來源 | 21世紀經(jīng)濟報道

中國科學院院士、中國人民解放軍軍事科學院副院長梅宏認為，當前大數(shù)據(jù)應用尚處于初級階段，根據(jù)大數(shù)據(jù)分析預測未來、指導實踐的深層次應用將成為發(fā)展重點。

他指出，預計到2020年，我國數(shù)據(jù)總量有望占全球數(shù)據(jù)總量的21%，但我國核心技術薄弱，建議以開源為基礎構建自主可控的大數(shù)據(jù)產(chǎn)業(yè)生態(tài)。

大數(shù)據(jù)應用三個層次

梅宏指出，按照數(shù)據(jù)開發(fā)應用深入程度的不同，可將眾多的大數(shù)據(jù)應用分為三個層次。

第一層，描述性分析應用，是指從大數(shù)據(jù)中總結、抽取相關的信息和知識，幫助人們分析發(fā)生了什么，并呈現(xiàn)事物的發(fā)展歷程。

如美國的DOMO公司從其企業(yè)客戶的各個信息系統(tǒng)中抽取、整合數(shù)據(jù)，再以統(tǒng)計圖表等可視化形式，將數(shù)據(jù)蘊含的信息推送給不同崗位的業(yè)務人員和管理者，幫助其更好地了解企業(yè)現(xiàn)狀，進而做出判斷和決策。

第二層，預測性分析應用，是指從大數(shù)據(jù)中分析事物之間的關聯(lián)關系、發(fā)展模式等，并據(jù)此對事物發(fā)展的趨勢進行預測。

如微軟公司紐約研究院研究員David Rothschild通過收集和分析賭博市場、好萊塢證券交易所、社交媒體用戶發(fā)布的帖子等大量公開數(shù)據(jù)，建立預測模型，對多屆奧斯卡獎項的歸屬進行預測。2014和2015年，均準確預測了奧斯卡共24個獎項中的21個，準確率達87.5%。

第三層，指導性分析應用，是指在前兩個層次的基礎上，分析不同決策將導致的后果，并對決策進行指導和優(yōu)化。

如無人駕駛汽車分析高精度地圖數(shù)據(jù)和海量的激光雷達、攝像頭等傳感器的實時感知數(shù)據(jù)，對車輛不同駕駛行為的后果進行預判，并據(jù)此指導車輛的自動駕駛。

自動駕駛有效應用面臨挑戰(zhàn)

梅宏認為，當前，在大數(shù)據(jù)應用的實踐中，描述性、預測性分析應用多，決策指導性等更深層次分析應用偏少。

一般而言，人們做出決策的流程通常包括：認知現(xiàn)狀、預測未來和選擇策略這三個基本步驟。這些步驟也對應了上述大數(shù)據(jù)分析應用的三個不同類型。

不同類型的應用意味著人類和計算機在決策流程中不同的分工和協(xié)作。例如：第一層次的描述性分析中，計算機僅負責將與現(xiàn)狀相關的信息和知識展現(xiàn)給人類專家，而對未來態(tài)勢的判斷及對最優(yōu)策略的選擇仍然由人類專家完成。應用層次越深，計算機承擔的任務越多、越復雜，效率提升也越大，價值也越大。

然而，隨著研究應用的不斷深入，人們逐漸意識到前期在大數(shù)據(jù)分析應用中大放異彩的深度神經(jīng)網(wǎng)絡尚存在基礎理論不完善、模型不具可解釋性、魯棒性較差等問題。

因此，雖然應用層次最深的決策指導性應用，當前已在人機博弈等非關鍵性領域取得較好應用效果，但是，在自動駕駛、政府決策、軍事指揮、醫(yī)療健康等應用價值更高，且與人類生命、財產(chǎn)、發(fā)展和安全緊密關聯(lián)的領域，要真正獲得有效應用，仍面臨一系列待解決的重大基礎理論和核心技術挑戰(zhàn)。

梅宏指出，在此之前，人們還不敢、也不能放手將更多的任務交由計算機大數(shù)據(jù)分析系統(tǒng)來完成。這也意味著，雖然已有很多成功的大數(shù)據(jù)應用案例，但還遠未達到我們的預期，大數(shù)據(jù)應用仍處于初級階段。

