2020年9月5日，由雷鋒網(wǎng) & AI 掘金志主辦的「第三屆中國人工智能安防峰會」在杭州正式召開。

本屆峰會以「洗牌結(jié)束，格局重構」為主題，會上代表未來新十年的15家企業(yè)，為現(xiàn)場1000余位聽眾和線上幾十萬觀眾，分享迎接安防新十年的經(jīng)營理念與技術應用方法論。

在下午場的演講環(huán)節(jié)上，云從科技智慧治理行業(yè)部總經(jīng)理李夏風以「人機協(xié)同平臺，助推社會治理現(xiàn)代化升級」為主題，分享了云從在AI中的思考與應用。

云從認為人機協(xié)同有三部分：人機交互、人機融合、人機共創(chuàng)。

人機協(xié)同中，各個行業(yè)的專家、以機器代表的AI知識服務和用戶，三者形成一個閉環(huán)，首先專家把知識賦能給機器，機器轉(zhuǎn)換成智能化產(chǎn)品并提升客戶的體驗，用戶從中反饋出個性化的需求，后續(xù)提升專家的效率并反哺到產(chǎn)品或服務中。

云從人機協(xié)的落地通過三部分實現(xiàn)：智能化終端設備收集數(shù)據(jù)，同時也是人機交互的入口，云端大腦是整個數(shù)據(jù)的匯集、分析、提煉的中樞，當數(shù)據(jù)大腦經(jīng)過分析，形成相關的服務后，通過嵌入式的模塊，即AI平臺，實現(xiàn)人機協(xié)同在各個場景落地。

而AI訓練平臺融合數(shù)據(jù)智能標注、OCR訓練、圖像訓練、NLP訓練、視頻結(jié)構化訓練于一體，根據(jù)場景數(shù)據(jù)，生成符合行業(yè)需求的AI模型算法。云從的智能解析引擎具備軟硬解耦特性，可以適配國有自主芯片，還能實現(xiàn)效率和使用維度的極大地性能提升。

基于云從的數(shù)據(jù)分析引擎，提供面向數(shù)據(jù)全生命周期的分析、挖掘及應用服務，完成數(shù)據(jù)到知識的價值轉(zhuǎn)換，賦能各業(yè)務場景應用。

具體來說，匯聚感知數(shù)據(jù)，打造數(shù)據(jù)挖掘基礎，融合業(yè)務數(shù)據(jù)，靈活定制生成各類標簽，拓展業(yè)務對象，并依托認知信息，形成各類專家的決策，為決策提供有力的支撐，最后，依托可視化專家建模，固化專家經(jīng)驗模型，積累與傳承業(yè)務知識。

從數(shù)據(jù)到知識是數(shù)據(jù)價值挖掘的必經(jīng)之路，目前大部分數(shù)據(jù)資源沒有得到充分利用，云從的知識生產(chǎn)與服務平臺KaaS，通過將標簽、機器學習等知識模型化、在線化，加上AI引擎， 變數(shù)據(jù)/經(jīng)驗為在線知識。

通過數(shù)據(jù)智能模型為核心的知識體系構建實現(xiàn)從多維數(shù)據(jù)中挖掘隱形事件背后的關聯(lián)關系及規(guī)律現(xiàn)象，服務于風險防控、態(tài)勢預測、行為畫像、虛擬軌跡等各類實際業(yè)務決策。

以下是李夏風演講全文，雷鋒網(wǎng)AI掘金志作了不改變原意的整理與編輯：

云從科技智慧治理行業(yè)部總經(jīng)理李夏風

大家好，我是李夏風，我首先簡要介紹一下云從科技。

云從科技孵化自中國科學院重慶研究院，受托參與了人工智能國標、行標制定，并成為第一個同時承擔國家發(fā)改委人工智能基礎平臺、應用平臺，工信部芯片平臺等國家重大項目建設任務的人工智能科技企業(yè)。致力圍繞人們生活的每個場景，以人工智能技術與人機協(xié)同平臺為基礎，以用戶為中心，定義出場景化、行業(yè)化、個性化的智能服務。

云從先后布局智慧金融、智慧治理、智慧交通及智慧商業(yè)等四大業(yè)務領域，助推各個行業(yè)從數(shù)字化到智慧化轉(zhuǎn)型升級，每天為全球3億人次用戶帶來智慧、便捷和人性化的AI生活體驗。

在發(fā)展過程當中，云從科技也受到了各級政府的廣泛支持，就在今年，我們和廣州市政府達成了戰(zhàn)略合作，共建國內(nèi)首個人機協(xié)同的開放平臺，為人機協(xié)同平臺城市的落地打下了非常堅實的基礎。

