今年疫情的突然暴發(fā)，將此前廣泛應(yīng)用到商業(yè)場景的通用新一代信息技術(shù)，快速深入到社會治理的方方面面。在國內(nèi)戰(zhàn)“疫”中，盤活數(shù)據(jù)之后的數(shù)字政府應(yīng)用讓人們耳目一新，然而疫情期間也暴露了數(shù)字治理方面的一些短板，比如政府各業(yè)務(wù)部門數(shù)據(jù)融通不足、技術(shù)賦能不夠、場景融合不強等。
究其原因，核心是傳統(tǒng)技術(shù)企業(yè)在結(jié)合數(shù)字政府業(yè)務(wù)中知識積累不足，缺乏行業(yè)化落地能力?？梢灶A(yù)見，通用的技術(shù)會越來越難以解決具體問題，由此會逐漸具備行業(yè)屬性，數(shù)據(jù)智能技術(shù)行業(yè)化是解決這些“疑難雜癥”的必然路徑。
首先，數(shù)據(jù)處理技術(shù)與行業(yè)相結(jié)合。要想掌握行業(yè)核心數(shù)據(jù)知識，就要解決多源異構(gòu)的跨領(lǐng)域數(shù)據(jù)治理問題，將公安、民政、教育、住建等不同來源的數(shù)據(jù)匯聚拉通，形成統(tǒng)一的指標(biāo)體系、統(tǒng)一標(biāo)簽體系、統(tǒng)一ID，并引入行業(yè)專家，將其幾十年的業(yè)務(wù)經(jīng)驗沉淀為顯性化的算法和模型，在不同應(yīng)用場景出現(xiàn)時，就可以形成不同的概念模型框架對外提供服務(wù)。
同時，還要構(gòu)建政務(wù)行業(yè)關(guān)鍵的數(shù)據(jù)庫，對不同行業(yè)、不同部門、不同領(lǐng)域的政務(wù)數(shù)據(jù)進行治理，轉(zhuǎn)換成標(biāo)準(zhǔn)數(shù)據(jù)后構(gòu)成基礎(chǔ)庫、主題庫、專題庫、知識庫及案例庫。未來所有的這些數(shù)據(jù)庫都將遵循政務(wù)相關(guān)的國標(biāo)、省標(biāo)或者行業(yè)標(biāo)準(zhǔn)，最后通過政務(wù)數(shù)據(jù)資產(chǎn)管理系統(tǒng)、標(biāo)簽管理系統(tǒng)及共享服務(wù)系統(tǒng)，進行各種各樣的管理及應(yīng)用。
其次，人工智能技術(shù)與行業(yè)相結(jié)合。數(shù)字政府領(lǐng)域存在大量圖片、音頻等非結(jié)構(gòu)化的數(shù)據(jù)，數(shù)據(jù)融合涉及多種技術(shù)進行處理，而傳統(tǒng)數(shù)據(jù)庫和大數(shù)據(jù)技術(shù)天然地用來處理結(jié)構(gòu)化數(shù)據(jù)，涉及文本、圖片、音頻、視頻等，就需要運用語音識別、機器視覺、自然語言處理等技術(shù)，從這些多模態(tài)的數(shù)據(jù)里抽出語義標(biāo)簽，再通過知識圖譜技術(shù)將這些語義信息融合構(gòu)建在一起，并轉(zhuǎn)化為知識，進行知識分析、知識問答與知識挖掘，最終支持決策。
目前，人臉識別、語音識別等人工智能技術(shù)日漸成熟，但仍停留在感知層面，如果沒有業(yè)務(wù)知識背景，很難實現(xiàn)智能化。就如已經(jīng)逐步行業(yè)化落地的知識圖譜技術(shù)，其天然的優(yōu)勢是顯示直觀，可以梳理數(shù)據(jù)脈絡(luò)，看到數(shù)據(jù)之間的關(guān)系，但不同行業(yè)數(shù)據(jù)模式不同，業(yè)務(wù)需求也具有差異化，只有結(jié)合行業(yè)知識與規(guī)則的應(yīng)急行業(yè)知識圖譜、環(huán)保行業(yè)知識圖譜、法律行業(yè)知識圖譜等，才可以保證知識庫的質(zhì)量與規(guī)模、可擴張性和推理能力，從而更好地進行知識服務(wù)。
可以看出，脫離了政務(wù)業(yè)務(wù)的系統(tǒng)，只能是一個技術(shù)平臺。如果不能理解政府的業(yè)務(wù)和與業(yè)務(wù)有關(guān)的各種數(shù)據(jù)的含義，就難以高效地發(fā)揮數(shù)據(jù)價值。只有結(jié)合政務(wù)場景，構(gòu)建結(jié)合業(yè)務(wù)的數(shù)據(jù)模型，系統(tǒng)才能更好地支持應(yīng)用。
筆者認為，在技術(shù)與業(yè)務(wù)碰撞中，將會誕生出越來越多的新業(yè)態(tài)、新應(yīng)用和新模式。尤其是在這次疫情之后，將會看到數(shù)據(jù)智能在整個的社會治理、政府決策中發(fā)揮越來越多、越來越大的作用。除了技術(shù)層面，數(shù)據(jù)智能的行業(yè)化落地，需要在以下三方面進行突破：
一是需求驅(qū)動。技術(shù)行業(yè)化滲透過程中，必須走得足夠深，根據(jù)具體業(yè)務(wù)場景需求，探索數(shù)據(jù)智能技術(shù)在行業(yè)中能做什么，基于不同領(lǐng)域的組合、內(nèi)外部業(yè)務(wù)環(huán)節(jié)的分化、融合，最終形成新的技術(shù)服務(wù)模式，特別是在這個過程中，也會完成技術(shù)自身的變革和演進。對比來說，此前拿著通用技術(shù)找場景的模式已經(jīng)不適用。
二是可感知的應(yīng)用。當(dāng)數(shù)據(jù)智能技術(shù)逐漸運用到各領(lǐng)域之中，非專業(yè)人士也需要能夠應(yīng)用數(shù)據(jù)智能輔助決策，通過語音交互而不是寫代碼的方式，未來人機交互會變得更加自然。比如疫情期間，每個城市的應(yīng)急中心都設(shè)有一個指揮中心，政府決策者可以基于可視化大屏實時了解防疫物資、救護車位置等情況，通過智能交互方式進行點線面布陣。
三是聯(lián)合創(chuàng)新。在實踐中，有必要打通上下游合作可能性，基于國家、各省和行業(yè)規(guī)范制定一系列的數(shù)據(jù)標(biāo)準(zhǔn)，再基于這之上構(gòu)建數(shù)據(jù)模型，形成面向各個行業(yè)的“大腦”，繼而幫助政府更加科學(xué)地制定相關(guān)的政策，逐步實現(xiàn)智慧交通、智慧醫(yī)療、智慧教育等，打造更完善的智慧城市。
因此，數(shù)據(jù)智能需要行業(yè)厚度，甚至重塑數(shù)據(jù)價值鏈。數(shù)據(jù)技術(shù)服務(wù)不僅需要結(jié)合特定行業(yè)的知識和標(biāo)準(zhǔn)，還要讓人們能更好地看到數(shù)據(jù)、跟數(shù)據(jù)對話、跟數(shù)據(jù)進行交互。把業(yè)務(wù)、數(shù)據(jù)、模型、交互及技術(shù)融合在一起，才能發(fā)現(xiàn)規(guī)律、發(fā)現(xiàn)問題，真的創(chuàng)造價值。
來源：《光明日報》