未來，隨著應用領域的拓展、技術的提升、數(shù)據(jù)共享開放機制的完善，以及產(chǎn)業(yè)生態(tài)的成熟，具有更大潛在價值的預測性和指導性應用將是發(fā)展的重點。

工業(yè)互聯(lián)網(wǎng)政府熱、企業(yè)冷

作為人口大國和制造大國，我國數(shù)據(jù)產(chǎn)生能力巨大，大數(shù)據(jù)資源極為豐富。

梅宏指出，預計到2020年，我國數(shù)據(jù)總量有望達到8000EB(1018)，占全球數(shù)據(jù)總量的21%，將成為名列前茅的數(shù)據(jù)資源大國和全球數(shù)據(jù)中心。

然而，我們也必須清醒地認識到我國在大數(shù)據(jù)方面仍存在一系列亟待補上的短板。

其中較為突出的是核心技術薄弱，基礎理論與核心技術的落后導致我國信息技術長期存在“空心化”和“低端化”問題，大數(shù)據(jù)時代需避免此問題在新一輪發(fā)展中再次出現(xiàn)。

近年來，我國在大數(shù)據(jù)應用領域取得較大進展，但是基礎理論、核心器件和算法、軟件等層面，較之美國等技術發(fā)達國家仍明顯落后。

在大數(shù)據(jù)管理、處理系統(tǒng)與工具方面，我國主要依賴國外開源社區(qū)的開源軟件，然而，由于我國對國際開源社區(qū)的影響力較弱，導致對大數(shù)據(jù)技術生態(tài)缺乏自主可控能力，成為制約我國大數(shù)據(jù)產(chǎn)業(yè)發(fā)展和國際化運營的重大隱患。

梅宏建議采用“參與融入、蓄勢引領”的開源推進策略，一方面鼓勵我國企業(yè)積極“參與融入”國際成熟的開源社區(qū)，爭取話語權;另一方面，也要在建設基于中文的開源社區(qū)方面加大投入，匯聚國內(nèi)軟硬件資源和開源人才，打造自主可控開源生態(tài)，在學習實踐中逐漸成長壯大，伺機實現(xiàn)引領發(fā)展。

此外，融合應用有待深化。梅宏指出我國大數(shù)據(jù)與實體經(jīng)濟融合不夠深入，主要問題表現(xiàn)在：基礎設施配置不到位，數(shù)據(jù)采集難度大;缺乏有效引導與支撐，實體經(jīng)濟數(shù)字化轉型緩慢;缺乏自主可控的數(shù)據(jù)互聯(lián)共享平臺等。

當前，工業(yè)互聯(lián)網(wǎng)成為互聯(lián)網(wǎng)發(fā)展的新領域，然而仍存在不少問題：政府熱、企業(yè)冷，政府時有“項目式”、“運動式”推進，而企業(yè)由于沒看到直接、快捷的好處，接受度低;設備設施的數(shù)字化率和聯(lián)網(wǎng)率偏低;大多數(shù)大企業(yè)仍然傾向打造難以與外部系統(tǒng)交互數(shù)據(jù)的封閉系統(tǒng)，而眾多中小企業(yè)數(shù)字化轉型的動力和能力嚴重不足;國外廠商的設備在我國具有壟斷地位，這些企業(yè)紛紛推出相應的工業(yè)互聯(lián)網(wǎng)平臺，搶占工業(yè)領域的大數(shù)據(jù)基礎服務市場。

梅宏建議大力發(fā)展行業(yè)大數(shù)據(jù)應用。以制造業(yè)為例，麥肯錫研究報告稱：制造企業(yè)在利用大數(shù)據(jù)技術后，其生產(chǎn)成本能夠降低10%—15%。

而大數(shù)據(jù)技術對制造業(yè)的影響遠非成本這一個方面。利用源于產(chǎn)品生命周期中市場、設計、制造、服務、再利用等各個環(huán)節(jié)數(shù)據(jù)，制造業(yè)企業(yè)可以更加精細、個性化地了解客戶需求;建立更加精益化、柔性化、智能化的生產(chǎn)系統(tǒng);創(chuàng)造包括銷售產(chǎn)品、服務、價值等多樣的商業(yè)模式;并實現(xiàn)從應激式到預防式的工業(yè)系統(tǒng)運轉管理模式的轉變。