明略数据吴明辉：“超级大脑”的未来需要“行业大脑”深度布局

在缉毒、反恐、维稳以及国家重大庆典活动和大型会议安保中，明略数据服务公安部门智能系统布控，执行安保任务。明略数据这家成立刚刚四年的公司也因此成为腾讯行业人工智能领域的特别合作伙伴，被称为"中国的Palantir"。

巨头纷纷布局“超级大脑”，从百度的ALL IN AI到阿里云宣布多省市落地城市大脑，再到腾讯的“让AI无处不在”战略，无疑BAT各家的AI“超级大脑”战略专为数字中国建设而来。就在5月23日举行的2018腾讯“云+未来”峰会上，腾讯董事会主席兼首席执行官马化腾表示，腾讯希望构建“三张网”，即人联网、物联网和智联网。因此，从战略布局角度讲，“超级大脑”的未来可以说是万事俱备，只欠东风。

这东风是什么？是人工智能的关键突破，也就是从感知智能到认知智能的跃迁。然而，在认知智能领域中，无论是美国硅谷巨擘还是中国的BAT，目前尚无重大突破，仿佛进入了战略无人区。

超级大脑的未来，需要人工智能企业做哪些深度布局，才能在走进战略无人区的时候找准方向，让人工智能落地各个行业带来客观可见的价值？

针对这一问题，明略数据创始人、董事长吴明辉说，“世界上有80%的数据在企业内部，而企业内部的大量数据，也就是业务知识，都存储在员工大脑中。一般只有少数优秀且乐于分享的员工愿意主动分享自己的业务知识，而大部分员工没有精力或能力将自己的业务知识表达出来。”

“如果能将企业员工脑海中的业务知识主动挖掘出来，并加以连接，我们将获取新的海量高价值信息，而且还能带来高价值信息的重组，比如，巨大的科技和商业创新，这不仅将重构企业内部价值链，使得中国的人口红利升级为人才红利，同时还带来巨大的新科学技术红利、新资源红利，从而促进产业升级，催生新业态。”吴明辉说。

2017年，明略数据宣布推出明智系统——“行业人工智能大脑”，并率先推出行业人工智能知识图谱。明略数据的行业人工智能大脑，把知识工作者的工作行为和业务知识在线化，同时接入来自感知设备的机器智能。在此基础上，行业大脑可以主动分析挖掘隐藏在人的行为背后的行业知识，形成自动反馈迭代的闭环，支持知识工作者的沟通与决策。

明略数据在其行业人工智能大脑“明智系统”中，通过面向AI的大数据治理产品CONA将海量多源异构数据治理成行业知识，再基于知识图谱数据库蜂巢（NEST）完成行业知识图谱存储，通过行业大脑SCOPA的机器学习、符号推理等技术实现秒级运算和在线分析挖掘，从而逐步构建公安大脑、金融风控大脑、工业安全大脑。

根据明略数据官网消息，明略数据已成功服务省、市级公安局，中国人民银行、交通银行、光大银行等金融机构，以及中国中车、上海地铁等行业标杆客户。今年4月，明略数据宣布已与去年完成C轮10亿元人民币融资，本轮投资方为华兴新经济基金、腾讯产业共赢基金。

吴明辉指出，对于目前行业人工智能场景而言，比较难的是知识图谱的建立。以公安场景为例，案件发生后，最难的任务是寻找线索，需要把从案件到人、人到案件的要素全部串联起来，以搭建知识图谱。

“明略更像是垂直型大脑。在公安这样的垂直场景中更容易落地。”据吴明辉介绍，目前明略数据的公安大脑知识图谱中的实体数据已经有16亿个，关系数据也已经达到40亿个。

为进一步实现以认知智能为核心的行业人工智能产业化落地，明略数据筑巢引凤。

前不久， IEEE Fellow、国家“千人计划”特聘专家吴信东教授加盟明略数据。在由中国人工智能学会主办的2018年全球人工智能技术大会（GAITC）上，明略数据首席科学家吴信东教授做了题为《行业人工智能的大知识工程》的报告，为明略数据的行业人工智能制定了初步研发架构。

在缉毒、反恐、维稳以及国家重大庆典活动和大型会议安保中，明略数据服务公安部门智能系统布控，执行安保任务。明略数据这家成立刚刚四年的公司也因此成为腾讯行业人工智能领域的特别合作伙伴，被称为“中国的Palantir”。

除在公安场景中的应用，明略数据的产品逻辑也应用到金融、智慧城市等行业中。例如，在金融领域反欺诈、反洗钱工作中，明略数据对相关金融数据进行关联分析，捕捉到嫌疑对象；在智慧城市环境中，明略数据与上海地铁、中国中车进行合作，通过采集设备、传感器的信号数据，监测车辆安全运行情况。

从这家行业人工智能独角兽的身上，我们提出了关于“智能大脑”尽早落地垂直行业面临挑战的问题，以及如何能够为企业配备智能助手、决策军师，其中找到的答案可供启发。

随着人工智能在人脸识别、智能安防、无人驾驶等多场景中的应用和创新，对人工智能整体解决方案的诉求在不断增加。吴明辉强调，用户对AI的关注不再是某种单一业务的服务，更加偏向于整体解决方案的诉求。

