English  简体中文
   

2017年欧美大数据战略和应用新动向及 对我国行业发展的启示

2018-02-01      


目前,众多发达和发展中国家已发布大数据发展战略和相关政策,2017年欧美及我国均根据行业发展趋势进一步完善了大数据战略体系,但各国战略和应用具有不同的发展新动向。美国注重大数据技术在军事领域的战略部署,应用上凭借其强大的互联网体系发展大数据人工智能产品;英国和德国已在医疗、汽车和金融领域进行了大数据技术研发的战略规划,最新应用则分别集中在政务和工业领域。另外,欧美均重视大数据行业发展可能引起的失业、道德和法律问题,提出了培养大数据人才的计划。本文将在分析2017年欧美大数据战略和应用新动向的基础上,提出对我国行业发展的启示。

一、美国全面部署大数据技术军事应用,并深入考察人工智能领域的发展

(一)高度重视大数据技术在军事领域的应用

战略层面,美国是大数据技术应用最为丰富的国家,但2017年美国政府尤为重视军事领域和大数据技术的结合。美国国防部副部长沃克12月初向政府提交的报告中称大数据和人工智能技术将大幅度优化美国空军的作战方式,并建议用政府拨款大力研究集群无人机技术与人机合作指挥系统。2017年沃克还成立了算法战跨职能小组,作为是美国国防部为加快推进军事智能化建设设立的一个跨部门机构。该小组当前的任务是使用计算机视觉算法从巨量视频信息中自动识别和分类可疑物体并发出预警。成立半年的美军算法战跨职能小组已经开发出首批4套智能算法。这些算法目前正在接受测试,预计很快将投入实战应用。美国国防部还将设立一个“机器学习中心”,负责将大数据智能算法引入国家安全领域,并促进成果转化。

根据美国国防高级研究项目局近年来成立的科研项目,未来5到10年内美军大数据智能化建设的方向将聚焦于战场空间感知领域的大数据智能化、力量运用领域的大数据智能化、防护领域的大数据智能化、后勤保障领域的大数据智能化,具体内容如表1所示。

表1美军大数据智能化建设的方向

美军大数据智能化建设的方向

具体内容

战场空间感知领域的大数据智能化

重点是研发可识别网络攻击并发出告警的智能化代理人、具备感知功能的机载智能化系统,以及能够从缴获媒体中捕捉时间敏感型情报的智能化工具,用于解决战场感知面临的数据量大、复杂度高等难题,使指挥官实时掌握战场空间态势。

力量运用领域的大数据智能化

例如,研发级联式无人水下运载工具,执行进攻性布雷、海上扫雷、诱饵投送等任务;开发异构化小型无人机集群,执行态势感知、通信干扰、认知电子战和目标打击任务,支援小规模战术部队行动。

防护领域的大数据智能化

开发智能算法,用于在复杂电磁环境中自主协调和控制不同系统使用的频谱;研发无人水下运载工具,自主执行海上扫雷任务;开发自动化网络响应系统,控制网络武器的快速防御和交战。

后勤保障领域的大数据智能化

重点是装备保障和物流配送两方面。装备保障方面,运用智能软件和云计算能力分析和预测装备维修保养需求,辅以3D打印技术,使保障模式从当前的“拉动式保障”向“推送式保障”转变。物流配送方面,发展预测性物流和自适应规划技术,开发自适应物流决策支持系统,提高物流行动的弹性和效率。

 
 能够看出美国一方面设立研究小组,对大数据军事应用技术进行研发;另一方面建立技术转化中心,负责将研究成果推广至实战中。其大数据研发战略部署在海陆空三军,涉及到战场智能指挥、武器开发和后勤保障等方面,以期全面提升其现代化作战能力。

