大数据时代，每个人都与“数据”息息相关。今天，人工智能在大数据的基础上赋能百业，打造了数字经济的新引擎，推进人类文明迈上新台阶。虽然公众对人工智能接受程度越来越高，但其应用中存在的风险问题，让全社会迫切地需要AI技术更加“可靠”。
如何更好地让AI技术为人所用？如何如何让数据在安全环境下被合理地开发和利用？12月14日，京东探索研究院的算法科学家何凤翔，中国信息通信研究院华东分院人工智能与大数据事业部主任陈俊琰，华控清交信息科技（北京）有限公司标准负责人、战略总监王云河在“谈云说AI”技术产业沙龙首季第一期的现场，深度探讨了“如何平衡好AI技术的可信与可用”，为可信AI的发展出谋划策。
可信AI的两大瓶颈：算法安全和数据保护
在专家看来，无论是目前常见的个性化推送、个人信息诱导上传还是未来有望大规模应用的自动驾驶、智能诊疗，这些人工智能应用的背后都涉及到“算法安全”这个核心问题。
当下，机器学习模型大多仍然是“黑盒模型”，简单地解释就是，很多时候可以拿来用，但具体原理并不十分清楚，即缺乏足够的“可解释性”。
何凤翔认为，如果我们不太了解算法背后的机制，就很难预测人工智能的风险从哪里来、风险机制怎么样、尺度如何。“我们不太能管理风险，这样AI算法就很难被用在关键领域中，包括医疗诊断、自动驾驶这种人命关天的行业。所以打破AI技术现今固有的黑盒模式，算法方面的突破是关键。我们需要深刻理解算法，然后在此基础上设计出可以被信赖的算法，才能够更好应对应用风险。”
王云河则表示，算法模型的训练和优化，离不开可追溯的数据。数据通过流通共享与协同计算，能更好地释放其价值。但隐私保护、数据合规等监管要求，让数据拥有方陷入“不愿共享、不敢共享、不能共享”的困境，而“多方安全计算”或许有可能成为解决数据获取和应用困境的突破口，即在保护数据本身不对外泄露的前提下，实现数据分析计算的一类技术集合，具备“可用不可见，可控可计量”的特点。
“可用不可见，是指在相关法律要求下，数据对使用者是不可见的，以确保对用户的安全性；可控可计量，是在不能明文的基础上，建立多方信任机制。参与进来的机构、个人，身份要统一管理，要对数据和模型合规性进行审核，再让多方对此达成一致执行，也就是计算合约，以控制计算用量。”
在实现数据的保护性利用后，进一步解决的是数据溯源问题。王云河认为，在计算的过程中加上存证、区块链技术等，有助于在发现模型造成了一些社会的恶劣影响时，找到记录和数据源头。“用这项技术解决模型有没有问题，数据是不是合法，数据有没有被“投毒”等隐患，帮助AI 打造安全底座。”。
打造可信AI的生态空间 需要标准先行
面对AI的信任危机问题，各界始终在探寻解决之道。陈俊琰分享了近年来国际上可信AI的相关政策或者是标准落地情况。
国际上主要是以指南及法案的形式对人工智能的可信度进行规范，例如2018年《可信人工智能伦理指南草案》的发布、2019年《可信赖人工智能道德准则》、2021年的《欧盟人工智能法案》等。也有在标准制定上的探索，构建人工智能管理框架，对可信AI进行监管，以提升信赖度。例如今年发布的《关于识别和管理人工智能歧视的标准提案》、《人工智能风险管理框架》等。
“宏观来看，国外的可信AI做到了法规和标准先行，但也存在不够灵活，容易产生‘一刀切’的问题。”陈俊琰表示。
相比之下，我国在可信AI建设方面，正在从政策、生态、法律、标准制定等方面综合发力。《国家新一代人工智能标准体系建设指南》、《促进可信人工智能发展倡议》等文件的出台，除了监管部门的通力合作，信通院、京东为代表的企业界、人工智能产业发展联盟、人工智能治理与可信委员会等，都在努力推进行业倡议、标准研制等。
何凤翔介绍，在可信AI的技术攻关和标准研制方面，京东探索研究院和信通院白皮书的思路一脉相承，从四个方面做可信AI方面的研究，即稳定性、可解释性、隐私保护、公平性。他表示：“我们从基础理论出发来研究最前沿的问题，从这些理论问题、理论结果出发，设计新的可被信赖的全新AI算法，再尝试把这些AI算法应用到产品中去，完成技术的最终落地。”
沙龙现场，专家一致认为，人工智能需要在技术和标准的共同努力下演进。相比之下，标准是“1”，而技术是后面的“0”，不可本末倒置。
“未来，我们需要进一步加强人工智能法制和标准体系的建设。需要类似信通院、京东等产业界、企业界的力量参与开展可信AI的评测工作，形成比较完善的可信AI的评测体系。同时，可信AI的人工智能生态打造，不仅不会限制我们人工智能的发展，反而有利于供给侧和需求侧的互相信任。”陈俊琰说。