以下为明略数据／秒针系统创始人兼董事长吴明辉的采访实录：

问：BAT提出“超级大脑”，ALL IN AI，您认为现在企业对人工智能技术需求有什么特点？

吴明辉：人工智能系统进入垂直行业落地的时候，无论是公安、金融、工业还是零售服务，如何形成基于大数据的行业知识图谱，并且将行业知识图谱与企业里知识工作者的大脑相连接？这是行业人工智能需要解决的问题。

随着人工智能技术在用户更多场景上的不断创新，已经有能力实现用户整体的人工智能解决方案。用户对人工智能的关注不再是某个创新服务单一业务功能，而是整体业务解决方案的诉求。

明略数据领先于市场上很多行业人工智能公司的是，我们对感知智能、机器视觉等这些热点技术的使用，是服务于为客户去搭建一个整体的人工智能解决方案，并且建设“行业大脑”，用户可以使用“行业大脑”将整个业务流程形成一个完整的闭环。

例如，明略数据推出了针对公安行业的人工智能大脑SCOPA，通过研究海量的公安数据，构建了公安行业专属的知识图谱，在公安全量数据和业务系统的“整合”之上，通过人工智能技术改变了“检索”的内涵和实现方式，利用机器自动实现研判、演绎、推理这一系列公安系统最核心的需求，从而重新定义了情报系统。

问：人工智能解决方案可以成为智能助手，让用户拿来即用么？

吴明辉：我之前跟不少业界同仁讨论过，企业成功落地人工智能需要三步走，第一步要去做面向AI的数据治理融合，第二步是数据分析与挖掘，第三步才是人工智能。

举个例子，当前，我们看到，感知智能和认知智能的完美结合可以形成一个优秀的人工智能实践，但底层全部数据都要以知识图谱形式连到一起，不然，上层应用就无法实现。所以，落地任何人工智能解决方案，数据治理融合就是要让企业数据符合一定人工智能算法的规格，这些都是最基本的条件。

我们为在公安系统建立知识图谱时，首先就是把系统里面最基本的所有数据概念化、符号化。我们把这些数据分成人、事、地、物、组织这五个概念，然后才有可能连到一个图谱中，才能在上面做逻辑推理和情报研判。企业在落地人工智能解决方案最初的时候，首先都需要把所有数据依据需要的算法融合起来。这个是我们做的最重要的一项工作。

问：现在谈论人工智能时，包括深度学习、知识图谱等，这些技术是否都包含在您提出的“行业人工智能大脑”深度布局中？

吴明辉：当前谈论非常火的深度学习、知识图谱等，其实是人工智能一个个的小分支。在真正解决企业应用系统闭环的大问题上，是要考虑对各种各样的技术综合运用的使用。

首先，各种技术在方法上的表现不同，例如深度学习侧重于对问题的归纳，而我们在实现公安系统的研判过程侧重于推理，为此更加适合符号推理技术的采用。

其次，各种技术在实现特定需求上会阶段性的表现出解决优势。成功的商业实践，并不需要固守某一个技术方向往前走，而是每一种最新的技术都要提早去看、提早去用，但是你需要有一个宏观的理论去指导。

现在大家讲的人工智能，其实是在谈论人工智能的多模态场景。有可能在一个场景里边，我用机器视觉，也有可能机器听觉，还有可能增加物联网的设备。但终归目的是所有的数据源全部连接到一起，最后实现整个一个大的“行业大脑”解决方案。

问：我们看到业界有着大量的人工智能技术创新，但并不是每一项创新都能成功转化为人工智能的商业产品，在人工智能与垂直行业融合过程中，您认为存在些哪些挑战？

吴明辉：今天市场上可以看到人工智能特别火，不少科研机构的科学家、高校的教授出来创业。但是，很多人工智能技术在实验室里很成功，却在短时间难以实现真正的商用。其中关键问题在于，这些在实验室的人工智能技术可以成功解决具体使用场景下的哪些问题？这些问题的解决，正是从人工智能的技术创新到真正商业化的应用中间的鸿沟。

第一，是垂直行业的选择和场景的选择。有的场景下，即使算法不好的时候只有70%的准确率，这项人工智能技术就能成功用于商业实践；而有的场景下，则需要更为严苛的准确率。例如用于自动驾驶的人工智能技术，即使是千万分之一的错误概率，最直接的后果就是发生车祸。所以人工智能要解决的问题，面对的场景是什么？去做这个市场优秀的知识工作者远远不够，造成人才供给远远不足的那些市场，而且就是这些市场是造福这个社会的，我觉得公安就是这样一个市场。

第二，是人工智能产品经理思维。很多实践表明，成功的人工智能企业服务，大多始于企业用人工智能产品经理思维在打造人工智能服务。产品思维的本质是，要他或她思考这件事情终极解决方案是什么，并把可用的技术都拿来用，需要的这些元器件，原来底层技术在哪，把这些技术都集成过来，这是产品技术思维。

“行业人工智能大脑”不能缺少的，是对所有数据、所有感官系统和感知系统的连接。类似于大脑的核心其实是神经中枢，把所有的系统全都连起来。这个连接是我们明略数据的核心技术。