云從提出的人機協(xié)同與人工智能有什么關系？我們可以回顧下汽車工業(yè)發(fā)展史。18世紀汽車已經(jīng)誕生，當時的汽車屬于工藝品，需要頂尖工匠手工打造。到了19世紀20年代，通過生產(chǎn)線可將汽車標準化、大規(guī)模生產(chǎn)，汽車變成了一個工業(yè)產(chǎn)品，規(guī)?；?、效率化的提升，使得汽車走進了千家萬戶。到了現(xiàn)在，工業(yè)4.0時代，汽車已經(jīng)可以按照每個個體需求，自由地組合生產(chǎn)了。

人工智能的發(fā)展路徑是否也像汽車工業(yè)一樣是漸進式、階段式發(fā)展的呢？

我們總結(jié)出人工智能“三浪”發(fā)展趨勢。前幾年驅(qū)動了人工智能第一浪，抓住AI單點技術帶來的市場機遇期布局戰(zhàn)略性技術，尤其是人臉識別技術，驅(qū)動了AI廣泛應用、市場快速推廣的浪潮。

在這個浪潮中，市場從剛開始的不信任，到后來的盲目信任，最后在與AI企業(yè)合作過程中發(fā)現(xiàn)，對于提出的需求，有些AI公司很難快速響應或者響應效果不盡人意，這時候第一波浪潮有所下跌。

如何解決這個問題？我們認為需要提出一個新概念：AI工程學。

正如汽車工業(yè)中工業(yè)化、流水線生產(chǎn)的理念，我們需要用AI工程學的方法解決AI生產(chǎn)力快速提升的目標。利用AI工程學提升10倍效率，行業(yè)化、場景化后，實現(xiàn)行業(yè)價值閉環(huán)，人工智能會進入第二個浪潮。隨著與更多行業(yè)與AI深入的結(jié)合，我們有理由相信會進入第三波浪潮。彼時AI廣泛存在，將以人機協(xié)同的方式嵌入到所有業(yè)務流程中，就像現(xiàn)在的互聯(lián)網(wǎng)一樣。實際上，現(xiàn)在沒有純粹的互聯(lián)網(wǎng)行業(yè)，每個行業(yè)都必須與互聯(lián)網(wǎng)結(jié)合。人工智能發(fā)展到一定程度也會達到這個階段。這就是我們所理解的人工智能“三浪”發(fā)展規(guī)律。

人機協(xié)同在其中處于什么位置？我們認為人機協(xié)同分三個方式：

首先，人機交互。

通過視覺、聽覺、文字感知等感知技術，以及認知、決策技術實現(xiàn)與AI之間的基本交互。即，AI至少能聽得懂人在說什么，看得見人在做什么。

第二，人機融合。

通過智能技術幫助行業(yè)專家總結(jié)知識，讓人工智能能夠為行業(yè)用戶提供全天候、穩(wěn)定的、全面的智能服務。即，人和機器共同完成一些事情。

第三，人機共創(chuàng)。

人工智能與行業(yè)專家共同探索，創(chuàng)造出新的產(chǎn)品、場景與服務，實現(xiàn)千人前面的個性化精準服務。即，除了完成一些既定的事情外，還可以共同創(chuàng)造出新的東西。

在人機協(xié)同這個過程中，也有三個主要角色：各個行業(yè)和場景的專家、以機器代表的人工智能的知識服務和用戶。

首先專家把他的知識賦能給機器，機器再通過知識服務的方式，通過智能化的產(chǎn)品提升用戶的體驗，用戶在這個過程中也會反饋出他們的個性化需求，然后反哺到機器，機器協(xié)助專家，提升其潛能與效率。這三者之間形成的閉環(huán)，就是我們所說的人機協(xié)同的概念。

而人機協(xié)同落地，需要三樣東西，云端大腦，整個數(shù)據(jù)匯集、分析和提煉的中樞；終端設備，智能設備是搜集數(shù)據(jù)，同時也是人機交互的入口；嵌入式模塊，即AI平臺，是智能化的中樞和核心載體，數(shù)據(jù)經(jīng)過云端大腦 的處理后，形成的服務通過嵌入式模塊集成到各類業(yè)務當中，從而實現(xiàn)人機協(xié)同在各場景落地。

通過以上架構，云從科技在智慧金融、智慧交通、智慧治理、智慧零售等領域都實現(xiàn)了商業(yè)落地。

國家層面的治理現(xiàn)代化是除了之前的“四化”以外的第五個現(xiàn)代化，在國家治理現(xiàn)代化當中，智能化是非常關鍵的一部分。治理現(xiàn)代化或者說治理智能化大概包含以下幾點：第一，對治理場景的智能感知。第二，對治理要素的智能認知。第三，對治理動作或者治理行為、治理工作的智能決策。

