科技猎中国工程院院士邬贺铨：数据价值挖掘的挑战
近日，由中国国际大数据产业博览会组委会主办、数据观（北京）传媒科技有限公司承办的“永不落幕的数博会”2020系列活动——“大数据产业生态创新发展高峰会”在北京举行。
本次大会汇集两院院士、政府嘉宾以及大数据龙头企业代表，围绕加快数字产业化，助推产业数字化，构建大数据新产业新业态新模式，共同探讨未来大数据产业生态建设与发展的机遇与挑战。会上中国工程院院士邬贺铨发表了《数据价值挖掘的挑战》的主题演讲。
数据融合利用需要标准规范先行
邬贺铨院士表示，数据融合利用需要标准规范先行，实现数据可见性、数据易理解性、数据可链接性、数据可信性、数据互操作性和数据安全性。
邬贺铨院士通过举例具体介绍到，以色列首都特拉维夫把所有交通摄像头的视频合成一个完整的视频，就像城市的领导坐着直升飞机俯视这个城市一样，可以看到不同的时间用不同颜色标注交通管制、交通事故，并且实时通过5G、4G发送给行人、驾驶员，供大家选择自己的出行路线，这是数据可见性；新冠肺炎确诊除了做核酸检测，可能还要做CT，一个肺可以做出300张CT，把300张CT照片还原为一个肺，再看看肺有没有纤维化，肺周边怎么样，可以让数据变成可理解；要展示去年和今年的欧洲航空情况，把所有飞机上的数据连接起来，形成一个航空的数字孪生的交通镜像，就有了全局性；有很多古罗马的遗址散落在现代建筑之中，如果想看古代罗马怎么样，现在可以把这些遗址照片合成一个视频，把时空分散的照片组合起来，生成一个反映古罗马街景的视频，这是数据的互操作性。
关于数据的可信性和安全性，邬贺铨院士特别提到，如果数据本身是不全面的，或者说是有很多差错的，那这个数据挖掘是没有用的，需要有数据质量管理技术，按照规定程序适当标记、保存和记录数据，在寿命周期内都能够保护和血缘元数据的约束。数据安全性方面，需要实现精细化权限管理和审计，定期评估分类标准并测试合规性。
数据挖掘面临算力算法的挑战
邬贺铨院士表示，数据挖掘首先要建数据模型。建数据模型的前提需要了解模型开发背景和用途，以及谁来训练模型，这些数据从哪来，模型运用的效果如何，需要关注算法的完整性、可解释性、公平性和适应能力。同时，模型开发完还需要不断地检验、迭代和完善。
算法现在主要还是用深度神经网络，深度神经网络经历了两代，第一代主要是知识驱动，就是专家系统，把专家经验找出来，然后逻辑推理。现在是第二代人工智能，大数据来了，是数据驱动。邬贺铨院士认为，这两个都不够完整，“目前大数据很多应用，我把它叫做大数据、大算力、小任务，非常多的数据，能力非常强的计算能力，实际上只做了一件很小的事情，而且稳定性不够，知其然不知其所以然，可解释性差，应用场景窄，怎么解决这个问题呢？最好是小数据、小算力、大任务。”贺铨院士表示，现在需要发展到第三代，需要知识与数据双驱动，而且很多人说需要内脑，把人的认知机理用上去，虽然比较困难，但是这个方向还是需要的。
邬贺铨院士谈到，往往大数据分析不能只靠中心云，很多时候要使用边缘云，因为边缘云可以就近处理，适用于那些对数据试验敏感的一些业务，包括我们的生产线上，一些数据不能送到远远的地方去处理，这样就不能起到实时的作用，只能得到经验的总结，有时候需要实时，就要把中心云的能力一部分下沉变成边缘云。如果所有东西都希望云边端协同，但这是这是有挑战的，怎么协同，怎么分配这种计算能力，这是大数据挖掘需要解决的问题。
现在是大数据、大算力、小任务，大数据也不见得那么全面，人工智能会误判，而且模型准确性也不是想象中那么好，人工智能需要大量标注或清洗的数据，但很多时候只有小数据，怎么在小数据、小算力的情况下边提高人工智能的分析能力，这是大数据分析面临的挑战。
大数据融合需要人与数据融合
邬贺铨院士认为，很多大数据融合需要人与数据融合。把人的数据跟客观的东西融合在一起，把人的经验介入到大数据分析过程，但是人不能永远介入，什么时候什么场景下能介入，这是需要经验的。大数据分析不是不需要人，也不是大数据、工业互联网时代的工人、工程师没用了，里面还需要用到工程师和工匠的精神。
数据只有融合才有价值，但融合就涉及到隐私和商密保护问题。邬贺铨院士谈到，每个企业都希望用别人的企业的数据，不愿意把自己的数据拿出去，总觉得这是商业秘密，那怎么做融合？怎么做到既融合又不会泄露每个企业的商业秘密，这是可以做到的，也有很多很多方案，比如采用多方计算的方式。
此外，大数据分析本身会用很多软件，包括很多开源软件，可以网上宕下来，但是开源软件漏洞很多，而且版本升级太频繁，需要检查它的安全性，采用也可能会出问题。如果用自然语言直接生成代码，当然反过来就能从代码判决出原来这个软件的意图，如果能知道这个软件意图，那就能知道有没有加入其它不该加入的东西，就能确保代码是可信的。另外一种，大家往往为了怕数据泄露和篡改，采用加密手段，加了密的数据是比较难进行安全扫描的，不过加密也不是万能的，还得从开始作为内生的设计上让它更安全。
演讲的最后，邬贺铨院士总结谈到，智慧城市的管理和工业互联网里有很多需要数据融合应用的场景，多元异构的数据融合能够盘活数据，通过数据挖掘开发数据的价值，发挥数据作为生产要素的作用。但是数据挖掘和人工智能的分析要面对海量的处理能力、云边端的协同、建模、小数据、人与数据的融合、数据自身安全、隐私和商密保护等挑战，我们需要从基础理论跟工程实践多方面来研究数据价值挖掘的问题，要开发出更高效的大数据和人工智能分析技术，整个大数据的创新还是任重道远。
责任编辑：姚治
本文被转载2698次
首发媒体
| 转发媒体
