0
| 本文作者： 張瑞 | 2019-11-18 18:11 |
人工智能怎么從感知智能，走向認(rèn)知智能？
對未來智能世界懷有憧憬的AI初創(chuàng)企業(yè)們，無疑都在沿著各自的路徑，為這一問題不斷奔走。
這一問題的回答，還要回到最底層的數(shù)據(jù)分析和挖掘上。從基礎(chǔ)硬件、到業(yè)務(wù)應(yīng)用系統(tǒng)，再到云平臺，產(chǎn)業(yè)鏈層層向上傳遞，都離不開大數(shù)據(jù)軟件服務(wù)商的支撐。
而幫助企業(yè)連接數(shù)據(jù)，將數(shù)據(jù)用活，將垂直用戶的使用習(xí)慣和業(yè)務(wù)知識，注入到平臺，提供知識支撐，正是明略科技最擅長的。
作為人工智能領(lǐng)域的獨(dú)角獸，明略科技從最初，就選擇了與國內(nèi)很多人工智能公司不同的路徑。
在業(yè)內(nèi)廠商紛紛選擇做算法、做應(yīng)用的同時(shí)，明略一開始就選擇了產(chǎn)業(yè)鏈上游，并且專攻難度極大的領(lǐng)域——公安大數(shù)據(jù)。不同類型的案件中、不同的應(yīng)用場景下，對于機(jī)器學(xué)習(xí)來說，其實(shí)最難的就是行業(yè)知識圖譜的建立。
為什么會(huì)選擇切入這一行業(yè)？
這就不得不提起明略科技創(chuàng)始人吳明輝與公安的淵源。父親是一名警察的吳明輝，自小耳濡目染，了解到公安工作時(shí)，一起重大案件往往需要幾百個(gè)警察分析情報(bào)，找線索，過程很是痛苦。
為公安行業(yè)和國家做點(diǎn)事。這是吳明輝，也是明略科技整個(gè)技術(shù)團(tuán)隊(duì)最初的想法。
而作為AI最快的場景之一，公安領(lǐng)域也有著有規(guī)模數(shù)據(jù)、明確的業(yè)務(wù)指向等其他行業(yè)不具備的特性。
有了初心和數(shù)據(jù)基礎(chǔ)，明略科技的大數(shù)據(jù)及AI服務(wù)，就找到了最適合的落地方向。自此，明略科技就開始為公安提供破案引擎，將公安的破案邏輯附在產(chǎn)品中，不斷打造破案的知識分享系統(tǒng)。運(yùn)用公安知識圖譜等認(rèn)知智能手段，實(shí)現(xiàn)人、事、地、物、組織、虛擬身份的關(guān)聯(lián)，提升預(yù)警研判的準(zhǔn)度、精度。
隨著不斷的深耕，明略科技在公安領(lǐng)域，利用大數(shù)據(jù)和AI，在替代人力的重復(fù)性工作上已經(jīng)有了不錯(cuò)的進(jìn)展。對警情案情的串并，情報(bào)線索的提取和分類、分發(fā)上，也都實(shí)現(xiàn)了大幅躍進(jìn)。
但思及如何更好的提供智能，如何透過信息的表面，對發(fā)掘更多鏈接的深層線索或要素，并進(jìn)行智能的推理、挖掘，也就是到認(rèn)知智能層面，明略科技認(rèn)為，目前做的還遠(yuǎn)遠(yuǎn)不夠。
舉個(gè)簡單的例子，公安領(lǐng)域的業(yè)務(wù)由“情指行督”幾個(gè)環(huán)節(jié)組成，即情報(bào)、指揮、行動(dòng)和督察。在督察這一環(huán)節(jié)，如何更好的考核工作，就是一個(gè)較為復(fù)雜的問題。
公安人員往往都在忙碌于各種不同的工作中，但單靠簡單的接警次數(shù)、出警次數(shù)，或110響應(yīng)次數(shù)，很難衡量他們工作量。
比如警員每次響應(yīng)是不是有效、是不是第一時(shí)間給予了結(jié)果、案件是否第一時(shí)間就能破獲、破獲的過程中是否牽動(dòng)了其它案件、是否給其它兄弟警種、兄弟部門提供了支撐……這些實(shí)際情況，都難以量化評估。
而傳統(tǒng)的數(shù)據(jù)平臺，依賴于前后和后臺的架構(gòu)。
前臺面向各個(gè)警種的各個(gè)獨(dú)立業(yè)務(wù)系統(tǒng)，后臺一對一為前臺服務(wù)進(jìn)行支撐。但這種方式，對業(yè)務(wù)系統(tǒng)的支撐效率很低。后臺能夠基本滿足支撐一個(gè)系統(tǒng)運(yùn)轉(zhuǎn)的要求，但對提供更高效、更智能的系統(tǒng)服務(wù)，就顯得力不從心。
如何解決這一難題？
這就需要綜合的數(shù)據(jù)分析，去完成評估和考察。對更好前臺、后臺聯(lián)動(dòng)，數(shù)據(jù)和業(yè)務(wù)能有效融合的高要求，也就催生了“中臺”的誕生。