對于實現(xiàn)智慧治理的方式，云從科技提出了“應用牽引，雙擎驅(qū)動，平臺賦能，終端延伸”的思路。

具體環(huán)節(jié)，我們提出了智慧治理“N-N”的業(yè)務架構。第一個N指的是N類場景，包括社會治理、公共安全等，第二個N是指N類數(shù)據(jù)源，包括各種邊緣設備、智能終端、業(yè)務系統(tǒng)等。視頻、音頻、人車物等N類數(shù)據(jù)源將進入一個數(shù)據(jù)匯聚中心。

兩大引擎：第一大引擎，智能解析引擎，是以視圖解析為核心的解析引擎，它將非結(jié)構化數(shù)據(jù)進行結(jié)構化。第二個引擎，數(shù)據(jù)分析引擎，基于結(jié)構化數(shù)據(jù)進行處理分析，將數(shù)據(jù)變成信息。

兩項平臺：一是知識服務平臺或者知識生成平臺，叫知識及服務。這個“知識”，是“信息”經(jīng)過解析和分析后形成知識，在這個平臺，面向場景，通過這些知識去提供標準化的綜合性應用，包括全息檔案、態(tài)勢預測、圖上指揮等基礎性功能?；诖?，到達第二個綜合應用平臺，真正去賦能N類的專業(yè)化場景。這是一個完整的體系。

有人可能會質(zhì)疑云從科技如何有能力去實現(xiàn)這個藍圖。

首先，N類數(shù)據(jù)源來自云從科技廣泛的合作伙伴。云從科技雖然有硬件產(chǎn)品，也具備硬件生產(chǎn)的能力，但我們只在一些小場景、專業(yè)化場景中提供少量設備，云從不是一個專業(yè)的、面向廣泛場景的硬件設備公司。正因為如此，我們具有開放的心態(tài)和生態(tài)，實現(xiàn)數(shù)據(jù)的匯聚。

另外，云從具備打造雙引擎和知識服務平臺、應用平臺的AI能力。第三，云從科技提出的人機協(xié)同理論中，核心是對人、對行業(yè)的敬畏，所以云從從戰(zhàn)略到體系，都結(jié)合專家，深入到各個業(yè)務環(huán)節(jié)，深刻地理解業(yè)務。

接下來，我介紹一下具體的板塊。

智能解析引擎。早期大家說的人工智能主要是人臉識別或者泛人臉識別，隨著技術演進，解析內(nèi)容不斷增長，從人臉走向了人體，走向了車輛，也走向了文字和語言，AI的需求和場景極其多，不管我們可以走向多少內(nèi)容，不可能窮盡，所以就需要開放的訓練平臺，針對長尾算法進行快速地生產(chǎn)。

視圖全結(jié)構化解析，在各類人車監(jiān)控場景下，全結(jié)構化引擎是對視頻或圖片中的人臉、人體、機動車、非機動車以及人體行為進行目標抓拍、識別、屬性分析、實時聚類和分析檢索的智能視頻分析引擎。

其中行為識別是當前的技術熱點，在某些場景實現(xiàn)了落地應用，但我認為還遠未達到大面積推廣的階段，所以這是我們當前重點研發(fā)的課題。

從解析的效率和底層貫通角度看，多家算法對大量人車的關聯(lián)、人和非機動車的關聯(lián)以及行為識別等效率和數(shù)據(jù)利用上影響非常大，無法實現(xiàn)底層貫通，所以以上所有引擎的結(jié)構化算法都由云從提供。

OCR場景及產(chǎn)品種類。從卡證和票據(jù)的OCR到通用類型的OCR，到自然場景的文字識別，云從都已經(jīng)有相應的產(chǎn)品落地。比如，在海關，云從識別船舶的集裝箱。

云從也做語音識別，因為我們?nèi)藱C協(xié)同的戰(zhàn)略中，人機交互是非常重要的一部分，而人機交互離不開語音，所以我們在語音上落地效果也非常好。只有語音遠遠不夠，還需要自然語言理解（NLP），如此，才能真正實現(xiàn)這些業(yè)務。

語音也好，NLP也好，都是面向場景形成專業(yè)化應用，而不是面向通用通常，這與其他友商不同。

AI訓練平臺。剛才提到，我們不可能窮盡所有的算法，所以我們必須要提供一個可再生產(chǎn)的平臺，于是AI訓練平臺誕生了，它可以實現(xiàn)快速的場景適配，快速的模型生成和便捷的部署，包括模型效果的評價。云從AI落地的行業(yè)中，很多是2G或者2B，他們都有自己獨立的網(wǎng)絡和安全策略，所以我們需要通過AI訓練平臺，盤活客戶的數(shù)據(jù)活。

