近日，中國(guó)工程院院士、2020年世界互聯(lián)網(wǎng)領(lǐng)先科技成果專(zhuān)家推薦委員會(huì)中方主任鄔賀銓發(fā)表了《數(shù)據(jù)價(jià)值挖掘的挑戰(zhàn)》的主題演講。
數(shù)據(jù)融合利用需要標(biāo)準(zhǔn)規(guī)范先行
鄔賀銓院士表示，數(shù)據(jù)融合利用需要標(biāo)準(zhǔn)規(guī)范先行，實(shí)現(xiàn)數(shù)據(jù)可見(jiàn)性、數(shù)據(jù)易理解性、數(shù)據(jù)可鏈接性、數(shù)據(jù)可信性、數(shù)據(jù)互操作性和數(shù)據(jù)安全性。
鄔賀銓院士通過(guò)舉例具體介紹，以色列首都特拉維夫把所有交通攝像頭的視頻合成一個(gè)完整的視頻，就像城市的領(lǐng)導(dǎo)坐著直升飛機(jī)俯視這個(gè)城市一樣，可以看到不同的時(shí)間用不同顏色標(biāo)注交通管制、交通事故，并且實(shí)時(shí)通過(guò)5G、4G發(fā)送給行人、駕駛員，供大家選擇自己的出行路線，這是數(shù)據(jù)可見(jiàn)性;新冠肺炎確診除了做核酸檢測(cè)，可能還要做CT，一個(gè)肺可以做出300張CT，把300張CT照片還原為一個(gè)肺，再看看肺有沒(méi)有纖維化，肺周邊怎么樣，可以讓數(shù)據(jù)變得可理解;要展示去年和今年的歐洲航空情況，把所有飛機(jī)上的數(shù)據(jù)連接起來(lái)，形成一個(gè)航空的數(shù)字孿生的交通鏡像，就有了全局性;有很多古羅馬的遺址散落在現(xiàn)代建筑之中，如果想看古代羅馬怎么樣，現(xiàn)在可以把這些遺址照片合成一個(gè)視頻，把時(shí)空分散的照片組合起來(lái)，生成一個(gè)反映古羅馬街景的視頻，這是數(shù)據(jù)的互操作性。
關(guān)于數(shù)據(jù)的可信性和安全性，鄔賀銓院士特別提到，如果數(shù)據(jù)本身是不全面的，或者說(shuō)是有很多差錯(cuò)的，那這個(gè)數(shù)據(jù)挖掘是沒(méi)有用的，需要有數(shù)據(jù)質(zhì)量管理技術(shù)，按照規(guī)定程序適當(dāng)標(biāo)記、保存和記錄數(shù)據(jù)，在壽命周期內(nèi)都能夠保護(hù)和血緣元數(shù)據(jù)的約束。數(shù)據(jù)安全性方面，需要實(shí)現(xiàn)精細(xì)化權(quán)限管理和審計(jì)，定期評(píng)估分類(lèi)標(biāo)準(zhǔn)并測(cè)試合規(guī)性。
數(shù)據(jù)挖掘面臨算力算法的挑戰(zhàn)
鄔賀銓院士表示，數(shù)據(jù)挖掘首先要建數(shù)據(jù)模型。建數(shù)據(jù)模型的前提需要了解模型開(kāi)發(fā)背景和用途，以及誰(shuí)來(lái)訓(xùn)練模型，這些數(shù)據(jù)從哪來(lái)，模型運(yùn)用的效果如何，需要關(guān)注算法的完整性、可解釋性、公平性和適應(yīng)能力。同時(shí)，模型開(kāi)發(fā)完還需要不斷地檢驗(yàn)、迭代和完善。
算法現(xiàn)在主要還是用深度神經(jīng)網(wǎng)絡(luò)，深度神經(jīng)網(wǎng)絡(luò)經(jīng)歷了兩代，第一代主要是知識(shí)驅(qū)動(dòng)，就是專(zhuān)家系統(tǒng)，把專(zhuān)家經(jīng)驗(yàn)找出來(lái)，然后邏輯推理?，F(xiàn)在是第二代人工智能，大數(shù)據(jù)來(lái)了，是數(shù)據(jù)驅(qū)動(dòng)。鄔賀銓院士認(rèn)為，這兩個(gè)都不夠完整，“目前大數(shù)據(jù)很多應(yīng)用，我把它叫做大數(shù)據(jù)、大算力、小任務(wù)，非常多的數(shù)據(jù)，能力非常強(qiáng)的計(jì)算能力，實(shí)際上只做了一件很小的事情，而且穩(wěn)定性不夠，知其然不知其所以然，可解釋性差，應(yīng)用場(chǎng)景窄，怎么解決這個(gè)問(wèn)題呢?最好是小數(shù)據(jù)、小算力、大任務(wù)?！编w賀銓院士表示，現(xiàn)在需要發(fā)展到第三代，需要知識(shí)與數(shù)據(jù)雙驅(qū)動(dòng)，而且很多人說(shuō)需要內(nèi)腦，把人的認(rèn)知機(jī)理用上去，雖然比較困難，但是這個(gè)方向還是需要的。
