1.研究背景
隨著近年我國半導體產(chǎn)業(yè)快速發(fā)展，人工智能技術不斷積累迭代，軟硬一體的智能芯片等核心技術研究取得重要突破，AI也在數(shù)字時代扮演著越來越重要的角色，正加速融入電信運營商、能源交通、醫(yī)療、教育、制造業(yè)、物流、直播等多個領域，加之“東數(shù)西算”新基建相關云計算數(shù)據(jù)中心大規(guī)模投入使用，帶來 AI 算力的大幅提升，算力充沛，不斷賦能創(chuàng)造出新業(yè)態(tài)、新模式行業(yè)場景，實現(xiàn)大數(shù)據(jù)集成的迭代創(chuàng)新，多場景智能應用，提高生產(chǎn)過程自動數(shù)字化程度，同時推動經(jīng)濟社會發(fā)展全要素智能化革新，釋放數(shù)據(jù)要素紅利，創(chuàng)新美好未來。
社會生產(chǎn)能夠源源不斷地產(chǎn)生海量大數(shù)據(jù)，但數(shù)據(jù)作為新型的生產(chǎn)要素，是通過不斷采集、清洗、轉(zhuǎn)換、分類、打標等流程完成整個數(shù)據(jù)資產(chǎn)積累過程，在這個過程中機器學習算法，尤其是深度學習算法，通過獲得海量的數(shù)據(jù)，能夠不間斷進行密集型矩陣計算訓練，訓練可以幫助算法優(yōu)化，實現(xiàn)AI引擎更新和升級，完成AI深度學習模型的進化，豐富行業(yè)知識圖譜，提升數(shù)據(jù)質(zhì)量，為AI提供優(yōu)質(zhì)可靠的“數(shù)據(jù)燃料”，從而進入到 AI 引擎自我迭代的全新階段。
圖1. AI 引擎分層架構(gòu)圖
2.AI引擎進入自我迭代階段
當前，我國新基建建設強調(diào)產(chǎn)業(yè)融合，除了發(fā)揮數(shù)據(jù)的生產(chǎn)要素效能，比如：能源上下游產(chǎn)業(yè)打通并帶動車聯(lián)網(wǎng)、物聯(lián)網(wǎng)平臺迅速發(fā)展，節(jié)點傳感器廣泛連接也帶來數(shù)據(jù)量的暴增，不斷突破，促使數(shù)據(jù)存儲處理相關的基礎設施加速“擴容”，不僅實現(xiàn)數(shù)據(jù)在內(nèi)部流動，甚至跨行業(yè)流動，還要推動數(shù)據(jù)要素跨越行業(yè)邊界，組成全新的生態(tài)網(wǎng)絡和價值網(wǎng)絡，數(shù)據(jù)要素是企業(yè)組織數(shù)字化轉(zhuǎn)型的成果。
那么，隨之而來的是企業(yè)組織數(shù)字化轉(zhuǎn)型，是要在解決數(shù)據(jù)要素生產(chǎn)的迫切需求的同時兼顧數(shù)據(jù)資產(chǎn)到數(shù)據(jù)要素的轉(zhuǎn)化成本，能夠讓企業(yè)組織更快更好實現(xiàn)數(shù)據(jù)資產(chǎn)化的數(shù)據(jù)治理安全理論越來越倍受關注和重視，有助于提升數(shù)據(jù)價值。
根據(jù)IDC研究表明，到2025年，全球數(shù)據(jù)量將會從2016年的16 ZB上升至163ZB。著名研究機構(gòu)Garter也表示，全球信息量正以59%以上的年增長率快速增長，在這些數(shù)據(jù)中，結(jié)構(gòu)化數(shù)據(jù)僅占到全部數(shù)據(jù)量的20%，其余80%都是以文件形式存在的非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)，日志文件、機器數(shù)據(jù)等又占據(jù)非結(jié)構(gòu)化數(shù)據(jù)的90%。對于企業(yè)組織而言，不僅面對已有的龐大冗余舊數(shù)據(jù)，未來還會有大幅激增的新類型數(shù)據(jù)，企業(yè)組織要管理和運用好海量的數(shù)據(jù)并對這些數(shù)據(jù)進行有效地挖掘，需要借助數(shù)據(jù)治理安全平臺落地實踐。因為具備AI引擎自我迭代能力的平臺對數(shù)據(jù)識別分類的準確率能夠達到90%以上，所以數(shù)據(jù)治理安全建設離不開AI 引擎助力，不斷自我迭代的AI引擎才能消化掉海量數(shù)據(jù)。
