2、数据本身有质量，无论是训练数据和现场数据都有质量难以控制的问题。

3、数据在成熟过程中有保护的问题，数据采集前有风险、传输数据有风险、成熟使用流通也有风险。

第二类是算法安全方面的问题，其中算法可靠性是首要问题。

针对人工智能安全问题，他提出四大对策。第一方面对策是可解释性，即我们了解或者解决一件事情的时候，可以获得我们所需要的足够可以理解的信息。比如说过去算法是黑盒算法，缺乏透明性、可解释性，一旦发生问题，难以分析和验证到底问题出处。

第二方面对策是鼓励产生可解释的人工智能，主要是三方面可解释。

1、在建模型之前进行可解释性分析，分析数据的属性，知道数据怎么达到可视化。

2、在构建模型过程中，要基于规则、基于数据特征、基于实例增加可解释性。