相關(guān)數(shù)據(jù)統(tǒng)計(jì)，目前我國在編警察數(shù)量大約是兩百萬，也就是說每700人中只有一名警察，有限的警力面對日益增長的多樣化數(shù)據(jù)尚存挑戰(zhàn)。

在此背景下，公安部門迫切需要AI等技術(shù)幫助分類、挖掘數(shù)據(jù)中的核心價(jià)值，支撐偵查辦案、綜合研判等業(yè)務(wù)需求。

所幸的是，大數(shù)據(jù)作為一項(xiàng)無形資產(chǎn)越來越受到重視。智能科技的廣泛應(yīng)用開始影響我們的生活，這幾年，無論是BAT等互聯(lián)網(wǎng)等巨頭，還是明略數(shù)據(jù)等AI初創(chuàng)公司都以大數(shù)據(jù)為點(diǎn)，橫縱發(fā)展，為推動(dòng)公安信息化建設(shè)扎扎實(shí)實(shí)地做著努力。

明略數(shù)據(jù)的AI商業(yè)邏輯

明略數(shù)據(jù)成立于2014年，是一家行業(yè)人工智能解決方案提供商，主要為公共安全、金融、工業(yè)與物聯(lián)網(wǎng)等行業(yè)提供大數(shù)據(jù)和人工智能的技術(shù)服務(wù)。

在以往，大數(shù)據(jù)分析關(guān)心的是過去發(fā)生的事件的現(xiàn)象和來源，對已知數(shù)據(jù)積累的越豐富越好、越清楚越好。因?yàn)橄嚓P(guān)企業(yè)在利用大數(shù)據(jù)解決問題時(shí)需要進(jìn)行兩個(gè)步驟：

1、需要將數(shù)據(jù)按照業(yè)務(wù)邏輯梳理清楚。

2、梳理完畢后，還需要挖掘數(shù)據(jù)的深度價(jià)值。

而這里提到的第二點(diǎn)其實(shí)更多的是應(yīng)用AI等技術(shù)去完成，它是對未知的事物反應(yīng)速度越快越好。無奈的是，之前相關(guān)技術(shù)并沒有大范圍落地，很多企業(yè)在這方面也沒有足夠的技術(shù)能力，對數(shù)據(jù)的分析大多是無用的、不準(zhǔn)的。

而這，也許正給了這家AI初創(chuàng)公司一次絕佳的市場機(jī)會(huì)。

明略數(shù)據(jù)副總裁Elva Liu告訴雷鋒網(wǎng)，他們現(xiàn)在正在做的事就是利用數(shù)據(jù)為企業(yè)打造知識圖譜，然后利用AI提升業(yè)務(wù)效率。

就拿最新發(fā)布的AI產(chǎn)品“明智系統(tǒng)”來說。“明智系統(tǒng)”由兩大部分組成：“蜂巢”是一個(gè)“知識圖譜數(shù)據(jù)庫”，可以在散落的數(shù)據(jù)中提取有效信息的同時(shí)，從紛繁復(fù)雜的信息進(jìn)行關(guān)系連接和分類，織就龐大的關(guān)系網(wǎng)；“小明”則是企業(yè)級人工智能統(tǒng)一入口，為“明智系統(tǒng)”以對話形式與人類進(jìn)行交互并提供業(yè)務(wù)支持，用戶可以以對話的形式向“小明”下達(dá)指令，系統(tǒng)通過語義分析，識別用戶指令，迅速反應(yīng)提供業(yè)務(wù)決策支持。

Elva Liu透露說，目前該系統(tǒng)已經(jīng)在石家莊應(yīng)用，為公安客戶實(shí)現(xiàn)5-20%的破案率的提升。

技術(shù)可用性及商業(yè)落地

從這來看，明略數(shù)據(jù)就是將企業(yè)數(shù)據(jù)構(gòu)建成一個(gè)知識圖譜，然后通過AI去實(shí)現(xiàn)人機(jī)同行，找到其中的數(shù)據(jù)價(jià)值。

這件事并不新鮮。之前就有人提到，“未來的一萬家創(chuàng)業(yè)公司都將會(huì)做一件事：take X；add AI?！睆拿髀詳?shù)據(jù)這里來看，的確也是這樣。