圖2. AI 引擎的自我迭代
3.AI引擎的自我迭代之路
AI引擎自我迭代的過程是利用機器學習模型，模仿人腦的機制來解釋數(shù)據(jù)，例如：圖像、聲音和文本，訓練好的AI模型，能夠自動提取字符集、詞級、句子級的特征，結(jié)合上下文信息，完整的保留文本中短語級別特征信息，實現(xiàn)多源數(shù)據(jù)融合、數(shù)據(jù)采集頻率、數(shù)據(jù)標準建立、數(shù)據(jù)質(zhì)量管理，滿足AI模型所需數(shù)據(jù)的規(guī)模、質(zhì)量和時效，以提升模型擬合的效果。
首先是AI引擎早期小樣本數(shù)據(jù)學習階段?；跈C器學習、自然語言理解和知識圖譜訓練所需的數(shù)據(jù)原料篩選需要人工監(jiān)督，通過人工不斷地提供結(jié)構(gòu)化、特征化處理和數(shù)據(jù)質(zhì)量的優(yōu)化服務，根據(jù)數(shù)據(jù)特征和用戶需求進行動態(tài)調(diào)整和反饋，知識圖譜搭建也需要大量半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)支持來開展工作，在結(jié)構(gòu)化數(shù)據(jù)基礎上，將半結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)納入數(shù)據(jù)源并支持AI引擎分析使用。
其次是AI引擎進行數(shù)據(jù)分析階段。數(shù)據(jù)質(zhì)量的高度敏感要求，數(shù)據(jù)質(zhì)量的優(yōu)劣極大程度影響AI模型的應用效果，必須進行多維度的質(zhì)量檢查，以及對實時性高要求，實時數(shù)據(jù)分析、推薦和預警時，數(shù)據(jù)源更強調(diào)具備實時性接入能力。利用深度神經(jīng)網(wǎng)絡可以實現(xiàn)AI模型的自我更新和優(yōu)化，尤其是視覺圖像識別應用領域。比如：當傳感器檢測到產(chǎn)品存在時，光源觸發(fā)并點亮產(chǎn)品區(qū)域，幀抓取器的數(shù)字化設備將這些原始數(shù)據(jù)轉(zhuǎn)換成數(shù)字輸出，然后這些數(shù)據(jù)作為數(shù)字文件由軟件系統(tǒng)存儲在計算機中，以供進一步對比分析預先輸入的產(chǎn)品參數(shù)數(shù)據(jù)。如果這些數(shù)據(jù)有缺陷，AI引擎識別問題并學習如何解決，進行數(shù)據(jù)質(zhì)量控制。
最后是AI引擎的自我迭代階段。通過打造AI引擎對數(shù)據(jù)的閉環(huán)流通管理，建立數(shù)據(jù)采集和回饋分析的閉環(huán)式自學習體系，基于實時數(shù)據(jù)處理、實時特征開發(fā)和實時應用開發(fā)等數(shù)據(jù)架構(gòu)的搭建，將流式數(shù)據(jù)的接入實時反饋到模型運行輸出，使模型結(jié)果更加及時準確。達到AI模型上線后的持續(xù)迭代優(yōu)化。為了讓Al模型的預測結(jié)果更加準確，可將模型運行后的結(jié)果數(shù)據(jù)更新反饋給Al模型，利用實時閉環(huán)數(shù)據(jù)進行自學習，強化反饋回路以優(yōu)化模型算法，防止模型效果因長時間使用而效果變差。比如，數(shù)據(jù)智能分類分級模型持續(xù)用舊模型預測新數(shù)據(jù)，不更新閉環(huán)數(shù)據(jù)反饋的話，隨著時間的流逝，模型將逐漸降低精準分類分級效果，導致數(shù)據(jù)分類分級的效果越來越差。
一個好的數(shù)據(jù)治理安全解決方案必須做到算力、算法和數(shù)據(jù)的象限聚焦。在數(shù)據(jù)治理安全平臺，通過AI引擎對數(shù)據(jù)的深度加工與精煉，依賴算力、算法將數(shù)據(jù)訓練成行業(yè)專用的知識圖譜模型，進而實現(xiàn)包括結(jié)構(gòu)化、半/非結(jié)構(gòu)化數(shù)據(jù)的自動發(fā)現(xiàn)，數(shù)據(jù)自動分類分級打標，數(shù)據(jù)資產(chǎn)化，數(shù)據(jù)質(zhì)量在數(shù)據(jù)字段豐富度、數(shù)據(jù)分布和數(shù)據(jù)實時性等維度應用提升。
