0
明略數據創始人、董事長吳明輝
近日，明略數據在京發布“行業AI大腦明智系統2.0”。這是時隔一年后，明略數據基于“明智系統1.0”做的一次全面技術升級。
相比明智系統1.0，打通“感知智能”是明智系統2.0的業界首創。
其通過“符號的力量”完成對于行業數據中所蘊含知識的抽取、融合、推理、沉淀等一系列過程，實現數據的充分融合和碰撞挖掘，面向行業業務而構建的AI大腦。
成立于2014年的明略數據，是一家大數據&人工智能解決方案公司，他們深耕公共安全、金融、工業與數字城市等領域，從最初的大數據平臺轉型為“AI驅動的數據治理“，發展到今天打通感知與認知智能，擁有完整的行業AI產品與解決方案體系。
其A輪融資發生在2015年，獲得硅谷天堂近億元投資；2016年8月獲得2億人民幣B輪融資，紅杉中國領投，分享投資、任子行以及硅谷天堂跟投；并已于去年完成10億人民幣C輪融資，華興新經濟基金、騰訊產業共贏基金是本輪投資方。
從過往來看，大部分AI創業公司都在做一件事：take X；add AI。明略數據也不例外，但是明略在數據治理方面的優勢使其走出一條不同的路。
他們是將企業數據構建成一個知識圖譜，然后通過行業AI應用去實現人機同行，找到其中的數據價值。總結來說，就是利用數據為企業、組織打造知識圖譜，然后利用AI提升業務效率。
以最新發布的AI產品&解決方案體系“明智系統2.0”來說。它的治理工具和NLP處理架構都是基于分布式框架運行，以更好處理數據量大、結構復雜的問題。
明略數據創始人、董事長吳明輝告訴雷鋒網，它主要由兩大部分組成：感知和認知。
與明智系統1.0相比，各類數據在升級的明智系統2.0中匯聚，進入“符號化”的過程，實現數據的充分融合和碰撞挖掘，從而有效的面向行業業務構建行業AI大腦，由此，明智系統2.0通過“符號的力量”完成對于行業數據中所蘊含知識的抽取、融合、推理、和沉淀等一系列過程，打通感知智能。
強化認知智能是明智系統2.0的升級亮點。多元異構數據通過強大的動態索引及知識分析技術被充分融合，在此基礎上邏輯推理及復雜運算得以開展。基于語義的分析檢索等各類場景應用可以通過強大的引擎“明察”被加速完成。
同時，企業級Siri“小明”作為人機交互入口，極簡易用，也是明智系統一大亮點。
在這其中，最值得一提的是由明略數據自主研發的混合型知識存儲數據庫—NEST存儲。
通常，傳統數據庫需要有DBA背景才可用，數據存儲以結構化為主且有數據量限制，不易拓展。另外，存儲數據對象為陳述性知識，搜索代碼繁瑣，仍需人工推理，知識調取效率低。
相比之下，明略數據知識圖譜數據庫“NEST”，通過分布式知識圖譜，存儲陳述性和程序性知識，不僅存儲多元異構的大規模數據，還能存儲基于數據的規則與模型，除了解決“做什么”的問題，還能提示人類該“如何做”。
用吳明輝的話說，明略系統2.0的高能之處在于能夠加之輔助分析，從而進行自動推理，以有效節約客戶知識調用的時間。即便是非計算機專業的普通用戶也能應用自如。
從“做什么”到“如何做”。簡單的三字轉承涵蓋了多數AI研究者畢生的努力方向，但就目前來說，想要完美跨越還較為復雜。
以AI較為中意的安防領域舉例來說，在模擬、數字時代，安防攝像頭都在“傻瓜式”地“工作”，不知‘自己’需要抓拍行人、車輛還是其他事物，也不知‘自己’已經處于何種環境之中。
賦予AI智能之后，普通IPC便有了一些智能，能夠有效提升攝像頭的工作效率及使用效果。但與此同時又會出現一個問題：每一個攝像頭每天都會存儲海量多元數據，如何針對單一數據做數據關聯并給出快速反應，考驗著所有的AI安防從業者。
類比人類，每一個智能節點（IPC）都相當于一個大腦，每天大腦都會接受海量的包括視頻、音頻、文字、圖片等多元數據。如果這些繁雜的數據處理不得當，很容易讓人產生負荷，甚至奔潰。
在吳明輝看來，如果將這些海量的重要信息轉化為“符號”，再配以“感知系統”，人們小小的大腦空間就可以儲存眾多復雜信息。
他解釋說，符號是人類認知的基礎。AI最底層的包括知識工程、知識圖譜都是其中的符號化的核心個體組成。
