今年疫情的突然暴發(fā)，將此前廣泛應用到商業(yè)場(chǎng)景的通用新一代信息技術(shù)，快速深入到社會(huì )治理的方方面面。在國內戰“疫”中，盤(pán)活數據之后的數字政府應用讓人們耳目一新，然而疫情期間也暴露了數字治理方面的一些短板，比如政府各業(yè)務(wù)部門(mén)數據融通不足、技術(shù)賦能不夠、場(chǎng)景融合不強等。

　　究其原因，核心是傳統技術(shù)企業(yè)在結合數字政府業(yè)務(wù)中知識積累不足，缺乏行業(yè)化落地能力?？梢灶A見(jiàn)，通用的技術(shù)會(huì )越來(lái)越難以解決具體問(wèn)題，由此會(huì )逐漸具備行業(yè)屬性，數據智能技術(shù)行業(yè)化是解決這些“疑難雜癥”的必然路徑。

　　首先，數據處理技術(shù)與行業(yè)相結合。要想掌握行業(yè)核心數據知識，就要解決多源異構的跨領(lǐng)域數據治理問(wèn)題，將公安、民政、教育、住建等不同來(lái)源的數據匯聚拉通，形成統一的指標體系、統一標簽體系、統一ID，并引入行業(yè)專(zhuān)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，在不同應用場(chǎng)景出現時(shí)，就可以形成不同的概念模型框架對外提供服務(wù)。

　　同時(shí)，還要構建政務(wù)行業(yè)關(guān)鍵的數據庫，對不同行業(yè)、不同部門(mén)、不同領(lǐng)域的政務(wù)數據進(jìn)行治理，轉換成標準數據后構成基礎庫、主題庫、專(zhuān)題庫、知識庫及案例庫。未來(lái)所有的這些數據庫都將遵循政務(wù)相關(guān)的國標、省標或者行業(yè)標準，最后通過(guò)政務(wù)數據資產(chǎn)管理系統、標簽管理系統及共享服務(wù)系統，進(jìn)行各種各樣的管理及應用。

　　其次，人工智能技術(shù)與行業(yè)相結合。數字政府領(lǐng)域存在大量圖片、音頻等非結構化的數據，數據融合涉及多種技術(shù)進(jìn)行處理，而傳統數據庫和大數據技術(shù)天然地用來(lái)處理結構化數據，涉及文本、圖片、音頻、視頻等，就需要運用語(yǔ)音識別、機器視覺(jué)、自然語(yǔ)言處理等技術(shù)，從這些多模態(tài)的數據里抽出語(yǔ)義標簽，再通過(guò)知識圖譜技術(shù)將這些語(yǔ)義信息融合構建在一起，并轉化為知識，進(jìn)行知識分析、知識問(wèn)答與知識挖掘，最終支持決策。

　　目前，人臉識別、語(yǔ)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(méi)有業(yè)務(wù)知識背景，很難實(shí)現智能化。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(guān)，可以梳理數據脈絡(luò )，看到數據之間的關(guān)系，但不同行業(yè)數據模式不同，業(yè)務(wù)需求也具有差異化，只有結合行業(yè)知識與規則的應急行業(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)量與規模、可擴張性和推理能力，從而更好地進(jìn)行知識服務(wù)。

　　可以看出，脫離了政務(wù)業(yè)務(wù)的系統，只能是一個(gè)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)的各種數據的含義，就難以高效地發(fā)揮數據價(jià)值。只有結合政務(wù)場(chǎng)景，構建結合業(yè)務(wù)的數據模型，系統才能更好地支持應用。

　　筆者認為，在技術(shù)與業(yè)務(wù)碰撞中，將會(huì )誕生出越來(lái)越多的新業(yè)態(tài)、新應用和新模式。尤其是在這次疫情之后，將會(huì )看到數據智能在整個(gè)的社會(huì )治理、政府決策中發(fā)揮越來(lái)越多、越來(lái)越大的作用。除了技術(shù)層面，數據智能的行業(yè)化落地，需要在以下三方面進(jìn)行突破：

　　一是需求驅動(dòng)。技術(shù)行業(yè)化滲透過(guò)程中，必須走得足夠深，根據具體業(yè)務(wù)場(chǎng)景需求，探索數據智能技術(shù)在行業(yè)中能做什么，基于不同領(lǐng)域的組合、內外部業(yè)務(wù)環(huán)節的分化、融合，最終形成新的技術(shù)服務(wù)模式，特別是在這個(gè)過(guò)程中，也會(huì )完成技術(shù)自身的變革和演進(jìn)。對比來(lái)說(shuō)，此前拿著(zhù)通用技術(shù)找場(chǎng)景的模式已經(jīng)不適用。

　　二是可感知的應用。當數據智能技術(shù)逐漸運用到各領(lǐng)域之中，非專(zhuān)業(yè)人士也需要能夠應用數據智能輔助決策，通過(guò)語(yǔ)音交互而不是寫(xiě)代碼的方式，未來(lái)人機交互會(huì )變得更加自然。比如疫情期間，每個(gè)城市的應急中心都設有一個(gè)指揮中心，政府決策者可以基于可視化大屏實(shí)時(shí)了解防疫物資、救護車(chē)位置等情況，通過(guò)智能交互方式進(jìn)行點(diǎn)線(xiàn)面布陣。

　　三是聯(lián)合創(chuàng )新。在實(shí)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)規范制定一系列的數據標準，再基于這之上構建數據模型，形成面向各個(gè)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(shí)現智慧交通、智慧醫療、智慧教育等，打造更完善的智慧城市。

　　因此，數據智能需要行業(yè)厚度，甚至重塑數據價(jià)值鏈。數據技術(shù)服務(wù)不僅需要結合特定行業(yè)的知識和標準，還要讓人們能更好地看到數據、跟數據對話(huà)、跟數據進(jìn)行交互。把業(yè)務(wù)、數據、模型、交互及技術(shù)融合在一起，才能發(fā)現規律、發(fā)現問(wèn)題，真的創(chuàng )造價(jià)值。

來(lái)源：《光明日報》