彩88彩票怎么玩不了了 明略科技的“数据中台”野望

更新:2020-01-08 18:16:32浏览:2055

简介:11月15日,明略科技集团在上海举办以“faster 聚变·增长新动力”为主题的2019数据智能峰会,宣布“打造智能时代的企业中台”新战略,基于自身的业务逻辑,正式发布了具有行业知识图谱know-how的新一代数据中台,同时发布了智能运维、多维感知、智慧零售三大行业解决方案。值得注意的是,与其他厂商的数据中台不同,明略的数据中台的底层逻辑是自研的hao智能体系。

彩88彩票怎么玩不了了 明略科技的“数据中台”野望

彩88彩票怎么玩不了了,人工智能怎么从感知智能,走向认知智能?

对未来智能世界怀有憧憬的ai初创企业们,无疑都在沿着各自的路径,为这一问题不断奔走。

这一问题的回答,还要回到最底层的数据分析和挖掘上。从基础硬件、到业务应用系统,再到云平台,产业链层层向上传递,都离不开大数据软件服务商的支撑。

而帮助企业连接数据,将数据用活,将垂直用户的使用习惯和业务知识,注入到平台,提供知识支撑,正是明略科技最擅长的。

作为人工智能领域的独角兽,明略科技从最初,就选择了与国内很多人工智能公司不同的路径。

在业内厂商纷纷选择做算法、做应用的同时,明略一开始就选择了产业链上游,并且专攻难度极大的领域——公安大数据。不同类型的案件中、不同的应用场景下,对于机器学习来说,其实最难的就是行业知识图谱的建立。

为什么会选择切入这一行业?

这就不得不提起明略科技创始人吴明辉与公安的渊源。父亲是一名警察的吴明辉,自小耳濡目染,了解到公安工作时,一起重大案件往往需要几百个警察分析情报,找线索,过程很是痛苦。

为公安行业和国家做点事。这是吴明辉,也是明略科技整个技术团队最初的想法。

而作为ai最快的场景之一,公安领域也有着有规模数据、明确的业务指向等其他行业不具备的特性。

有了初心和数据基础,明略科技的大数据及ai服务,就找到了最适合的落地方向。自此,明略科技就开始为公安提供破案引擎,将公安的破案逻辑附在产品中,不断打造破案的知识分享系统。运用公安知识图谱等认知智能手段,实现人、事、地、物、组织、虚拟身份的关联,提升预警研判的准度、精度。

随着不断的深耕,明略科技在公安领域,利用大数据和ai,在替代人力的重复性工作上已经有了不错的进展。对警情案情的串并,情报线索的提取和分类、分发上,也都实现了大幅跃进。

但思及如何更好的提供智能,如何透过信息的表面,对发掘更多链接的深层线索或要素,并进行智能的推理、挖掘,也就是到认知智能层面,明略科技认为,目前做的还远远不够。

举个简单的例子,公安领域的业务由“情指行督”几个环节组成,即情报、指挥、行动和督察。在督察这一环节,如何更好的考核工作,就是一个较为复杂的问题。

公安人员往往都在忙碌于各种不同的工作中,但单靠简单的接警次数、出警次数,或110响应次数,很难衡量他们工作量。

比如警员每次响应是不是有效、是不是第一时间给予了结果、案件是否第一时间就能破获、破获的过程中是否牵动了其它案件、是否给其它兄弟警种、兄弟部门提供了支撑……这些实际情况,都难以量化评估。

而传统的数据平台,依赖于前后和后台的架构。

前台面向各个警种的各个独立业务系统,后台一对一为前台服务进行支撑。但这种方式,对业务系统的支撑效率很低。后台能够基本满足支撑一个系统运转的要求,但对提供更高效、更智能的系统服务,就显得力不从心。

如何解决这一难题?

这就需要综合的数据分析,去完成评估和考察。对更好前台、后台联动,数据和业务能有效融合的高要求,也就催生了“中台”的诞生。

正如阿里在电商行业中,提出了阿里中台,华为在通讯行业中提出了华为中台,明略科技也基于业务要求,在公安业务中提出了自己的中台概念。

“简单来说,明略科技想要利用更多数据,从数据中产生更多的业务价值和知识。将传统只能做一些bi统计性智能分析的数据仓库,进行升级,提升智能分析应用。”明略科技集团副总裁任鑫琦说道。

具体而言,中台以面向前台、面向业务的方式,考虑后台的数据如何组织,采用怎样的技术将数据组织和加工成什么形式,提供查询、计算、数据挖掘服、ai等服务。这就是中台的核心价值。

如在刚才提到的“督察”问题上,基于传统架构,只能进行较为简单的审计、考核的业务系统,警员往往机械填写东西,考核的维度很少。

但基于中台架构,就能打通公安各级的行政关系和数据权限。连通多源异构的公安数据、社会化数据、互联网数据等维度的数据,构建以知识图谱为核心的多维感知和智能体系,并针对不同警种和业务环节,进行检索、分析、挖掘等。这就是中台的典型应用,也是明略智能的再进化。

11月15日,明略科技集团在上海举办以“faster 聚变·增长新动力”为主题的2019数据智能峰会,宣布“打造智能时代的企业中台”新战略,基于自身的业务逻辑,正式发布了具有行业知识图谱know-how的新一代数据中台,同时发布了智能运维、多维感知、智慧零售三大行业解决方案。