圖3. 機器學習技術框架應用
4.AI引擎在數(shù)據(jù)治理安全平臺應用實踐
積累沉淀行業(yè)業(yè)務場景的數(shù)據(jù)治理和模型開發(fā)經(jīng)驗，搭建數(shù)據(jù)治理安全平臺，采用具備自我迭代的AI引擎，能夠自動對AI數(shù)據(jù)形式進行標準定義，將特征工程標準化、自動化、智能化，快速對接得到可被機器理解的結(jié)構(gòu)化、半/非結(jié)構(gòu)化數(shù)據(jù)，投喂給AI引擎，縮短掃描敏感數(shù)據(jù)發(fā)現(xiàn)時間，提高數(shù)據(jù)自動分類分級打標效率，從而自動改善數(shù)據(jù)質(zhì)量。
AI 引擎從全域全量數(shù)據(jù)自動發(fā)現(xiàn)到暗數(shù)據(jù)掃描再到數(shù)據(jù)分類分級的階段，借助文本聚類等技術，對數(shù)據(jù)進行基于上下文的識別，精準分類分級，快速整理高頻詞根并將數(shù)據(jù)分類標簽與敏感度自動映射，建立數(shù)據(jù)分類分級標準和數(shù)據(jù)安全策略，通過深度學習自動識別數(shù)據(jù)質(zhì)量，對數(shù)據(jù)質(zhì)量進行效果評估和智能修復，并根據(jù)數(shù)據(jù)量和業(yè)務階段的變化進行動態(tài)更新；建立起業(yè)務部門與系統(tǒng)之間、多環(huán)節(jié)業(yè)務流程的信息采集、關聯(lián)和交互，提高數(shù)據(jù)要素流通效率和精確度。
首先是全域全量數(shù)據(jù)自動接入。接入多源異構(gòu)數(shù)據(jù)源，挖掘企業(yè)組織內(nèi)外部信息，納入結(jié)構(gòu)化數(shù)據(jù)，半/非結(jié)構(gòu)化數(shù)據(jù)，提升與AI模型相關的數(shù)據(jù)積累?？紤]到數(shù)據(jù)訓練規(guī)模擴張，數(shù)據(jù)類型異構(gòu)，數(shù)據(jù)噪聲指數(shù)級增加，對此AI 引擎能針對性地進行數(shù)據(jù)自動發(fā)現(xiàn)。企業(yè)組織存在大量的暗數(shù)據(jù)無法通過人工完全發(fā)現(xiàn)，被動地通過流量監(jiān)測方法去分析流量中的數(shù)據(jù)包，僅能使用少量暗數(shù)據(jù)，企業(yè)組織往往很難具備將大量暗數(shù)據(jù)的價值進行挖掘的能力，暗數(shù)據(jù)只能“埋沒在角落里，無人問津”，AI 引擎有助于掃描到這些暗數(shù)據(jù)，即使是碎片化數(shù)據(jù)，也能進行聚類分析，最大限度利用。
其次是數(shù)據(jù)自動分類分級打標。在行業(yè)數(shù)據(jù)訓練集中，對各數(shù)據(jù)資源的字段信息進行人工分詞、標注，形成行業(yè)數(shù)據(jù)分類分級詞庫、語料庫、規(guī)則庫以及模型庫；然后利用規(guī)則引擎實現(xiàn)初步的行業(yè)數(shù)據(jù)分類分級；再結(jié)合深度學習聚類算法，AI 引擎驅(qū)動數(shù)據(jù)分類分級全流程各環(huán)節(jié)，對數(shù)據(jù)分類和分級的規(guī)則進行適配、更新和維護，定期核驗規(guī)則合理性，動態(tài)完善規(guī)則庫，隨規(guī)則變化進行迭代更新，滿足規(guī)則靈活適配和管理要求，實施持續(xù)迭代訓練和學習，使得AI 引擎能夠自動發(fā)現(xiàn)高敏感度、高價值數(shù)據(jù)，對行業(yè)數(shù)據(jù)自動智能分類分級打標并能進行動態(tài)調(diào)整更新。
