對前臺、後臺更好聯動，數據和業務能更有效融合的要求，也就催生了“中臺”。作者 | 張瑞
人工智能怎麼從感知智能，走向認知智能？
對未來智能世界懷有憧憬的AI初創企業們，無疑都在沿著各自的路徑，為這一問題不斷奔走。
這一問題的回答，還要回到最底層的數據分析和挖掘上。從基礎硬件、到業務應用系統，再到雲平臺，產業鏈層層向上傳遞，都離不開大數據軟件服務商的支撐。
而幫助企業連接數據，將數據用活，將垂直用戶的使用習慣和業務知識，注入到平臺，提供知識支撐，正是明略科技最擅長的。
公安領域的大數據服務專家
作為人工智能領域的獨角獸，明略科技從最初，就選擇了與國內很多人工智能公司不同的路徑。
在業內廠商紛紛選擇做算法、做應用的同時，明略一開始就選擇了產業鏈上游，並且專攻難度極大的領域——公安大數據。不同類型的案件中、不同的應用場景下，對於機器學習來說，其實最難的就是行業知識圖譜的建立。
為什麼會選擇切入這一行業？
這就不得不提起明略科技創始人吳明輝與公安的淵源。父親是一名警察的吳明輝，自小耳濡目染，瞭解到公安工作時，一起重大案件往往需要幾百個警察分析情報，找線索，過程很是痛苦。
為公安行業和國家做點事。這是吳明輝，也是明略科技整個技術團隊最初的想法。
而作為AI最快的場景之一，公安領域也有著有規模數據、明確的業務指向等其他行業不具備的特性。
有了初心和數據基礎，明略科技的大數據及AI服務，就找到了最適合的落地方向。自此，明略科技就開始為公安提供破案引擎，將公安的破案邏輯附在產品中，不斷打造破案的知識分享系統。運用公安知識圖譜等認知智能手段，實現人、事、地、物、組織、虛擬身份的關聯，提升預警研判的準度、精度。
AI進化，正走向認知智能
隨著不斷的深耕，明略科技在公安領域，利用大數據和AI，在替代人力的重複性工作上已經有了不錯的進展。對警情案情的串並，情報線索的提取和分類、分發上，也都實現了大幅躍進。
但思及如何更好的提供智能，如何透過信息的表面，對發掘更多鏈接的深層線索或要素，並進行智能的推理、挖掘，也就是到認知智能層面，明略科技認為，目前做的還遠遠不夠。
舉個簡單的例子，公安領域的業務由“情指行督”幾個環節組成，即情報、指揮、行動和督察。在督察這一環節，如何更好的考核工作，就是一個較為複雜的問題。
公安人員往往都在忙碌於各種不同的工作中，但單靠簡單的接警次數、出警次數，或110響應次數，很難衡量他們工作量。
比如警員每次響應是不是有效、是不是第一時間給予了結果、案件是否第一時間就能破獲、破獲的過程中是否牽動了其它案件、是否給其它兄弟警種、兄弟部門提供了支撐……這些實際情況，都難以量化評估。
而傳統的數據平臺，依賴於前後和後臺的架構。
前臺面向各個警種的各個獨立業務系統，後臺一對一為前臺服務進行支撐。但這種方式，對業務系統的支撐效率很低。後臺能夠基本滿足支撐一個系統運轉的要求，但對提供更高效、更智能的系統服務，就顯得力不從心。
具有行業知識圖譜的中臺，從數據打通業務
如何解決這一難題？
這就需要綜合的數據分析，去完成評估和考察。對更好前臺、後臺聯動，數據和業務能有效融合的高要求，也就催生了“中臺”的誕生。
正如阿里在電商行業中，提出了阿里中臺，華為在通訊行業中提出了華為中颱，明略科技也基於業務要求，在公安業務中提出了自己的中臺概念。
“簡單來說，明略科技想要利用更多數據，從數據中產生更多的業務價值和知識。將傳統只能做一些BI統計性智能分析的數據倉庫，進行升級，提升智能分析應用。”明略科技集團副總裁任鑫琦說道。
具體而言，中臺以面向前臺、面向業務的方式，考慮後臺的數據如何組織，採用怎樣的技術將數據組織和加工成什麼形式，提供查詢、計算、數據挖掘服、AI等服務。這就是中臺的核心價值。
如在剛才提到的“督察”問題上，基於傳統架構，只能進行較為簡單的審計、考核的業務系統，警員往往機械填寫東西，考核的維度很少。
但基於中臺架構，就能打通公安各級的行政關係和數據權限。連通多源異構的公安數據、社會化數據、互聯網數據等維度的數據，構建以知識圖譜為核心的多維感知和智能體系，並針對不同警種和業務環節，進行檢索、分析、挖掘等。這就是中臺的典型應用，也是明略智能的再進化。
11月15日，明略科技集團在上海舉辦以“FASTER 聚變·增長新動力”為主題的2019數據智能峰會，宣佈“打造智能時代的企業中臺”新戰略，基於自身的業務邏輯，正式發佈了具有行業知識圖譜Know-How的新一代數據中臺，同時發佈了智能運維、多維感知、智慧零售三大行業解決方案。
