1.1 數(shù)據(jù)資產(chǎn)的重要性

隨著算法的不斷創(chuàng)新、訓(xùn)練數(shù)據(jù)的不斷收集、硬件算力的不斷增強，機器學(xué)習(xí)技術(shù)，特別是深度學(xué)習(xí)技術(shù)（Deep Learning，DL）在人工智能（Artificial Intelligence，AI）應(yīng)用領(lǐng)域取得了巨大的成功^{[232，279，113]}。例如，在圖像識別領(lǐng)域，通過卷積網(wǎng)絡(luò)實現(xiàn)的視覺算法在識別錯誤率上早已超越人類^[128]；在自然語言處理領(lǐng)域，Google在2018年提出的BERT算法^[84]，刷新了自然語言處理的11項紀(jì)錄；在推薦系統(tǒng)領(lǐng)域，YouTube^[75]、Facebook^[216]、Netflix^[112]等科技公司正在使用智能的推薦引擎，通過分析用戶的歷史數(shù)據(jù)，為用戶推薦個性化的內(nèi)容和商品，有效提升用戶的黏性和留存率。

但我們也應(yīng)該注意到，當(dāng)前深度學(xué)習(xí)所取得的成功，無一不是建立在大量數(shù)據(jù)基礎(chǔ)之上的^{[232，279，268]}。圖1-1展示了互聯(lián)網(wǎng)數(shù)據(jù)中心（IDC）對當(dāng)前互聯(lián)網(wǎng)每年產(chǎn)生的數(shù)據(jù)總量的統(tǒng)計預(yù)測^[79]，預(yù)計2021年全球?qū)a(chǎn)生超過50 ZB的數(shù)據(jù)，到2025年更是將達到175 ZB。

圖1-1 互聯(lián)網(wǎng)數(shù)據(jù)中心（IDC）對互聯(lián)網(wǎng)數(shù)據(jù)總量的預(yù)測（圖片來源于IDC白皮書^[79]）

在過去很長的一段時間里，數(shù)據(jù)的價值主要體現(xiàn)在作為一種“燃料”，為人工智能模型提供大量的樣本訓(xùn)練數(shù)據(jù)，幫助提升模型的效果。但隨著移動互聯(lián)網(wǎng)的快速發(fā)展，數(shù)據(jù)的規(guī)模變得越來越龐大、復(fù)雜，數(shù)據(jù)的價值已經(jīng)不再局限于訓(xùn)練數(shù)據(jù)，而是以資產(chǎn)的形式服務(wù)于企業(yè)，并給企業(yè)帶來經(jīng)濟收益。

這種經(jīng)濟收益可以體現(xiàn)在兩個方面：一方面是數(shù)據(jù)作用于產(chǎn)品或者業(yè)務(wù)，間接幫助提高產(chǎn)品的收益，比如各運營商或者社交網(wǎng)絡(luò)服務(wù)商都擁有豐富的用戶數(shù)據(jù)，因此可以基于用戶的行為數(shù)據(jù)、位置信息等，為每個客戶構(gòu)建完善的用戶畫像，幫助企業(yè)深入了解客戶行為偏好和需求；另一方面，數(shù)據(jù)直接與企業(yè)收益相關(guān)，比如各金融機構(gòu)有用戶的歷史逾期數(shù)據(jù)，一個有效的對逾期客戶的識別模型，能夠大大降低金融機構(gòu)的貸款風(fēng)險，減少潛在的經(jīng)濟損失。數(shù)據(jù)的資產(chǎn)屬性也催生了一種新的商品交易模式：大數(shù)據(jù)交易。我們將在第14章詳細講解基于聯(lián)邦學(xué)習(xí)構(gòu)建的大數(shù)據(jù)交易市場。