但這里并非貶義。正如王陽明所說，從“格物致知”到“知行合一”，其實(shí)大數(shù)據(jù)與AI并非是鴻溝分明，從跟蹤靜態(tài)的數(shù)據(jù)，到結(jié)合動(dòng)態(tài)數(shù)據(jù)參與數(shù)據(jù)變化，讓機(jī)器的深度學(xué)習(xí)猶如人的理論實(shí)踐一樣根據(jù)客觀環(huán)境變化而得出不同的結(jié)論并應(yīng)用周而復(fù)始達(dá)到極致而已。

識別其中優(yōu)劣，只需看該基于AI的大數(shù)據(jù)公司能否在獲取實(shí)時(shí)數(shù)據(jù)的同時(shí)與目標(biāo)群體產(chǎn)生相應(yīng)的互動(dòng)來驗(yàn)證自己的判斷并快速實(shí)現(xiàn)商業(yè)價(jià)值。

在Elva Liu看來，他們可以做到。

“我們過去幾年一直在相關(guān)細(xì)分領(lǐng)域深耕。明略數(shù)據(jù)目前擁有近400位員工，75% 左右為技術(shù)人員；另外，目前還有數(shù)十位行業(yè)頂尖的大數(shù)據(jù)及AI專家也加入或者幫助明略數(shù)據(jù)，他們?yōu)楣?、金融、工業(yè)等業(yè)務(wù)場景進(jìn)行了數(shù)據(jù)治理，已經(jīng)積累了幾百條業(yè)務(wù)規(guī)則，其中包括為泰康人壽實(shí)施的基于知識圖譜數(shù)據(jù)庫的壽險(xiǎn)營銷分析平臺、為某公安部門實(shí)施的基于知識圖譜的關(guān)聯(lián)關(guān)系研判實(shí)戰(zhàn)平臺、為中國中車實(shí)施的關(guān)鍵設(shè)備狀態(tài)故障監(jiān)測與自動(dòng)分析等等?；谶@些業(yè)務(wù)規(guī)則形成的知識圖譜，如今被用于金融、公安和工業(yè)等三大“行業(yè)大腦”，成為機(jī)器大腦中的知識庫，而自動(dòng)化的知識體系通過人工智能交互接口“小明”輸出，就能形成撬動(dòng)企業(yè)知識經(jīng)濟(jì)的商業(yè)模式?！?/p>

至于商業(yè)落地，Elva Liu透露說，明略數(shù)據(jù)從一開始就將自己定位為一家產(chǎn)品公司并在各個(gè)領(lǐng)域深耕。目前公司已經(jīng)盈利，公共安全占一半，金融與工業(yè)各占四分之一；從戰(zhàn)略優(yōu)先級來說，三個(gè)細(xì)分行業(yè)都在齊肩發(fā)展，配合推進(jìn)。

對于當(dāng)初為何選擇安防為突破口并獲得公司半數(shù)營收，Elva Liu認(rèn)為，這符合哲學(xué)家托馬斯·庫恩在《科學(xué)革命的結(jié)構(gòu)》中的理論，很多科學(xué)革命都具備范式轉(zhuǎn)移的特點(diǎn)，也就是新思想的認(rèn)知和老思想會(huì)很不一樣；同理，AI也是一樣，過去的AI是模仿式的，未來的AI是預(yù)知式的，前提是有足夠多的數(shù)據(jù)去支持它去預(yù)知、去創(chuàng)新。這個(gè)數(shù)據(jù)的多少也意味著AI能在其中走多遠(yuǎn)，很顯然，安防領(lǐng)域非常符合這一特點(diǎn)。

安防行業(yè)“痼疾”有望破解

如果說安防領(lǐng)域“油多人廣”，是各大傳統(tǒng)公司、AI公司‘進(jìn)擊’的最佳選擇，但從過往效果及經(jīng)驗(yàn)來看，這塊蛋糕并不是那么容易吃到。安防領(lǐng)域會(huì)有很多比較復(fù)雜的結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)，尤其在情報(bào)系統(tǒng)里需要接入百億數(shù)量級的數(shù)據(jù)。

對此，Elva Liu坦言，明略數(shù)據(jù)針對公安數(shù)據(jù)治理專門開發(fā)出工具集，其中包含大量領(lǐng)域數(shù)據(jù)規(guī)則，能夠解決特定領(lǐng)域內(nèi)數(shù)據(jù)的匯總、清洗、轉(zhuǎn)換和融合。

她表示，面對數(shù)據(jù)量達(dá)千億級乃至萬億級的復(fù)雜的安防場景，明略數(shù)據(jù)的治理工具和NLP處理架構(gòu)都是基于分布式框架運(yùn)行，就拿剛剛發(fā)布的“明智系統(tǒng)”為例，其實(shí)是有一系列的解決方案來處理數(shù)據(jù)量大、結(jié)構(gòu)復(fù)雜的問題。 

