科学资助者应建立一个由独立研究人员和大学组成的网络,致力于解决 PET 在安全、伙伴关系和透明度应用方面的挑战。他们可以让私营部门(例如云提供商和社交媒体平台)参与设计挑战,并通过国际合作制定标准、指导和监管。迄今为止,示范性项目包括由英国数据伦理与创新中心 (CDEI) 和美国白宫科技政策办公室牵头的英美 PET 奖挑战赛;由英国研究与创新局资助的数字安全设计挑战赛 14;Data.org Epiverse 挑战赛资金征集;以及法国数据保护机构关于数字健康和 GDPR 15 的沙盒。
人工智能在现实应用中的挑战 人工智能在现实应用中需要克服许多挑战。例如,与实验室中人工智能的有限开发相反,现实世界的应用可能使用无限数量的假设,同时依赖移动或边缘计算形式的有限计算资源。现实世界的数据供应有限,并且在这种“小数据”上训练人工智能可能需要标记数据,而这很昂贵。目前趋势是使用所谓的“小数据”而不是大数据来构建较小的人工智能模型,因为许多现实世界的问题都是“小数据”问题。这需要元学习和多任务处理——以使用来自直接问题之外的知识为中心。生成模型在小数据上具有很好的泛化能力,并且比其他形式的深度学习提供更好的可解释性和可靠性。
