8月25日，SIGKDD·SDBD2020 第二屆智能數(shù)據(jù)和區(qū)塊鏈應(yīng)用國(guó)際研討會(huì)在線召開，在數(shù)據(jù)經(jīng)濟(jì)大背景下探討數(shù)據(jù)治理與共享之道。

ACM SIGKDD2020（知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘會(huì)議）是一年一度全球最頂級(jí)、最高水平、最具影響力的數(shù)據(jù)科學(xué)盛會(huì)，本次SDBD國(guó)際研討會(huì)作為KDD大會(huì)中聚焦智能數(shù)據(jù)和區(qū)塊鏈等新興技術(shù)的專場(chǎng)Workshop，由新加坡管理大學(xué)及算力智庫共同舉辦。

算力智庫創(chuàng)始人燕麗表示：“今年國(guó)家把數(shù)據(jù)提到生產(chǎn)要素的高度，標(biāo)志著行業(yè)風(fēng)口的到來。算力智庫一直在跟蹤智能數(shù)據(jù)、隱私計(jì)算和區(qū)塊鏈賽道中的好公司、好應(yīng)用，希望通過第一手原創(chuàng)深度報(bào)道和研報(bào)推進(jìn)產(chǎn)業(yè)與生態(tài)的發(fā)展�！�

會(huì)上，來自全球的學(xué)界與產(chǎn)業(yè)界專家從數(shù)據(jù)作為資產(chǎn)的維度探討了前沿科技賦能數(shù)據(jù)共享的最新實(shí)踐，并倡導(dǎo)“技術(shù)＋制度”雙軌并行充分挖掘數(shù)據(jù)要素的更大價(jià)值。

1數(shù)據(jù)治理是數(shù)字經(jīng)濟(jì)前提

人工智能、區(qū)塊鏈等科技讓數(shù)據(jù)成為了智慧數(shù)據(jù)，但所謂數(shù)據(jù)經(jīng)濟(jì)則不止于智慧數(shù)據(jù)。新加坡管理大學(xué)教授朱飛達(dá)認(rèn)為，在談?wù)摽萍既绾巫寯?shù)據(jù)變得“可計(jì)算”之前，還必須認(rèn)識(shí)到一個(gè)前提——數(shù)據(jù)是資產(chǎn)，數(shù)據(jù)需要治理。

然而即便是這樣一個(gè)大前提，人類也花費(fèi)了很長(zhǎng)時(shí)間才認(rèn)識(shí)到。朱飛達(dá)教授表示，數(shù)據(jù)經(jīng)濟(jì)歷經(jīng)了三個(gè)階段。第一階段數(shù)據(jù)只是商業(yè)活動(dòng)的副產(chǎn)品，人們更多用數(shù)據(jù)來理解過去。第二階段是大數(shù)據(jù)與數(shù)據(jù)經(jīng)濟(jì)的興起，在這一階段數(shù)據(jù)被少部分企業(yè)壟斷而得利。第三階段則是數(shù)據(jù)驅(qū)動(dòng)經(jīng)濟(jì)，數(shù)據(jù)成為了驅(qū)動(dòng)所有機(jī)構(gòu)組織的共享資產(chǎn)。

翼方健數(shù)（BaseBit．a(chǎn)i） CEO羅震認(rèn)為，從信息時(shí)代到智能時(shí)代，數(shù)據(jù)正在更多被機(jī)器和計(jì)算程序使用，也讓機(jī)器更加智能化。作為信息時(shí)代的遺留物，數(shù)據(jù)具有獨(dú)特的經(jīng)濟(jì)學(xué)特征，如虛擬可再利用、固定成本高、可變成本低，同時(shí)也在隱私、合規(guī)、機(jī)密、安全性等非經(jīng)濟(jì)學(xué)維度顯示出鮮明特征。

事實(shí)上，人們?cè)谡J(rèn)識(shí)這些數(shù)據(jù)特性的過程中已經(jīng)付出了代價(jià)，缺乏治理的數(shù)據(jù)泄露案例造成巨大損失。

新加坡國(guó)立大學(xué)副教授何丙勝表示，數(shù)據(jù)泄露已非孤立事件，各行業(yè)都有相關(guān)事件。在教育、醫(yī)藥、能源、健康等領(lǐng)域，每一起數(shù)據(jù)泄露事件造成的平均損失都至少在500萬美元以上。

這些負(fù)面案例不僅承載了巨大的經(jīng)濟(jì)損失，更消耗了整個(gè)社會(huì)對(duì)數(shù)據(jù)共享的意愿和信心，讓本就基礎(chǔ)薄弱的數(shù)據(jù)共享愈加困難。

羅震指出，數(shù)據(jù)本質(zhì)上不能被安全共享，但應(yīng)該在不共享數(shù)據(jù)本身的前提下實(shí)現(xiàn)數(shù)據(jù)價(jià)值共享。

當(dāng)然這就更難，最著名的阻礙就是數(shù)據(jù)孤島。何丙勝教授以醫(yī)院數(shù)據(jù)為例表示，不同的醫(yī)院有不同的病人，但其實(shí)病例有許多相似性。醫(yī)院、銀行、電商，他們各自的數(shù)據(jù)實(shí)際上是分別掌握了相同人群的不同方面。

朱飛達(dá)教授的研究發(fā)現(xiàn)，數(shù)據(jù)生態(tài)系統(tǒng)中存在兩大瓶頸。第一大瓶頸存在于個(gè)人、企業(yè)、政府等不同角色間。第二大瓶頸存在于數(shù)據(jù)、模型和應(yīng)用間。

在個(gè)人與企業(yè)間，用戶作為數(shù)據(jù)的貢獻(xiàn)者不僅被排除在價(jià)值分配之外，對(duì)自身數(shù)據(jù)的認(rèn)知與控制也十分有限，更要承受隱私泄露風(fēng)險(xiǎn)。個(gè)人與政府間則存在隱私與數(shù)據(jù)泄露的擔(dān)憂。政府部門間因制度原因存在“數(shù)據(jù)高墻”，企業(yè)之間數(shù)據(jù)孤島現(xiàn)象普遍，在企業(yè)與政府間數(shù)據(jù)共享缺乏激勵(lì)。

另外，在數(shù)據(jù)端，數(shù)據(jù)來源不明，質(zhì)量差；在模型端，模型的設(shè)計(jì)與訓(xùn)練難以獲取真實(shí)用戶數(shù)據(jù)；在應(yīng)用端，缺少先進(jìn)的模型造成了低層次的數(shù)據(jù)智能。

朱飛達(dá)教授認(rèn)為，問題的根源并不在于數(shù)據(jù)智能本身，而在于數(shù)據(jù)治理。數(shù)據(jù)資產(chǎn)治理的核心要素是信任＋激勵(lì)。其中，信任可以通過聯(lián)邦學(xué)習(xí)、差分隱私、安全多方計(jì)算、TEE等來實(shí)現(xiàn)，而激勵(lì)則通過數(shù)據(jù)定價(jià)、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、通證經(jīng)濟(jì)等來實(shí)現(xiàn)。