鄔賀銓院士談到，往往大數(shù)據(jù)分析不能只靠中心云，很多時(shí)候要使用邊緣云，因?yàn)檫吘壴瓶梢跃徒幚?，適用于那些對(duì)數(shù)據(jù)試驗(yàn)敏感的一些業(yè)務(wù)，包括生產(chǎn)線上，一些數(shù)據(jù)不能送到遠(yuǎn)遠(yuǎn)的地方去處理，這樣就不能起到實(shí)時(shí)的作用，只能得到經(jīng)驗(yàn)的總結(jié)，有時(shí)候需要實(shí)時(shí)，就要把中心云的能力一部分下沉變成邊緣云。如果所有東西都希望云邊端協(xié)同，但這是這是有挑戰(zhàn)的，怎么協(xié)同，怎么分配這種計(jì)算能力，這是大數(shù)據(jù)挖掘需要解決的問(wèn)題。
現(xiàn)在是大數(shù)據(jù)、大算力、小任務(wù)，大數(shù)據(jù)也不見(jiàn)得那么全面，人工智能會(huì)誤判，而且模型準(zhǔn)確性也不是想象中那么好，人工智能需要大量標(biāo)注或清洗的數(shù)據(jù)，但很多時(shí)候只有小數(shù)據(jù)，怎么在小數(shù)據(jù)、小算力的情況下邊提高人工智能的分析能力，這是大數(shù)據(jù)分析面臨的挑戰(zhàn)。
大數(shù)據(jù)融合需要人與數(shù)據(jù)融合
鄔賀銓院士認(rèn)為，很多大數(shù)據(jù)融合需要人與數(shù)據(jù)融合。把人的數(shù)據(jù)跟客觀的東西融合在一起，把人的經(jīng)驗(yàn)介入到大數(shù)據(jù)分析過(guò)程，但是人不能永遠(yuǎn)介入，什么時(shí)候什么場(chǎng)景下能介入，這是需要經(jīng)驗(yàn)的。大數(shù)據(jù)分析不是不需要人，也不是大數(shù)據(jù)、工業(yè)互聯(lián)網(wǎng)時(shí)代的工人、工程師沒(méi)用了，里面還需要用到工程師和工匠精神。
數(shù)據(jù)只有融合才有價(jià)值，但融合就涉及到隱私和商密保護(hù)問(wèn)題。鄔賀銓院士談到，每個(gè)企業(yè)都希望用別人的企業(yè)數(shù)據(jù)，不愿意把自己的數(shù)據(jù)拿出去，總覺(jué)得這是商業(yè)秘密，那怎么做融合?怎么做到既融合又不會(huì)泄露每個(gè)企業(yè)的商業(yè)秘密，這是可以做到的，也有很多方案，比如采用多方計(jì)算的方式。
此外，大數(shù)據(jù)分析本身會(huì)用很多軟件，包括很多開(kāi)源軟件，可以網(wǎng)上宕下來(lái)，但是開(kāi)源軟件漏洞很多，而且版本升級(jí)太頻繁，需要檢查它的安全性，采用也可能會(huì)出問(wèn)題。如果用自然語(yǔ)言直接生成代碼，當(dāng)然反過(guò)來(lái)就能從代碼判決出原來(lái)這個(gè)軟件的意圖，如果能知道這個(gè)軟件意圖，那就能知道有沒(méi)有加入其它不該加入的東西，就能確保代碼是可信的。另外一種，大家往往為了怕數(shù)據(jù)泄露和篡改，采用加密手段，加了密的數(shù)據(jù)是比較難進(jìn)行安全掃描的，不過(guò)加密也不是萬(wàn)能的，還得從開(kāi)始階段，從內(nèi)生設(shè)計(jì)上讓它更安全。
演講的最后，鄔賀銓院士總結(jié)談到，智慧城市的管理和工業(yè)互聯(lián)網(wǎng)里有很多需要數(shù)據(jù)融合應(yīng)用的場(chǎng)景，多元異構(gòu)的數(shù)據(jù)融合能夠盤(pán)活數(shù)據(jù)，通過(guò)數(shù)據(jù)挖掘開(kāi)發(fā)數(shù)據(jù)的價(jià)值，發(fā)揮數(shù)據(jù)作為生產(chǎn)要素的作用。但是數(shù)據(jù)挖掘和人工智能的分析要面對(duì)海量的處理能力、云邊端的協(xié)同、建模、小數(shù)據(jù)、人與數(shù)據(jù)的融合、數(shù)據(jù)自身安全、隱私和商密保護(hù)等挑戰(zhàn)，我們需要從基礎(chǔ)理論跟工程實(shí)踐多方面來(lái)研究數(shù)據(jù)價(jià)值挖掘的問(wèn)題，要開(kāi)發(fā)出更高效的大數(shù)據(jù)和人工智能分析技術(shù)，整個(gè)大數(shù)據(jù)的創(chuàng)新還是任重道遠(yuǎn)。
（轉(zhuǎn)載）