現(xiàn)在我做一個總結(jié)。

智能解析引擎有四大特點。

首先，軟硬解耦，云從自主解析算法支持軟硬資源解耦，可以與各類解析中心硬件資源進行適配；其次，云從解析算法可以適配國產(chǎn)化芯片，同時，在底層實現(xiàn)解析算法相互融合，實現(xiàn)效率和使用維度的極大的性能提升。當然，模型訓練平臺融合智能算法訓練于一體，可以根據(jù)場景數(shù)據(jù)生產(chǎn)符合行業(yè)需求的模型算法，它是一個自我進化的算法。

數(shù)據(jù)分析引擎。云從基于此引擎，建設了數(shù)據(jù)全生命周期的接入、分析、治理、挖掘、認知與決策的體系。其中包括數(shù)據(jù)治理模塊、標簽工廠、數(shù)據(jù)資產(chǎn)、數(shù)據(jù)可視化等，這些模塊把數(shù)據(jù)變成信息，再通過專家的可視化建模，并利用平臺自動的生成，快速響應業(yè)務的需求，從而構建自己的業(yè)務模型。

機器學習訓練推理引擎，能夠基于歷史數(shù)據(jù)，找尋規(guī)律，通過挖掘，生產(chǎn)出判斷模型。知識圖譜，實現(xiàn)關系的廣泛連接和挖掘。

決策引擎，把基于專家的建模，把基于機器學習的模型，基于關系知識圖譜的推理等進行一個綜合的決策編排。

數(shù)據(jù)分析引擎的特點。匯聚感知數(shù)據(jù)，打造數(shù)據(jù)挖掘基礎；融合業(yè)務數(shù)據(jù)，靈活定制生成各類標簽，拓展業(yè)務對象；依托認知信息，形成各類專家的決策，為決策提供有力的支撐。最后，我們也可以依托可視化專家建模、固化經(jīng)驗模型，積累與傳承業(yè)務知識。

知識生產(chǎn)與服務平臺KaaS。

這是一個變數(shù)據(jù)/經(jīng)驗為在線知識的平臺。從數(shù)據(jù)到知識，是數(shù)據(jù)價值挖掘的必經(jīng)之路，目前大部分數(shù)據(jù)資源還沒有得到充分利用。

云從定義的知識是廣義的，包含數(shù)據(jù)，描述事實的內(nèi)容，如人口信息、快遞信息等；標簽，數(shù)據(jù)的進一步加工，如高齡老人、購物達人等；知識圖譜，進一步把數(shù)據(jù)加工，存入圖數(shù)據(jù)庫，形成關系網(wǎng)絡；機器學習模型，通過歷史數(shù)據(jù)沉淀和數(shù)據(jù)挖掘算法，建立趨勢預測、人群分類模型；決策模型，用來提供某種場景下的業(yè)務規(guī)則，如城市應用響應等；專家模型，用來從海量數(shù)據(jù)中發(fā)現(xiàn)需要的數(shù)據(jù)，建立數(shù)字人像檔案等。

將以上這些知識模型化、在線化，加上AI引擎（感知處理能力），就能提供智能服務，賦能應用智能化升級。

有了知識體系后，我們就能快速地支撐決策，當然，決策很多時候是沉淀在業(yè)務系統(tǒng)當中，我們可以快速地通過知識體系模式和強大的智能化手段賦能這些業(yè)務系統(tǒng)。

舉一個例子，這是我們在某個市級單位的應用，我們拉通了覆蓋幾十個機關，十個區(qū)和四個開發(fā)區(qū)的幾千個系統(tǒng)，其中有幾萬個數(shù)據(jù)項，形成了專業(yè)的數(shù)據(jù)集，把其中的對象、行為、標簽進行提煉，通過云從的算法、規(guī)則引擎模型的訓練、圖譜的構建對知識進行加工，最后形成了面向以“人、事、地、物、組、網(wǎng)”為核心要素的治理知識體系?；谶@個知識體系構建了一系列的大數(shù)據(jù)智能模型，最終實現(xiàn)決策支持、風險防控、治安防控、執(zhí)法辦案、公共服務、市域治理等幾大場景的應用，這是一個真實的案例。

最后，在這里我們希望和更多的業(yè)內(nèi)同仁們一起，基于人機協(xié)同平臺，以業(yè)務專家的向?qū)橹敢院诵募夹g引擎為驅(qū)動，以大數(shù)據(jù)燃料為支撐，實現(xiàn)社會治理智能化。雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。