值得注意的是,与其他厂商的数据中台不同,明略的数据中台的底层逻辑是自研的hao智能体系。

而hao智能理论,所立足的点,正是通过打通感知、认知、行动系统,帮助企业或组织进行分析决策,实现ai的闭环。

任鑫琦认为,认知不是感知的延伸。从一个感知维度的智能无论怎么演进,都无法演进为有推理或者有认知能力的智能体。多维感知分析,并不是多个维度感知智能的叠加。感知技术为万物互联提供了可能,认知智能则为万物互联提供了智能。要实现从感知到认知的智能跨越,最重要的中间载体是“知识图谱”。知识图谱就像人类“大脑”一样,将数据进行有机组织,而非对数据进行简单分门别类式的储存。

明略科技推出的数据中台,通过合并更多的数据,包括iot万物感知体系,对不同感知端背后的数据进行信息和知识挖掘,构建知识图谱,提高ai可解释性,通过综合分析,为决策提供依据和参考。其本质就是打通感知和认知,将数据转换为信息、知识,最终形成智慧,实现从识别到理解,再到分析、决策的智能递进。

不过,需要说明的是,由于近两年兴起,而起初定义不清,各种中台层出不穷,也常常使其成为装着各种概念的篮子。

但作为大数据的软件产品、平台和智能服务商,明略科技对中台,显然有着清晰的理解和定位,并将其真正用到了业务中。这也是为什么,在数据层面,同行者很多都逐渐消失或转型,而明略科技却能一直深扎,越行越远。

目前,市场上做中台业务的公司可以分为这三类。

一类是,此前提供paas层和iaas层能力为主的云平台厂商,借由中台的热潮,又向下再提供中台能力。

但其“中台”,主要还是基于基础平台。往往在数据上的技术优势很强,但对于中台这种为业务优化而出现架构,并没有经验积累,尤其在垂直场景的业务能力不足。

这也是从“数据找场景”角度来做中台。

另一类是,许多传统厂商,基于自身的业务需求打造中台。其对垂直领域的数据特征,有足够理解。但对如何设计中台的技术架构,如何对数据进行处理、加工、存储等方面,往往一知半解。

他们的路径,显然是从“场景找数据”来做中台。

无论是,数据找场景,还是场景找数据,都各有各的门槛。中台的概念虽好,但不是厂商轻易就能跨界做的。

明略科技在中台上的优势,恰恰在于,其本身就是大数据的软件产品、平台和智能服务商,最初又选择了切入公安等领域,做专业领域的数据分析,并一直思考如何利用数据提供有价值的产品和服务。

基于自身定位,恰好能实现上下衔接,将业务落到数据平台上,这也就是明略科技中台的主打方向。

自然,在专业领域深耕,随之带来的另一面,是纵向很深,但横向难以大面积铺开。在更多行业领域,通用能力可以横向迁移,但新领域的行业知识和专家经验,就需要用做数据治理的经验,再去逐渐匹配行业。

这一点上,明略科技也很明确自己的方向。与其做的泛而不深,不如先深耕一两个行业,待成熟再向其他行业拓展。一步一个脚印,逐步铺开场景。

在公安领域,未来还有哪些值得想象的空间?

可以说,目前只实现了认知智能的第一步,将人从语言、文字或认知的理解中解放出来,而下一步就是将对理解后的信息的智能分析,以及将潜在信息的分析,更多注入到数据系统中。因而,未来的空间依然还有很大。

经过2015年深度学习带来的爆发式增长后,人们的普遍观感是,近几年ai在行业的落地,似乎并没有那么快。

对于这一点,任鑫琦也有自己的看法,“这很正常。但实际上,ai并不慢,只是在和行业结合中,做自然增长。”

“这其实反映的更多是人们的心态。人们总是把一些近期能实现的技术想得过快,把一些远期看着很难的技术想得过慢。这很适用于计算机视觉领域。往往大家认为准备好一切的技术,其实并没有那么快;而如机器人、认知智能、及脑科学,这些看似遥遥无期的技术,反而在逐渐进步。”任鑫琦说道。

这一看法,也正好可以应用于明略科技做认知智能上。

自成立以来,明略科技一直在探索人工智能在知识和管理复杂度高的行业中落地,不断完善感知智能到认知智能的ai闭环,明略也在逐渐打造包括公安大脑、工业安全大脑、金融风控大脑等在内的ai大脑。

技术的发展,有时就是这样一个“说时迟、那时快”的过程。更深层的智能潜行之时,说不定哪一朝便会来到人们眼前。

而行业也正期待着,更高阶的人工智能,认知智能,更早到来。

创立于2017年的「ai最佳掘金案例年度榜单」,是业内首个人工智能商业案例评选活动。雷锋网从商用维度出发,寻找人工智能在各个行业的最佳落地实践。

第三届评选已正式启动,关注微信公众号“雷锋网”,回复关键词“榜单”参与报名。详情可咨询微信号:xqxq_xq

推荐新闻

热门新闻

最新新闻

© Copyright 2018-2019 etefaghnews.com 骏景官方网站 Inc. All Rights Reserved.