正如阿里在電商行業(yè)中，提出了阿里中臺，華為在通訊行業(yè)中提出了華為中臺，明略科技也基于業(yè)務(wù)要求，在公安業(yè)務(wù)中提出了自己的中臺概念。
“簡單來說，明略科技想要利用更多數(shù)據(jù)，從數(shù)據(jù)中產(chǎn)生更多的業(yè)務(wù)價(jià)值和知識。將傳統(tǒng)只能做一些BI統(tǒng)計(jì)性智能分析的數(shù)據(jù)倉庫，進(jìn)行升級，提升智能分析應(yīng)用。”明略科技集團(tuán)副總裁任鑫琦說道。
具體而言，中臺以面向前臺、面向業(yè)務(wù)的方式，考慮后臺的數(shù)據(jù)如何組織，采用怎樣的技術(shù)將數(shù)據(jù)組織和加工成什么形式，提供查詢、計(jì)算、數(shù)據(jù)挖掘服、AI等服務(wù)。這就是中臺的核心價(jià)值。
如在剛才提到的“督察”問題上，基于傳統(tǒng)架構(gòu)，只能進(jìn)行較為簡單的審計(jì)、考核的業(yè)務(wù)系統(tǒng)，警員往往機(jī)械填寫東西，考核的維度很少。
但基于中臺架構(gòu)，就能打通公安各級的行政關(guān)系和數(shù)據(jù)權(quán)限。連通多源異構(gòu)的公安數(shù)據(jù)、社會(huì)化數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)等維度的數(shù)據(jù)，構(gòu)建以知識圖譜為核心的多維感知和智能體系，并針對不同警種和業(yè)務(wù)環(huán)節(jié)，進(jìn)行檢索、分析、挖掘等。這就是中臺的典型應(yīng)用，也是明略智能的再進(jìn)化。
11月15日，明略科技集團(tuán)在上海舉辦以“FASTER 聚變·增長新動(dòng)力”為主題的2019數(shù)據(jù)智能峰會(huì)，宣布“打造智能時(shí)代的企業(yè)中臺”新戰(zhàn)略，基于自身的業(yè)務(wù)邏輯，正式發(fā)布了具有行業(yè)知識圖譜Know-How的新一代數(shù)據(jù)中臺，同時(shí)發(fā)布了智能運(yùn)維、多維感知、智慧零售三大行業(yè)解決方案。
值得注意的是，與其他廠商的數(shù)據(jù)中臺不同，明略的數(shù)據(jù)中臺的底層邏輯是自研的HAO智能體系。
而HAO智能理論，所立足的點(diǎn)，正是通過打通感知、認(rèn)知、行動(dòng)系統(tǒng)，幫助企業(yè)或組織進(jìn)行分析決策，實(shí)現(xiàn)AI的閉環(huán)。
任鑫琦認(rèn)為，認(rèn)知不是感知的延伸。從一個(gè)感知維度的智能無論怎么演進(jìn)，都無法演進(jìn)為有推理或者有認(rèn)知能力的智能體。多維感知分析，并不是多個(gè)維度感知智能的疊加。感知技術(shù)為萬物互聯(lián)提供了可能，認(rèn)知智能則為萬物互聯(lián)提供了智能。要實(shí)現(xiàn)從感知到認(rèn)知的智能跨越，最重要的中間載體是“知識圖譜”。知識圖譜就像人類“大腦”一樣，將數(shù)據(jù)進(jìn)行有機(jī)組織，而非對數(shù)據(jù)進(jìn)行簡單分門別類式的儲存。
明略科技推出的數(shù)據(jù)中臺，通過合并更多的數(shù)據(jù)，包括IoT萬物感知體系，對不同感知端背后的數(shù)據(jù)進(jìn)行信息和知識挖掘，構(gòu)建知識圖譜，提高AI可解釋性，通過綜合分析，為決策提供依據(jù)和參考。其本質(zhì)就是打通感知和認(rèn)知，將數(shù)據(jù)轉(zhuǎn)換為信息、知識，最終形成智慧，實(shí)現(xiàn)從識別到理解，再到分析、決策的智能遞進(jìn)。
不過，需要說明的是，由于近兩年興起，而起初定義不清，各種中臺層出不窮，也常常使其成為裝著各種概念的籃子。
但作為大數(shù)據(jù)的軟件產(chǎn)品、平臺和智能服務(wù)商，明略科技對中臺，顯然有著清晰的理解和定位，并將其真正用到了業(yè)務(wù)中。這也是為什么，在數(shù)據(jù)層面，同行者很多都逐漸消失或轉(zhuǎn)型，而明略科技卻能一直深扎，越行越遠(yuǎn)。
目前，市場上做中臺業(yè)務(wù)的公司可以分為這三類。
一類是，此前提供Paas層和Iaas層能力為主的云平臺廠商，借由中臺的熱潮，又向下再提供中臺能力。