1. 首先對于數(shù)據(jù)存儲(chǔ)和整體平臺運(yùn)行，明略有企業(yè)級大數(shù)據(jù)分析整合平臺MDP，承載系統(tǒng)運(yùn)行。具體來說，可實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)管理、元數(shù)據(jù)管理、數(shù)據(jù)知識管理、數(shù)據(jù)質(zhì)量管理等數(shù)據(jù)管理與數(shù)據(jù)治理功能，通過自動(dòng)化、智能化的數(shù)據(jù)識別、分類、標(biāo)簽技術(shù)，發(fā)現(xiàn)、還原、構(gòu)建和管理數(shù)據(jù)的數(shù)據(jù)字典、數(shù)據(jù)特征、數(shù)據(jù)輪廓、數(shù)據(jù)關(guān)系、業(yè)務(wù)涵義等，從而更快、更好、更直觀的理解數(shù)據(jù)本質(zhì)。

2. 接下來是數(shù)據(jù)治理組件，明智系統(tǒng)通過數(shù)據(jù)治理技術(shù)將多元異構(gòu)數(shù)據(jù)治理成信息；通過知識工程CONA完成知識抽取、知識融合、知識推理、知識驗(yàn)證、知識構(gòu)建等過程，將信息轉(zhuǎn)化為特定領(lǐng)域的知識；再通過知識圖譜數(shù)據(jù)庫“蜂巢”完成知識表示、知識存儲(chǔ)、知識索引，從而構(gòu)建特定行業(yè)領(lǐng)域的知識圖譜。

3. 對于行業(yè)知識的存儲(chǔ)，“蜂巢”是明略數(shù)據(jù)首個(gè)專門為人工智能應(yīng)用服務(wù)的知識圖譜數(shù)據(jù)庫。知識圖譜數(shù)據(jù)庫是使用基于圖數(shù)據(jù)庫的混合存儲(chǔ)技術(shù)實(shí)現(xiàn)大規(guī)模知識圖譜數(shù)據(jù)存儲(chǔ)，是機(jī)器大腦中的知識庫、人工智能應(yīng)用的基礎(chǔ)設(shè)施。傳統(tǒng)數(shù)據(jù)庫需要有程序員或DBA背景才可使用；且數(shù)據(jù)存儲(chǔ)以結(jié)構(gòu)化為主，有數(shù)據(jù)量限制，不易擴(kuò)展；存儲(chǔ)數(shù)據(jù)對象或陳述性知識，搜索代碼繁瑣、仍需人工推理，知識調(diào)取效率低。而知識圖譜數(shù)據(jù)庫“蜂巢”，通過分布式知識圖譜，存儲(chǔ)陳述性和程序性知識，不僅存儲(chǔ)多元異構(gòu)的大規(guī)模數(shù)據(jù)，還存儲(chǔ)基于數(shù)據(jù)的規(guī)則與模型，除了解決“做什么”的問題，還能提示人類“如何做”；系統(tǒng)自動(dòng)推理輔助分析，有效節(jié)約知識調(diào)用的時(shí)間。自然語言的語義搜索降低使用難度，即便是非計(jì)算機(jī)專業(yè)的普通用戶也能應(yīng)用自如。

4. 當(dāng)數(shù)據(jù)處理之后，就是如何計(jì)算的問題，明智系統(tǒng)中有一個(gè)知識構(gòu)建與管理平臺DataInsight。通過規(guī)則和機(jī)器學(xué)習(xí)等手段，用大數(shù)據(jù)分布式挖掘技術(shù)，快速從信息中提取和構(gòu)建知識，并對知識進(jìn)行固化和管理，支撐各行業(yè)大腦。DI可快速應(yīng)用人工智能技術(shù)構(gòu)建業(yè)務(wù)模型，并在生產(chǎn)中快速部署和使用；同時(shí)提供規(guī)則、模型、工具等各種知識管理與分享功能，讓知識能夠在企業(yè)內(nèi)部有效的積累和使用。

5. 最后是交互輸出，通過簡單好用的企業(yè)級人工智能入口“小明”實(shí)現(xiàn)新一代的人機(jī)交互，顯著提高企業(yè)決策的精度、速度、敏捷度，降低知識勞動(dòng)力成本，真正將知識有效轉(zhuǎn)化為企業(yè)競爭力。

