinton教授提出“深度學習”神經網路使得人工智慧效能獲得突破性進展，加上網際網路及後續移動網際網路、物聯網發展帶來的海量資料，讓人工智慧開始真正邁向“智慧”和落地應用。
AlphaGo擊敗人類棋手，自動駕駛汽車上路試行，智慧家居進入尋常家庭……
而當我們為人工智慧的曙光到來歡呼時，也應意識到：人工智慧的發展也再次遇到了老的問題和新的瓶頸。
資料的積累越來越多，資料的增長速度越來越快，卻出現了越來越多的人工智慧企業無資料可用，越來越多的優秀演算法無資料可訓練的奇怪現象。
一方面因為：隨著資料價值的凸顯和資料洩露事件的頻發，從個人到政府對資料主權和資料隱私保護意識日漸增強，企業不能再像之前一樣肆無忌憚地採集和利用使用者資料。
另一方面：各企業也日益將資料視為各自的核心資產，在資料主權和隱私不能被有效保護的前提下，無論是從維護自身利益角度還是從遵守法律法規角度，都不願將自身資料進行共享利用。
人工智慧的進步需要資料的支撐，資料主權和隱私保護問題如不能有效解決，人工智慧無資料可用的現象會更加嚴重，人工智慧也難以長足發展。
恰恰以MPC（安全多方計算）為代表的隱私計算，給我們解決這一問題帶來了新的路徑。MPC是1982年姚期智院士提出的一個概念，也是PlatON一直重點研發投入和工程化實踐的方向。MPC的最大價值在於：可以在保護資料隱私的前提下，實現資料充分挖掘和共享利用。
在MPC整個計算協議執行過程中，各參與方對自身資料始終擁有控制權，只有計算邏輯公開。計算參與方只需參與計算協議，無需依賴第三方就能完成資料計算，並且各參與方拿到計算結果後也無法推斷出原始資料。
以前文提到的“深度學習”神經網路為例：
“深度學習”神經網路演算法需要來自各方的海量資料進行訓練，包括結構化的文字與資料，非結構化的檔案、圖片、影片、音訊等，這些資料裡可能含有大量敏感隱私資訊。在當前無隱私保護的前提下，很難從不同企業、個人採集到所需資料，同時直接利用這些敏感隱私資料也面臨法律的風險。
而基於PlatON的MPC技術，人工智慧公司可以在不歸集各方資料、不洩露各方隱私的前提下，透過協同計算進行演算法訓練。在保障資料利用合規性的同時，讓企業、個人更樂意共享資料，讓人工智慧更加智慧！
同時，基於PlatON分散式隱私計算網路，可組建人工智慧垂直商業聯盟，讓資料提供方、資料使用方、演算法提供方、算力提供方都可以在不洩露各自核心資料、演算法的情況下，透過評估和獎勵機制聯合進行模型迭代和演算法最佳化，並獲得更多收益。
人工智慧浪潮又起，隱私計算方興未艾，兩者結合帶來的驚喜，值得我們期待。
【今日熱點】快播王欣釋出的社交軟體“馬桶MT”，剛剛上線就被關停，對此你怎麼看？請留下你的觀點。