但其“中臺”，主要還是基于基礎(chǔ)平臺。往往在數(shù)據(jù)上的技術(shù)優(yōu)勢很強(qiáng)，但對于中臺這種為業(yè)務(wù)優(yōu)化而出現(xiàn)架構(gòu)，并沒有經(jīng)驗(yàn)積累，尤其在垂直場景的業(yè)務(wù)能力不足。
這也是從“數(shù)據(jù)找場景”角度來做中臺。
另一類是，許多傳統(tǒng)廠商，基于自身的業(yè)務(wù)需求打造中臺。其對垂直領(lǐng)域的數(shù)據(jù)特征，有足夠理解。但對如何設(shè)計(jì)中臺的技術(shù)架構(gòu)，如何對數(shù)據(jù)進(jìn)行處理、加工、存儲等方面，往往一知半解。
他們的路徑，顯然是從“場景找數(shù)據(jù)”來做中臺。
無論是，數(shù)據(jù)找場景，還是場景找數(shù)據(jù)，都各有各的門檻。中臺的概念雖好，但不是廠商輕易就能跨界做的。
明略科技在中臺上的優(yōu)勢，恰恰在于，其本身就是大數(shù)據(jù)的軟件產(chǎn)品、平臺和智能服務(wù)商，最初又選擇了切入公安等領(lǐng)域，做專業(yè)領(lǐng)域的數(shù)據(jù)分析，并一直思考如何利用數(shù)據(jù)提供有價(jià)值的產(chǎn)品和服務(wù)。
基于自身定位，恰好能實(shí)現(xiàn)上下銜接，將業(yè)務(wù)落到數(shù)據(jù)平臺上，這也就是明略科技中臺的主打方向。
自然，在專業(yè)領(lǐng)域深耕，隨之帶來的另一面，是縱向很深，但橫向難以大面積鋪開。在更多行業(yè)領(lǐng)域，通用能力可以橫向遷移，但新領(lǐng)域的行業(yè)知識和專家經(jīng)驗(yàn)，就需要用做數(shù)據(jù)治理的經(jīng)驗(yàn)，再去逐漸匹配行業(yè)。
這一點(diǎn)上，明略科技也很明確自己的方向。與其做的泛而不深，不如先深耕一兩個(gè)行業(yè)，待成熟再向其他行業(yè)拓展。一步一個(gè)腳印，逐步鋪開場景。
在公安領(lǐng)域，未來還有哪些值得想象的空間？
可以說，目前只實(shí)現(xiàn)了認(rèn)知智能的第一步，將人從語言、文字或認(rèn)知的理解中解放出來，而下一步就是將對理解后的信息的智能分析，以及將潛在信息的分析，更多注入到數(shù)據(jù)系統(tǒng)中。因而，未來的空間依然還有很大。
經(jīng)過2015年深度學(xué)習(xí)帶來的爆發(fā)式增長后，人們的普遍觀感是，近幾年AI在行業(yè)的落地，似乎并沒有那么快。
對于這一點(diǎn)，任鑫琦也有自己的看法，“這很正常。但實(shí)際上，AI并不慢，只是在和行業(yè)結(jié)合中，做自然增長。”
“這其實(shí)反映的更多是人們的心態(tài)。人們總是把一些近期能實(shí)現(xiàn)的技術(shù)想得過快，把一些遠(yuǎn)期看著很難的技術(shù)想得過慢。這很適用于計(jì)算機(jī)視覺領(lǐng)域。往往大家認(rèn)為準(zhǔn)備好一切的技術(shù)，其實(shí)并沒有那么快；而如機(jī)器人、認(rèn)知智能、及腦科學(xué)，這些看似遙遙無期的技術(shù)，反而在逐漸進(jìn)步。”任鑫琦說道。
這一看法，也正好可以應(yīng)用于明略科技做認(rèn)知智能上。
自成立以來，明略科技一直在探索人工智能在知識和管理復(fù)雜度高的行業(yè)中落地，不斷完善感知智能到認(rèn)知智能的AI閉環(huán)，明略也在逐漸打造包括公安大腦、工業(yè)安全大腦、金融風(fēng)控大腦等在內(nèi)的AI大腦。
技術(shù)的發(fā)展，有時(shí)就是這樣一個(gè)“說時(shí)遲、那時(shí)快”的過程。更深層的智能潛行之時(shí)，說不定哪一朝便會(huì)來到人們眼前。
而行業(yè)也正期待著，更高階的人工智能，認(rèn)知智能，更早到來。
創(chuàng)立于2017年的「AI最佳掘金案例年度榜單」，是業(yè)內(nèi)首個(gè)人工智能商業(yè)案例評選活動(dòng)。雷鋒網(wǎng)從商用維度出發(fā)，尋找人工智能在各個(gè)行業(yè)的最佳落地實(shí)踐。
第三屆評選已正式啟動(dòng)，關(guān)注微信公眾號“雷鋒網(wǎng)”，回復(fù)關(guān)鍵詞“榜單”參與報(bào)名。詳情可咨詢微信號：xqxq_xq
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