Elva Liu表示，MDP是底層的存儲(chǔ)能力，DI是底層的計(jì)算能力，CONA是知識圖譜的治理，蜂巢是知識圖譜的存儲(chǔ)，上面是“小明”做交互和應(yīng)用。

對于AI及公司未來的思考

“我們治理數(shù)據(jù)、連接數(shù)據(jù)、存儲(chǔ)數(shù)據(jù)這一切都是基于AI來實(shí)現(xiàn)的?；诖耍覀兙鸵^續(xù)思考，AI與之前提到的信息化、自動(dòng)化到底有何區(qū)別。”

在她看來，自動(dòng)化時(shí)代其實(shí)是將企業(yè)和政府的管理流程電子化。比如在公安行業(yè)，之前會(huì)有傳統(tǒng)的筆錄管理系統(tǒng)、檔案管理系統(tǒng)、戶籍管理系統(tǒng)，這些都是傳統(tǒng)的電子化、信息化的過程；而今天我們面對的是智能化，智能化是將以前很多警察腦海里的業(yè)務(wù)邏輯系統(tǒng)化。

信息化對應(yīng)的是互聯(lián)網(wǎng)時(shí)代，那時(shí)候的行業(yè)都是靠著信息的不對稱去盈利；但今天的信息已經(jīng)徹底對稱了，透明度非常高，更好地盈利模式應(yīng)該是靠結(jié)構(gòu)化的信息去賺錢。

明略數(shù)據(jù)現(xiàn)在及未來要做的事情就是將數(shù)據(jù)‘深度’結(jié)構(gòu)化。

“這個(gè)過程實(shí)際上就是在構(gòu)建行業(yè)的知識體系，很多行業(yè)知識是之前行業(yè)專家沉淀出來的，我們要利用AI將這些數(shù)據(jù)變?yōu)橹R經(jīng)濟(jì)，這是我們未來要堅(jiān)持走的路。”Elva Liu向雷鋒網(wǎng)透露說，“當(dāng)然，在這個(gè)行進(jìn)過程中肯定會(huì)遇到技術(shù)同質(zhì)化的問題，AI算法在上個(gè)世紀(jì)就已成熟，只是缺乏足夠的數(shù)據(jù)和計(jì)算資源來支持。明略數(shù)據(jù)認(rèn)為，所有的程序都離不開數(shù)據(jù)模型，AI算法更需要基于對數(shù)據(jù)的理解?；诖?，明略數(shù)據(jù)將持續(xù)理解行業(yè)業(yè)務(wù)，構(gòu)建領(lǐng)域知識圖譜，將知識圖譜與AI算法相結(jié)合，構(gòu)建企業(yè)AI大腦，從而完成人工智能的可復(fù)制應(yīng)用。”

除了專注自身領(lǐng)域，明略數(shù)據(jù)未來還會(huì)往哪些行業(yè)擴(kuò)疆？對此，Elva Liu也坦露心聲，“明略數(shù)據(jù)非?？春脵C(jī)器學(xué)習(xí)及人機(jī)交互的發(fā)展，聚類、分類、預(yù)測、維數(shù)縮減、優(yōu)化等都是值得研究的方向。只要有大的數(shù)據(jù)集、好的算法和并行分布式計(jì)算，就能取得不錯(cuò)的效果?；诖?，目前明略數(shù)據(jù)也正與醫(yī)療等行業(yè)深度接觸。”

小結(jié)

Elva Liu坦言，以上所談都是各個(gè)公司的發(fā)展理念、技術(shù)積累及行業(yè)布局；從宏觀視角來看，對于AI初創(chuàng)公司來說，目前的大環(huán)境（創(chuàng)業(yè)環(huán)境）已不能再好。如今人們都積極擁抱AI，很多行業(yè)也都開始大規(guī)模采用AI來節(jié)約成本。

但隨著AI業(yè)務(wù)的不斷推進(jìn)，相應(yīng)的各級高端人才的匱乏也初見端倪。

未來，明略數(shù)據(jù)在積極招納人才的同時(shí)還將進(jìn)一步完善個(gè)人層次能力、降低明智等AI系統(tǒng)的復(fù)雜性和成本、完善系列產(chǎn)品體系架構(gòu)，提升產(chǎn)品模塊化率和開放性，更好地與客戶并肩實(shí)踐行業(yè)人工智能應(yīng)用。雷鋒網(wǎng)

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。