近日，在第九届全国社会媒体处理大会（SMP 2020）上，人工智能领域专家潘云鹤院士发表了关于“大数据智能”的主题演讲。潘院士从大数据智能的起源、发展及应用三个方面进行了全面讲解，内容丰富且实用。

互联网和大数据催生了AI 2.0

2007年图灵奖得主Jim Gray提出了数据密集型科学的第四种研究范式。2008年，《自然》杂志推出了关于大数据的专题，自此大数据的概念逐渐形成。尽管大数据至今尚未有一个统一的定义，但它具备“4V”特征，即大量化（Volume）、多样化（Variety）、快速化（Velocity）和价值密度（Value）。

2014年，人们意识到世界正从传统的二元空间（人类社会空间H和物理空间P）向三元空间转变，即增加了信息空间C。信息空间是一个快速增长的新维度，近年来由于传感器和物联网等技术的发展，非人类社会产生的信息也越来越多，标志着人类正式迈入“大数据”时代。这一时代必然会推动知识的大规模积累，2020年的新冠疫情更是加速了这一转变。

在传统的二元世界中，存在两种主要关系：一是人类社会与物理世界之间的关系；二是人类社会内部的关系。而在三元社会中，无论是物理世界还是人类社会，都与信息空间产生了紧密联系，这种联系在未来会愈发显著。

信息空间中的信息流将促进科技与产业在多个方面发生变革：

• 新通道：为科学研究、技术创新和社会经济发展开辟了新的路径、方法、产品和形式。
• 新计算：基于新旧空间的互动（CH、CP）建立新型AI系统。
• 新门类：能够从全新视角审视现有的复杂系统，如城市运行系统和环境生态系统。

信息环境的快速发展（如超级计算和物联网）、社会新需求（如智慧城市建设）以及AI基础和目标的重大变化（如虚拟现实和群体智能）共同推动了AI 2.0概念的提出。2017年，中国发布了《新一代人工智能发展规划》，明确了AI 2.0的关键理论和技术，并提出了应用场景，进一步推动了中国人工智能的发展。

知识表达引领大数据智能的发展

潘云鹤院士首先介绍了几种不同类型的知识表达方式：

1. 结构化数据：不同于以往的程序计算方式，AI采用数据驱动的方法来处理数据。
2. 知识图谱：不仅用于搜索和分析，还可以用于推理和学习，是一种重要的知识表达形式。2012年，浙江大学的人工智能研究所开发了KS-studio，实现了大数据向知识图谱的自动转换和关系发现技术。
3. 深度神经网络（DNN）：本质上也是一种知识表达方式，适用于图像和声音识别，但其解释性较差。
4. 视觉知识（VK）：通过操作视觉抽象实现知识表达，未来有望模拟人类的抽象思维，提高相关工作的效率。

不同数据形式和应用场景形成了不同的知识表达类型。随着非结构化数据的细化和应用，新的知识表达技术将持续涌现。多种知识表达方式的协同应用，能够提高系统的智能化水平。例如，深度神经网络与视觉知识结合可以在实际应用中提高识别率。

大数据智能的应用广泛且深入

随着大数据的广泛应用，数据不再仅仅是数据，而是像一座待挖掘的矿山，各行各业都在努力从中寻找有价值的信息。中国通信研究院对制造业的智能化应用进行了调研，从影响因素和复杂度两个维度划分了人工智能的应用范围。数据显示，那些流程相对简单、自动化程度较高的工作更适合机器学习，而复杂的质检和目标软测量等工作则更适合深度学习。

人工智能可以帮助政府实现经济运行的智能化管理，通过提取经济指标，进行多维度分析和预警预测，借助可视化工具（如手机APP）帮助政府更快、更准确地了解区域经济状况，从而制定针对性政策。

同时，通过绘制产业链地图，动态展示企业的发展情况，结合区域经济的优势和劣势，迅速发现问题并反馈，帮助相关部门制定应对措施。

此外，潘云鹤院士还展示了智能金融的应用图谱，从大数据智能、群体智能、跨媒体智能、人机融合增强智能和自主智能系统五个方面出发，探讨了AI技术在金融领域的应用，如客户服务、风险控制、精准营销、资产管理等。

最后，潘云鹤院士指出，大数据智能及其新技术是一片充满机遇的领域，希望更多的人能够投身其中，成为这个领域的“新英雄”。