(二)颁布《人工智能、自动化与经济报告》,提出人工智能发展战略

战略层面,人工智能是大数据技术的重要应用,美国继《美国国家人工智能研发战略计划》和《为人工智能的未来做好准备》后发布了第三份国家战略层面的人工智能报告,《人工智能、自动化与经济报告》,分析了大数据下人工智能驱动自动化可能带来的政治和经济影响。一是将促进科技进步和生产增长率的提高,进而提升人民生活水平。二是大数据技术驱动下的人工智能自动化正在颠覆劳动力市场。具体表现为接线员、旅行代理和流水线工人等充满例行事务的工作岗位将被全面取代。三是会创造诸多工作岗位,如大数据和人工智能开发、监管岗位。该报告还提出国家的三大应对战略。一是政府引导企业对大数据和人工智能领域进行投资;二是为未来的工作教育和培训美国人,具体表现在为儿童和中小学生教授大数据和人工智能课程,为社会其他人员提供再教育和再培训的机会;三是为处于转型中的工人提供帮助并赋予其保护工作的权利,包括完善失业保险制度;建议企业在实现大数据人工智能化代替人工劳动的同时,采取减少员工工作时间的方式降低裁员量。

应用层面,美国多家大数据巨头通过收购其他大数据人工智能公司来强化自身的技术水平,并推出了大数据新应用,具体收购和应用新动向如表2所示。

表2 美国多家大数据巨头2017的收购框架和应用新动向

公司

收购的公司及其主要业务

大数据人工智能应用新动向

Facebook

face.com(面部识别);

wit.al(语音识别);

JIBBIGO(自然语言处理);

MSQRD(自拍短视频、滤镜);

Zurich Eye(自动驾驶)

围绕社交应用场景,利用大数据人工智能技术优化语音、图片和视频社交方式。

亚马逊

Orbeus(图像识别、计算机视觉); Angel.ai(聊天机器人); harvest.ai(机器学习、网络安全)

研发人工智能机器客服,利用大数据人工网络安全技术提升亚马逊云服务的安全性。

谷歌

DeepMind(深度学习);

jepac(图像识别、旅游地图):

Dark Blue Labs(语音搜索);

emu(虚拟助理、即时通信系统)

优化搜索产品,其围棋人工智能程序Alphago大放异彩。

微软

NETBREEZE(客户关系管理)

Genee(智能会议时间安排)

equivio(Email智能分类)

Maluuba(深度学习)

SwiftKey(人工智能输入法)

利用大数据人工智能技术提升Office等办公软件的效率,使得邮件分类、会议安排和客户关系管理等日常办公事务更加智能化。

苹果

vocalip(语音识别);

turi(机器学习应用开发平台);

emotient(面部识别、情感分析)

LATTICE(非结构性数据处理)

提升Siri理解执行语音命令的能力,强化苹果产品的面部识别技术。

 二、欧洲进一步丰富大数据政务和经济领域应用,大力推进基础设施建设和产学研创新体系

(一)经济领域重点发展医疗、汽车和金融大数据应用,政务领域全面引入大数据技术

战略层面,英国对如何运用大数据技术进行了详细的规划,《政府行业策略指导》提出了医疗保健、汽车和金融服务产业领域,应用大数据人工智能技术最具发展潜力的方向,这也是英国在未来大力研究和发展的方向,如表3所示。

表3 英国政府规划的大数据人工智能发展方向

产业

最具潜力的大数据人工智能发展方向

医疗保健

基于人工智能的诊断方法,将患者的个人病史作为基准,在此基础上,小偏差数据的出现,可能意味着健康状况的改变,进而提醒人们需要进一步的观察和治疗。它将增强医生的诊断能力,但在此过程中也为人工智能提供了有价值的学习数据,使其能够不断地学习和改进。

汽车

自动驾驶辅助系统(如停车辅助、车道拥挤辅助、可调节的自适应控制等)

金融服务

个性化的财务规划。通过数据挖掘和分析的技术为用户提供个性化的理财方案等。

 英国政府认为实现表3中的应用,一方面难点在技术,比如保证自动驾驶系统在恶劣的天气环境下依然能够正常运转;另一方面难点在于获得行业监管部门和用户的信任,让消费者放心地将私人医疗和金融数据传递给大数据人工智能系统。