值得注意的是，與其他廠商的數據中臺不同，明略的數據中臺的底層邏輯是自研的HAO智能體系。
而HAO智能理論，所立足的點，正是通過打通感知、認知、行動系統，幫助企業或組織進行分析決策，實現AI的閉環。
任鑫琦認為，認知不是感知的延伸。從一個感知維度的智能無論怎麼演進，都無法演進為有推理或者有認知能力的智能體。多維感知分析，並不是多個維度感知智能的疊加。感知技術為萬物互聯提供了可能，認知智能則為萬物互聯提供了智能。要實現從感知到認知的智能跨越，最重要的中間載體是“知識圖譜”。知識圖譜就像人類“大腦”一樣，將數據進行有機組織，而非對數據進行簡單分門別類式的儲存。
明略科技推出的數據中臺，通過合併更多的數據，包括IoT萬物感知體系，對不同感知端背後的數據進行信息和知識挖掘，構建知識圖譜，提高AI可解釋性，通過綜合分析，為決策提供依據和參考。其本質就是打通感知和認知，將數據轉換為信息、知識，最終形成智慧，實現從識別到理解，再到分析、決策的智能遞進。
數據、場景的雙向驅動，明略的中臺邏輯
不過，需要說明的是，由於近兩年興起，而起初定義不清，各種中臺層出不窮，也常常使其成為裝著各種概念的籃子。
但作為大數據的軟件產品、平臺和智能服務商，明略科技對中臺，顯然有著清晰的理解和定位，並將其真正用到了業務中。這也是為什麼，在數據層面，同行者很多都逐漸消失或轉型，而明略科技卻能一直深扎，越行越遠。
目前，市場上做中臺業務的公司可以分為這三類。
一類是，此前提供Paas層和Iaas層能力為主的雲平臺廠商，藉由中臺的熱潮，又向下再提供中臺能力。
但其“中臺”，主要還是基於基礎平臺。往往在數據上的技術優勢很強，但對於中臺這種為業務優化而出現架構，並沒有經驗積累，尤其在垂直場景的業務能力不足。
這也是從“數據找場景”角度來做中臺。
另一類是，許多傳統廠商，基於自身的業務需求打造中臺。其對垂直領域的數據特徵，有足夠理解。但對如何設計中臺的技術架構，如何對數據進行處理、加工、存儲等方面，往往一知半解。
他們的路徑，顯然是從“場景找數據”來做中臺。
無論是，數據找場景，還是場景找數據，都各有各的門檻。中臺的概念雖好，但不是廠商輕易就能跨界做的。
明略科技在中臺上的優勢，恰恰在於，其本身就是大數據的軟件產品、平臺和智能服務商，最初又選擇了切入公安等領域，做專業領域的數據分析，並一直思考如何利用數據提供有價值的產品和服務。
基於自身定位，恰好能實現上下銜接，將業務落到數據平臺上，這也就是明略科技中臺的主打方向。
自然，在專業領域深耕，隨之帶來的另一面，是縱向很深，但橫向難以大面積鋪開。在更多行業領域，通用能力可以橫向遷移，但新領域的行業知識和專家經驗，就需要用做數據治理的經驗，再去逐漸匹配行業。
這一點上，明略科技也很明確自己的方向。與其做的泛而不深，不如先深耕一兩個行業，待成熟再向其他行業拓展。一步一個腳印，逐步鋪開場景。
未來AI的想象力在哪
在公安領域，未來還有哪些值得想象的空間？
可以說，目前只實現了認知智能的第一步，將人從語言、文字或認知的理解中解放出來，而下一步就是將對理解後的信息的智能分析，以及將潛在信息的分析，更多注入到數據系統中。因而，未來的空間依然還有很大。
經過2015年深度學習帶來的爆發式增長後，人們的普遍觀感是，近幾年AI在行業的落地，似乎並沒有那麼快。
對於這一點，任鑫琦也有自己的看法，“這很正常。但實際上，AI並不慢，只是在和行業結合中，做自然增長。”
“這其實反映的更多是人們的心態。人們總是把一些近期能實現的技術想得過快，把一些遠期看著很難的技術想得過慢。這很適用於計算機視覺領域。往往大家認為準備好一切的技術，其實並沒有那麼快；而如機器人、認知智能、及腦科學，這些看似遙遙無期的技術，反而在逐漸進步。”任鑫琦說道。
這一看法，也正好可以應用於明略科技做認知智能上。
自成立以來，明略科技一直在探索人工智能在知識和管理複雜度高的行業中落地，不斷完善感知智能到認知智能的AI閉環，明略也在逐漸打造包括公安大腦、工業安全大腦、金融風控大腦等在內的AI大腦。
技術的發展，有時就是這樣一個“說時遲、那時快”的過程。更深層的智能潛行之時，說不定哪一朝便會來到人們眼前。
而行業也正期待著，更高階的人工智能，認知智能，更早到來。
雷鋒網年度評選
尋找19大行業的最佳AI落地實踐
創立於2017年的「AI最佳掘金案例年度榜單」，是業內首個人工智能商業案例評選活動。雷鋒網從商用維度出發，尋找人工智能在各個行業的最佳落地實踐。
閱讀更多 AI掘金志 的文章