最后是數(shù)據(jù)質(zhì)量的自動改善。對接入的多源異構(gòu)數(shù)據(jù)從數(shù)據(jù)有效性、數(shù)據(jù)一致性、數(shù)據(jù)唯一性、數(shù)據(jù)時序性、數(shù)據(jù)完備性、數(shù)據(jù)完整性、數(shù)據(jù)合理性和數(shù)據(jù)準確性六個維度進行質(zhì)量管理，在數(shù)據(jù)融合過程中，AI引擎能夠?qū)?shù)據(jù)有效性、一致性和唯一性三個維度進行重新判斷，如：非結(jié)構(gòu)化數(shù)據(jù)在清洗處理后與結(jié)構(gòu)化數(shù)據(jù)出現(xiàn)實體重復或內(nèi)容不一致的情況。
場景舉例：海石平臺AI引擎如何解決工業(yè)高頻高價值應用下的數(shù)據(jù)痛點。由于工業(yè)機理數(shù)據(jù)具備多樣、時序與復雜性特征，線下海量數(shù)據(jù)待挖掘，從驅(qū)動經(jīng)濟效益的高頻高價值業(yè)務場景需求出發(fā)，使用AI引擎自動發(fā)現(xiàn)數(shù)據(jù)，對數(shù)據(jù)整合、數(shù)據(jù)分類與清洗、模型訓練，優(yōu)化迭代，實現(xiàn)數(shù)據(jù)資產(chǎn)化目標。
圖4. 數(shù)據(jù)治理安全平臺AI引擎框架
5.AI引擎在行業(yè)數(shù)據(jù)治理安全領域的持續(xù)優(yōu)化
由于工業(yè)數(shù)據(jù)來源眾多，既有經(jīng)營管理財務數(shù)據(jù)，還有工業(yè)生產(chǎn)制造數(shù)據(jù)及傳感器設備的海量數(shù)據(jù)等，并且數(shù)據(jù)采集設備種類多、接口復雜。打通數(shù)據(jù)，讓數(shù)據(jù)匯聚，可共享流轉(zhuǎn)應用是工業(yè)數(shù)據(jù)的數(shù)據(jù)治理安全痛點。
工業(yè)數(shù)字化轉(zhuǎn)型過程中將產(chǎn)生龐大量級的時序數(shù)據(jù)，因此對時序數(shù)據(jù)的測點范圍選取、采集頻率考量、高并發(fā)高吞吐能力、能否支持云邊協(xié)同及實時應用。
在產(chǎn)品的設計加工和生產(chǎn)制造流程中，企業(yè)需對時序數(shù)據(jù)的采集、存儲、查詢、處理和分析，實時監(jiān)控企業(yè)正常的生產(chǎn)經(jīng)營過程。
工業(yè)產(chǎn)業(yè)鏈條長及工業(yè)機理復雜，需了解大量工業(yè)技術原理、行業(yè)知識、基礎工藝等，強調(diào)對工業(yè)背景的理解。
海石平臺AI引擎利用機器學習技術，工業(yè)機理數(shù)據(jù)自動發(fā)現(xiàn)，數(shù)據(jù)分類分級的環(huán)節(jié)更加自動化、智能化，可極大提升數(shù)據(jù)治理工作效率，同時基于自然語言理解和知識圖譜挖掘關聯(lián)數(shù)據(jù)的應用價值，解決數(shù)據(jù)質(zhì)量管理的傳統(tǒng)難題，使治理后的數(shù)據(jù)更加契合AI應用的要求，從效率和質(zhì)量加速AI引擎的自我迭代進程。那么AI引擎不斷優(yōu)化也給企業(yè)組織帶來更多智能化轉(zhuǎn)型信心，加大相關數(shù)據(jù)治理安全項目的預算投入，進一步推進了相關數(shù)據(jù)治理安全體系建設，打造平臺共享數(shù)據(jù)使用，確保數(shù)據(jù)安全合規(guī)，釋放價值。
結(jié)論：當下數(shù)據(jù)生產(chǎn)要素已成為中國數(shù)字經(jīng)濟轉(zhuǎn)型、工業(yè)智能化、實現(xiàn)高質(zhì)量發(fā)展重要驅(qū)動力，數(shù)據(jù)共享使用無疑是正確發(fā)揮數(shù)據(jù)生產(chǎn)要素價值的最佳途徑，而人工智能則是加快數(shù)據(jù)共享使用的火箭推進器引擎。如果以人工智能為核心的AI 引擎的能夠不斷自我迭代的話，不僅能夠加快企業(yè)組織數(shù)據(jù)治理安全的效能，而且會對各行各業(yè)乃至中國數(shù)字經(jīng)濟和整體社會發(fā)展都有著至關重要的戰(zhàn)略意義。
圖5. 數(shù)據(jù)治理安全平臺可視化展示