在具體應用中，這些被符號化的數據信息是可以極大提高后臺運算效率的基礎元素。而最終所有的符號匯聚，也就形成了上文所提的NEST蜂巢知識圖譜數據庫。
在這個數據庫中，存儲著各種各樣的文本、視頻、音頻等多媒體數據。當這個數據足夠多時，它不再是簡單的處理系統，而是有了像人的左右腦一樣的完整系統。之后，系統也可以像人類一樣有邏輯地去推理和思考。
比如說“他是誰”這個問題，明略數據該系統就可以把“他是誰”“翻譯”成真正的與身份特征相關的包括身份證號、護照號、手機號等在內的ID，這些信息都可以在后臺通過符號化處理的數據結構進行索引，并馬上搜索出來。
換句話說，“認知” 就是知道誰是誰，感知就能知道他的關系構成（自我思考）。AI及知識圖譜的連接可以將感知和認知聯結在一起，組成新一代完整的人工智能系統。
談到這里，也許很多人對于“感知”還是比較陌生，其實感知智能在我們的日常生活中已經無時無刻地存在著：
譬如智能音箱，用戶通過語音控制音箱播放或者暫停歌曲并非智能。真正的智能音箱應該能夠以“更好地發聲”為前提，通過對環境的感知，為用戶展示最好的聆聽效果。
比如蘋果的HomePod音箱，它可根據聲音折射，‘知道’自己被放置在一個多大的空間中，以及在空間的哪個位置，從而自動調節它自身的五個發聲單元，為用戶呈現最佳的音響效果。
譬如空調，它并非自動根據室外溫度而自動調節送風模式。而是能夠通過前端的兩個攝像頭，知曉房間的大小、人數、這些人是運動的還是靜止的、體溫狀況、房間有無陽光直射等環境。然后通過對這些外部環境的感知，改變其送風模式及溫度；
如此等等。
只是這一次，明略數據將感知能力賦予城市AI大腦中以更好打通數據閉環。
吳明輝表示， 以往，大多數AI公司會聚焦在某一個技術環節，而沒有人真正的把完整的人工智能串聯起來，而明略數據要做的便是整合服務，要做的就是將數據‘深度’結構化。
這個過程實際上就是在構建行業的知識體系，很多行業知識是之前行業專家沉淀出來的，他們要利用AI將這些數據變為知識經濟。
他篤信，所有的感知計算本質上來說都是在給認知計算提供數據基礎。明略數據推出的這個系統從某種意義上來說已經打通了感知計算、認知計算、感知智能、認知智能，形成真正的人工智能的閉環。
作為大數據與人工智能獨角獸，明略數據在業界首創“符號主義和深度學習有效結合”人工智能頂層設計，在其行業AI大腦“明智系統2.0”中打通感知與認知智能，以推動人機同行，讓AI真正創造商業與社會價值。
過去四年時間，明略數據憑借此已在全國服務了幾十個省市的公安局，為公安客戶實現5-20%的破案率的提升。
在金融行業的實踐中，他們完成了全國首個銀行業全行級知識圖譜數據庫。在某全國大型股份制銀行項目中，依托全行近十年全量數據，構建了“企業、個人、機構、賬戶、交易和行為數據”總規模達十億點、百億邊的知識圖譜平臺。該平臺突破性地展現了全行完整的客戶關系網及資金流轉全貌，完善了銀行整體風險管理能力，提升了銀行風控效率。
在城市軌道交通領域，明略數據服務上海地鐵車輛分公司實現國內首個車輛全生命周期數據管理的智能化平臺。他們通過幫助軌交運營單位有效提高工作效率，降低安全風險和運營成本，助力軌道交通行業向信息化、智能化邁進。
可以說，明略數據在推動安防、金融、工業、數字城市等領域的智能化升級方面積累了豐富的技術解決方案與成功案例。
未來，他們還要基于這些數據去做完整的AI大腦，包括公安大腦、工業安全大腦、金融風控大腦，數字城市大腦等等。
“當然，在這個行進過程中肯定會遇到技術同質化的問題，AI算法在上個世紀就已成熟，只是缺乏足夠的數據和計算資源來支持。”吳明輝總結說。
“但所有的程序都離不開數據模型，AI算法更需要基于對數據的理解。基于此，明略數據將持續理解行業業務，構建領域知識圖譜，將知識圖譜與AI算法相結合，構建企業AI大腦，從而完成人工智能的可復制應用。”雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