应用方面,英国将电子政务大数据技术全面运用在了政府的日常工作中,未来还将加强相关应用,如表4所示。

表4 英国政府运用大数据技术实现的日常政务管理

政务管理方向

具体运用

财政监管

英国政府建立了有“英国数据银行”之称的data.gov.uk网站,通过这一公开平台发布政府的公开政务信息。在这一平台上英国国民可以向政府提供财政政策和开支方案。大数据应用在政府财政综合管理和服务水平的提高上做出了重要的贡献,升级了财政管理手段,信息化的管理手段使每笔收支简单清晰。业务流程的统一规范消除了管理碎片化的情况,多层多模的流程整齐划一。

漏税查询

英国政府通过利用大数据检索出了200亿英镑的逃税与诈骗,帮助英国税务和海关总署,通过检测行为模式收回了数十亿美元。这项技术能够在发放许可证之前,通过分析检测公民是否可能有过受贿等行为再决定是否可以发放。分析系统的作用,是能够通过收集公民的行为进行准确判断。

精准农业得益大数据整合

在大数据技术的带领下,英国现代农业结合数字技术、传感技术和空间地理技术等更为精准地进行种植和养殖作业,在科学化管理种植的同时也紧密衔接市场需求,做到市场动态的严密监控和市场需求的精准投放。英国“农业技术战略”以建立农业信息技术和可持续发展指标中心为核心,致力研究农业技术和产品市场的融合,促进数据共享和成果转化,高度重视利用大数据平台提升生产量和生产效率。

健康医疗大数据平台

英国国民医疗服务系统NHS被誉为20世纪英国最伟大的成就之一,这一系统涵盖了庞大而完备的英国医疗数据,包括全面的病人的健康记录、疾病数据等信息。英国使用医疗健康大数据旗舰平台集中了最为详尽的全国家庭医生和医院记录的病例以及社会服务信息。医疗数据资源的统一归口、共享、分析能够更好地认识病患、研发药物和治疗方式。

政府情报安全

英国气象局正在推进一项大数据驱动型安全模型,旨在利用一套基于NOSQL的系统对网络流量中的异常活动加以处理,从而处理各类安全威胁。此前,英国气象局还构建起一套专用的网络安全运营中心,并根据“信任区”开发一项信息安全战略。

 德国则应用大数据技术推进工业领域进一步由“制造”转变为“智造”,大力发展了机器人、3D打印和无人驾驶技术,如利用机器人完成肿瘤刺破和化疗抗癌手术,目前医疗机器人还需要医生进行操控,未来德国会继续深入研究人工智能技术,开发出更为智能的机器人。德国政府还注重大数据技术应用带来的法律和道德问题,如无人驾驶车辆引发交通事故的判责问题,在立法上走在各国的大数据行业的前列。

可以看出,医疗、汽车和金融服务是未来大数据技术应用的热门领域,需要超前部署其这三个领域的发展方向

(二)加强大数据基础设施构建

战略层面,德国作为传统工业强国,提出工业4.0的概念以进一步保持其工业领域国际领先的地位。工业物联网、云计算和大数据是其实现工业4.0的关键底层技术,需要大量基础网络设施和技术研发的支持。2017年7月,继《德国2030数字化战略》后,德国联邦交通和数字基础设施部发布《德国5G战略》,提出要成为世界5G网络的技术领导者和标准的制定者,并激励网络运营商加大对5G基础设施的投资;加强电信产业和5G网络应用产业的合作;实现5G网络城镇村全国覆盖。

(三)注重产学研一体化的创新体系,为大数据产业培养人才

战略层面,英国注重产学研一体化的大数据创新体系和人才培养。2017年英国出台了《英国数字化战略》、《政府行业策略指导》和《2017英国人工智能产业发展报告》一方面对国内大数据人才架构进行了深入分析,并提出了培养行业人才的战略。包括优化高校大数据课程设置、引进海内外优秀人工智能科研人才、为行业女性工作者创造更多的培训机会和科技企业培养实习生等规划。另一方面突出强调产学研一体化对于大数据行业发展的重要性,指出高校、科研院所的成果转化是大数据产业发展的关键环节。

