5月20日下午，由北京安全防范行業(yè)協(xié)會(huì)人工智能專業(yè)委員會(huì)、清華大學(xué)電子工程系聯(lián)合舉辦的人工智能+大數(shù)據(jù)前沿論壇在線上隆重召開(kāi)。

熙菱信息(300588)數(shù)據(jù)創(chuàng)新應(yīng)用產(chǎn)品線總經(jīng)理范子源作為會(huì)員企業(yè)代表受邀出席論壇，并發(fā)表題為《技術(shù)與場(chǎng)景深度融合的商業(yè)化落地》的精彩演講。

演講內(nèi)容以大型活動(dòng)保障系列產(chǎn)品的應(yīng)用場(chǎng)景為核心，用“可視化的商業(yè)價(jià)值”和“數(shù)據(jù)屬性分析”做展開(kāi)，分別以某市霧霾輿情分析管控、進(jìn)博會(huì)某應(yīng)用場(chǎng)景、環(huán)意長(zhǎng)三角公開(kāi)賽安保為例，詳細(xì)闡述了可視化實(shí)戰(zhàn)工作的邏輯與框架，并就“大型活動(dòng)”安保系統(tǒng)在不同類型活動(dòng)下的融合應(yīng)用做了講解說(shuō)明。

范總從大數(shù)據(jù)的“價(jià)值”和“特征”的不同定義做切入點(diǎn)，以可視化和數(shù)據(jù)結(jié)合的角度，解釋了可視化不僅能表達(dá)數(shù)據(jù)，更能表達(dá)數(shù)據(jù)帶回來(lái)的情報(bào)和信息?？梢暬鳛榧夹g(shù)手段，在實(shí)戰(zhàn)應(yīng)用中，通過(guò)一系列場(chǎng)景化計(jì)算，便可產(chǎn)生情報(bào)，體現(xiàn)數(shù)據(jù)的商業(yè)價(jià)值。

從數(shù)據(jù)到情報(bào)的演變，到底是怎樣的一個(gè)轉(zhuǎn)化路徑呢?

以某市霧霾輿情分析管控為例，當(dāng)輿情討論點(diǎn)產(chǎn)生時(shí)，可視化技術(shù)會(huì)基于后臺(tái)數(shù)據(jù)做串聯(lián)，從傳播軌跡、模式等方面進(jìn)行分析，提取真實(shí)數(shù)據(jù)，管控問(wèn)題數(shù)據(jù)。

由此可見(jiàn)，在場(chǎng)景應(yīng)用中，無(wú)論是通過(guò)數(shù)據(jù)計(jì)算來(lái)監(jiān)測(cè)問(wèn)題，還是利用數(shù)據(jù)關(guān)聯(lián)來(lái)分析問(wèn)題，其實(shí)都是為了把真實(shí)世界的問(wèn)題還原，用可視化建立起數(shù)據(jù)與決策之間的橋梁，最終要轉(zhuǎn)化出來(lái)的，是情報(bào)層級(jí)的信息。

與疫情有關(guān)的行業(yè)，也是為數(shù)不多的亮點(diǎn)，而 AI技術(shù)，也是其中的關(guān)鍵。例如藥物開(kāi)發(fā)中的輔助藥物篩選、疫苗基因設(shè)計(jì)算法等，加快了疫苗與疫苗的開(kāi)發(fā);人臉識(shí)別、語(yǔ)音機(jī)器人、文字識(shí)別、智能流調(diào)等智能控制方案是疫情防控的核心;智能會(huì)議、智能輔助學(xué)習(xí)等工作學(xué)習(xí)情景越來(lái)越多;甚至，正在迅速發(fā)展的無(wú)人駕駛出租車、配送機(jī)器人、機(jī)器人餐廳等，都有望在未來(lái)成為一股重要的服務(wù)力量。

DPS是一種以數(shù)據(jù)處理過(guò)程為核心的數(shù)據(jù)處理系統(tǒng)，利用數(shù)字技術(shù)從現(xiàn)實(shí)世界或者信息系統(tǒng)中獲取數(shù)據(jù)，并根據(jù)應(yīng)用需求對(duì)數(shù)據(jù)進(jìn)行處理和輸出。DPS所提供的服務(wù)主要包括 AI、大數(shù)據(jù)、互聯(lián)網(wǎng)內(nèi)容服務(wù)等。DPS的服務(wù)結(jié)構(gòu)主要有數(shù)據(jù)收集與預(yù)處理、數(shù)據(jù)標(biāo)注、內(nèi)容審核、工具平臺(tái)及輔助服務(wù)(例如業(yè)務(wù)訓(xùn)練)等。

DPS在 AI行業(yè)里，就像是淘金熱里的賣家一樣。隨著 AI的不斷發(fā)展， DPS將會(huì)成為逆勢(shì)發(fā)展的首選。正因?yàn)槿绱耍?DPS行業(yè)的發(fā)展前景才會(huì)越來(lái)越好。有 AI相關(guān)技術(shù)背景的創(chuàng)業(yè)者或公司的擴(kuò)展，比如云測(cè);有 AI企業(yè)、互聯(lián)網(wǎng)企業(yè)中的某一分支機(jī)構(gòu);還有軟件外包、服務(wù)流程外包等外包業(yè)務(wù)。“出身”的差異，使其服務(wù)方式與優(yōu)勢(shì)也不盡相同。云測(cè)數(shù)據(jù)是人工智能數(shù)據(jù)服務(wù)的領(lǐng)軍企業(yè)，它的發(fā)展模式具有鮮明的產(chǎn)業(yè)特色。

數(shù)據(jù)

數(shù)據(jù)層指的是人工智能為不同的行業(yè)提供解決方案時(shí)所采集和利用的數(shù)據(jù)。事實(shí)上，使用人工智能解決問(wèn)題的步驟絕不僅僅包括搜集和整理數(shù)據(jù)。這里我們簡(jiǎn)單介紹一下完整的流程和思路：

收集數(shù)據(jù)：數(shù)據(jù)的數(shù)量和質(zhì)量直接決定了模型的質(zhì)量。

數(shù)據(jù)準(zhǔn)備：在使用數(shù)據(jù)前需要對(duì)數(shù)據(jù)進(jìn)行清洗和一系列處理工作。

模型選擇：不同的模型往往有各自擅長(zhǎng)處理的問(wèn)題。只有把問(wèn)題抽象成數(shù)學(xué)模型后，我們才能選擇出比較適合的模型，而這一步往往也是非常困難的。

訓(xùn)練：這個(gè)過(guò)程不需要人來(lái)參與，機(jī)器使用數(shù)學(xué)方法對(duì)模型進(jìn)行求解，完成相關(guān)的數(shù)學(xué)運(yùn)算。

評(píng)估：評(píng)估模型是否較好地解決了我們的問(wèn)題。

參數(shù)調(diào)整：可以以任何方式進(jìn)一步改進(jìn)訓(xùn)練(比如調(diào)整先前假定的參數(shù))。

預(yù)測(cè)：開(kāi)始使用模型解決問(wèn)題。

如果我們想利用人工智能解決的問(wèn)題被限定在足夠小的領(lǐng)域內(nèi)，那么我們就更容易活動(dòng)具體場(chǎng)景下的訓(xùn)練數(shù)據(jù)，從而更高效、更有針對(duì)性地訓(xùn)練模型。在金融、律政、醫(yī)療等行業(yè)的細(xì)分場(chǎng)景下，人工智能已經(jīng)逐步被應(yīng)用，且已經(jīng)實(shí)現(xiàn)了一定的商業(yè)化。