莺飞草长的春天,不仅适合赏花踏青郊游,也适合品茶聊天。这两天,瑞哥就和公司里清华毕业的三位技术牛人聊了聊,他们都有着丰富的工作经历和有趣的故事,瑞哥希望大家能够从这些清华牛人的讲述中得到启发和收获,更欢迎大家来我们瑞莱智慧,与这些清华牛人一起工作!第一位牛人的故事《公司里的清华牛人(一):我的“迭代”故事》已经发布了,以下是第二位牛人的故事:
1
2019年年初的一天晚上,公司CEO田总给我发来一条信息,问我联邦学习是否了解?然后发来了几个相关的介绍链接。因为我之前有过分布式机器学习系统的经验,还发表过一些论文,看了田总发来的材料之后,我觉得联邦学习和分布式机器学习很像,底层技术会是互通的。
这里有必要先解释一下这些名词:联邦学习是隐私计算的一个组成部分。这几年,数字化的不断推进,各行各业的数据量爆发式增长,这为下一步智能化发展打下了基础。但数据流通面临流程合规、隐私保护这些管理要求,隐私计算通过开辟全新的数据协作模式,为兼顾数据隐私保护与数据高效融通提供可行的方案,实现数据可用不可见、数据不动价值动,充分激发数据的各种潜能。
我看完联邦学习的材料后,公司里面几个同事找到我,说对接一下联邦学习的需求。隐私计算,我们就算是正式开始做了,首先针对的是对隐私计算需求最大的金融事业部。我们开展这个业务的时候有个想法,就是必须从具体的应用场景切入,从客户的实际需求切入,这也对我们的技术提出了很高的要求,让我们更关注这项技术的实用性。
过程中果然出现了这样那样的困难,但CEO田总要求我们坚持场景驱动技术选型,而不是用一项去适配所有场景。比如说某个场景很复杂,我们为客户提供隐私计算服务难点很多,但既然需求摆在这里,我们就必须啃下这块“硬骨头”,性能必须要达到目标,一个算法不行就换另一个算法,在这样的目标驱动下,公司的隐私计算业务取得了很大的突破,呈现出了多点开花的局面。
对于隐私计算,我们觉得它不是成本项,而是营收项。它和传统的网络安全不一样,因为我认为隐私计算包含两个层面,一个是隐私,一个是计算。如果只是保护数据隐私,那它确实是个成本项目;但计算会让数据产生价值,并将价值赋能业务,这才是隐私计算的未来。我相信我们为客户提供这样的服务有很大意义。
现在很多人会问我们,人工智能企业为什么要做隐私计算?我觉得这两者紧密相关。首先,隐私计算是人工智能的重要补充。隐私计算能够解决数据的“链接”问题,为算法的持续迭代提供数据补充;第二,人工智能是隐私计算的场景需求,人工智能可以看成隐私计算的上层应用;第三,隐私计算平台的底层架构和人工智能平台(比如kubeflow)非常相似。CEO田总多次强调,AI底色是我们做好隐私计算的突出优势。
隐私计算是一个涵盖多种学科的技术,必须要有丰富的、有厚度的人才梯队,我们一个很大的优势就是背靠清华大学这个大后方。我们在开展研究的过程中,遇到棘手的问题,马上就能到清华大学的相关院系去请教。很多院士、教授和专家,还有很多的课题组,都能和我们一起探讨和研究,帮助我们解决困难,所以瑞莱智慧虽然人不算多,但有很强大的技术实力。
2
在团队的管理和建设方面,我们非常看重新人的潜力,团队也会不断帮助新人提高能力。隐私计算是一门新兴学科,我们希望团队的每个人都能发挥主观能动性,不要在组织架构上管得太细太紧,要给大家足够的成长空间。
团队所有人,包括我在内,在研究新的技术的时候,肯定会有很多不懂的东西,这个我觉得很正常,创造一个宽松的环境,大家一起学习就好。需要靠大家的智慧,让大家频繁交流,得出问题的最优解。
团队的环境非常宽松自由,同事之间沟通的时候也没啥压力,上班是同事,下班就是朋友。我经常提到,我们团队的特点就是“无组织、有纪律”,另外就是少开大会、多开小会。大会比较正式,说话有压力,同时讨论问题比较分散,但小会只有两三个人,容易把话题聊透,甚至聊出重大创新。我觉得这样的方式,特别适合隐私计算团队,不少新人,现在都能独挡一面了。同时,CEO田总也特别强调,技术团队要多和业务团队交流,深刻理解场景后,才容易找到高业务价值的创新。
我们也经常讨论人工智能的发展历程,人工智能行业历经60多年的起起伏伏,尤其是当前已经来到了一个深水区。简单的、场景集中式的需求都被做了,但AI离像电力一样赋能社会还有相当的距离,这有赖于技术的不断进步,这也是我们瑞莱智慧提出安全、可信、可靠、可扩展的第三代人工智能技术的原因。
假如让我重新选择人生赛道,我还是会选择人工智能。就当前的科技发展来看,元宇宙、太空探索、可控核聚变、人工智能等等,这些都是大的趋势,能搭上其中任何“一辆车”,都应该毫不犹豫。
所以说,人工智能本身的潜力是巨大的,但同时它也存在很多难题,需要持续突破。从人工智能一直以来的进程来看,这个行业的发展和进步不是指数级的,而是螺旋式的,我们通过持续地努力,这项技术慢慢地就会普及开来,达到它最好的状态。