应用层面,英国政府建立了众多大数据加速器来促进产学研体系的运转,其作用类似于辅助企业、高校和研究院等进行对接和完成科技成果转化的孵化器和成果转化中心。英国倡导全球各地的学术界以及产业界的各相关方加入进来利用英国的加速器帮助企业研发大数据产品。

三、2017年欧美大数据战略和应用新动向对我国行业发展的启示

目前,我国高度重视大数据产业的发展,并积极对相关产业进行规划,2017年发布了多项与大数据相关的政策文件,如表5所示。

表5 2017年我国颁布的大数据相关政策文件

文件名称

发文单位

发文时间

信息通信行业发展规划(2016-2020)

工信部

2017.01.17

大数据产业发展规划(2016-2020)

工信部

2017.01.17

关于促进分享经济发展的指导性意见

发改委等

2017.07.03

新一代人工智能发展规划

国务院

2017.07.08

工业控制系统信息安全防护能力评估工作管理办法

工信部

2017.08.11

关于积极推进供应链创新与应用的指导意见

国务院

2017.10.13

高端智能再制造行动计划(2018-2020)

工信部

2017.10.31

关于深化“互联网+先进制造业”发展工业互联网的指导意见

国务院

2017.11.19

推进互联网协议第六版(IPv6)规模部署行动计划

国务院

2017.11.26

促进新一代人工智能产业发展三年行动计划(2018-2020)

工信部

2017.12.14

信息安全技术个人信息安全规范

信标委

2017.12.29

 可以看出,我国的大数据产业政策规划也走在国际的前列,同样涉及到人工智能规划和大数据工业等方面。借鉴欧美的大数据战略和应用,我国可以从以下四个方面加强战略部署和政策制定,完善大数据产业规划战略。

(一)全面部署大数据技术在政治、经济和军事方面的发展方向

大数据技术的研发和应用是世界各国的国家战略,只有做好超前部署和重点研发才能进一步提升我国的综合国力。一是在财政监管和政府情报安全等方面构建政务大数据平台,更好的服务政府工作和决策。二是在医疗保健、金融服务、机器人和无人驾驶等领域出台激励政策,鼓励各大数据企业研发相关技术,实现经济效益,乃至将相关产品推广至全球,在此过程中政府还应制定好相关的法律,防止新兴产业带来一系列道德和法律问题。三是部署智能军事指挥系统和智能武器等研发项目,完善现代化战争体系。

(二)完善大数据网络安全措施

大数据技术的创新不可避免的带来个人隐私和国家安全信息的保护问题,近年来数据跨境泄露事故频出,全球性病毒传播和黑客攻击事件频发使得大数据网络安全措施的完善亟待解决。这一方面需要国家制定相关政策督促企业执行严格的安全保护措施;另一方面则需要国家从人才培养、技术创新和成果转化多角度激励产业发展,使我国具有自主研发的大数据技术生态,做到不因管理和技术缺陷导致大数据网络被威胁。

(三)推进大数据基础设施建设

构建大数据生态,不仅要在技术上开拓创新,还要在硬件上推进基础设施建设。大数据在采集、传播和处理的过程中需要电子信息采集设备、通信硬件和数据存储硬件等的支持,目前我国在大数据基础设施建设上尚存在基础设施空间布局规划空白、基础设施生产标准不一、基础设施安全保护措施不足等问题。

(四)激励产学研一体化来实现大数据技术创新和成果转化

由于大数据产业的特性,高校和科研机构在研究过程中遇到了诸多困难,比如难以获取真实有效的大规模数据和缺少大数据硬件资源,众多中小企业也由于资金和规模的限制难以做出创新性的大数据产品和服务。因此可以效仿英国政府建立类似于孵化器的大数据加速器,通过与大型企业签订保密协议或使用加密手段为企业和科研机构提供真实的数据和硬件,同时为中小企业和科研方建立沟通渠道,提升成果转化率。只有实现产学研一体化才能更好的培养大数据产业的人才,并给予中小大数据企业创新的机遇,实现“大众创业,万众创新”。
中国密码学会电子认证专业委员会 版权所有
地址:北京市海淀区闵庄路甲89号 4号楼
联系电话:010-82546543-686
京ICP备05046059号-4