2023年AI更冷还是更热？数据要素成焦点，三大前沿趋势透析( 二 ) 智东西作者|李水青编辑|漠影刚

比如AI模型可解释性的缺乏限制了AI独立应用，系统如何在使用数据的同时保护用户隐私， AI系统如何避免不稳定性带来的安全问题等，这些问题在近年来尤其凸显，《新一代人工智能治理原则》、《人工智能算法金融应用评价规范》《关于加强科技伦理治理的意见》等规范和标准相继发布。
【2023年AI更冷还是更热？数据要素成焦点，三大前沿趋势透析】进入2022年，东数西算、“数据二十条”、数据安全法及个人信息保护法等政策制度的推出，全国多家数据交易所落成，让数据生产要素的地位凸显，数据交易和应用有望迎来规模化阶段。可信AI技术，是促进数据智能产业规模化的前提和保障。
为实现“数据-AI模型-业务”全链路的可信，星环科技提出了一种通用的可信AI治理框架T-DACM 。杨一帆对智东西解读道，这一领域具有“短板效应” ，任意一个数据处理环节出问题都会导致最终模型不可信。
为此， T-DACM框架覆盖了AI开发应用的全流程，从可信数据（TrustedData）、可信算法（TrustedAlgorithm）、可信计算（TrustedComputation）、可信管理（TrustedManagement）四个层面，覆盖了数据安全、模型安全、隐私保护、风险控制、过程管理、可解释性、公平伦理、追溯追责等AI热点问题的解决方法。

文章图片
杨一帆谈道， T-DACM框架能有效提升模型精度、解决模型黑盒问题。比如，在某银行授信系统案例中，据称该方案助其模型精度提升至99.2% ，失联用户率降低至0.4% ，并通过引入模型可解释模块解决了客户评分差异无法解释等问题。
不过值得一提的是，从当前产业发展进程来看， AI模型的黑盒仍未完全解开。因此，可信AI治理发展任重道远，需要产业继续完善可信AI框架并在实际场景中迭代升级。
三、数据流水线成熟， AI开发运维一体化
开发运维一体化，是2022年AI行业发展的另一大趋势。
用数据科学赋能产业，说白了，就是通过数据特征提取、AI模型构建提供分析服务，来促进业务降本增效、提升体验。近年来，随着数据和模型种类变多，散落在企业多个部门的管理和运维成本也在变高，面临一系列挑战。
对此，杨一帆认为，面向数据科学全流水线的转型正成为一大新趋势，数字化转型的客户需要开发运维一体化。
面向AI落地，星环科技推出了企业级AI能力运营平台SophonMLOps ，围绕企业AI模型接入、运营管理、持续训练的全生命周期，分别提供规模化集成管理、高效模型推理、模型监控预警、模型性能评估、隐私安全保障等功能；同时，面向大数据开发，星环科技通过TDS（TranswarpDataStudio ，星环大数据开发工具）提供DataOps能力；面向软件开发，星环科技通过TDC（TranswarpDataCloud ，星环数据云平台）提供DevOps和数据云服务能力。

文章图片
杨一帆说， DevOps提供了一个开发集成的底座， DataOps提供了一个数据不停地集成开发的前提， MLOps进行AI数据分析方向的持续提升的使命。
通过将数据智能多个环节能力“连珠成链” ，意味着产业流水线进一步走向成熟。可以预测，以星环科技为代表企业提出的全流程化的数据智能平台如果深入实践落地，有望促进产业生产力大大释放。
结语：AI落地进入深水区，数据要素重要性凸显
数据智能成为AI落地深水区的一大新焦点，通过对话星环科技技术VP杨一帆，我们进一步透析了数据智能所面临的多模态数据分析、可信AI、开发运维一体化几大发展趋势。