技术
首页  >  技术  >  技术要闻

澳门葡京网上娱乐

2018-09-13  来源:中国信息产业网-人民邮电报  作者:文立木

随着大数据在各个行业领域应用的不断深入,数据作为基础性战略资源的地位日益凸显,如何构建更有利于大数据产业健康有序发展的良好环境,成为业界关注的焦点,数据治理也随之成为大数据产业生态系统中的新热点。

与此同时,在政策、技术、需求等多重因素的推动下,以自动驾驶、智能客服、语音识别为代表的人工智能应用快速兴起,AI已经成为全球科技巨头的布局重点。如百度李彦宏公开表示:“百度公司将不再是澳门葡京网上娱乐公司,而是一家人工智能公司。”中国移动也高度重视人工智能,于2017年发布了“九天”人工智能平台,努力将人工智能技术应用在网络、市场、服务、安全、管理和衍生业务等多个领域。

那么,当数据治理遇上人工智能,将碰撞出怎样的火花?

确保数据质量和安全是发展AI的前提

今天,企业对全面数据治理的需求从未如此强烈。监管机构希望企业能更加清晰地了解数据,对它进行有效的管控;企业管理层希望理清数据资产,降低数据应用的复杂性,对企业进行更高效的管理;企业员工也开始认识到数据的重要性,更多地采用数据驱动的方式来开展工作。数据治理正迅速发展成一种企业核心策略,只有做好数据治理,让数据更加准确完整,并且安全合规,才能释放出数据的无限潜能,挖掘出更多有价值的数据应用。

在人工智能技术的应用和实践中,确保数据质量和数据安全是最基础的底层保障。由于人工智能的落地应用效果会受到数据质量和安全的影响,更多的企业开始反思并转而去推动数据质量和安全性提升,提供数据质量和安全评测工具,建立好的数据环境,再进行人工智能应用的同步研发。

大数据是人工智能技术研发、训练的关键,是人工智能长期发展的重要保障。只有当人工智能系统能够获取更为准确、及时、一致的高质量数据,才能提供更有效、有用、精准性高的智能化服务。埃森哲在2018年4月发布的一份调研显示,中国制造企业在运用人工智能技术时面临一系列挑战。其中,52%的受访中国企业将数据质量列为突出挑战,数据安全与网络安全紧随其后(47%)。在2017年4月的一次研讨会上,围绕人工智能话题, 华为任正非提出:“高质量的数据是人工智能的前提和基础。”当前,不管是人工智能技术的研发,还是人工智能应用领域的发展,“数据质量”都是一个不可或缺、位于重中之重的要素。

人工智能发展的另一个重点保障就是数据安全,人工智能系统的基础是大数据,要对外提供服务,就会涉及数据的安全保护,在这个过程中,一系列的数据安全防护手段是必不可少的,如数据脱敏管理,对敏感信息的风险评估、使用监控,对数据的泄露检测,数据库保密检查等。人工智能需要海量的数据,人工智能技术的进步取决于各种来源数据的可用性,如何确保这些数据的安全性与保证用户数据的隐私性是数据质量之外又一个重要问题。同时,通过对业务数据应用语义计算、数据挖掘、机器学习、知识图谱、认知计算等人工智能技术,也可以促进企业数据安全保障体系完善。因此,数据安全和人工智能两种技术起到了相互促进、相互完善的作用。

智能化数据治理悄然兴起

经过多年的理论更新、技术演进和应用实践,与前些年相比,如今的数据治理从概念到技术已经发生了很多变化。特别是随着这一波人工智能浪潮的兴起,数据治理技术和人工智能技术在一些方面也开始有了结合使用,应用了人工智能技术的新一代数据治理可以称之为“智能化数据治理”。

在数据治理工作中,可以通过对大数据应用机器学习技术,进行数据挖掘和分析,从而识别哪些是用户隐私性数据,哪些数据可能有异常,一旦数据特征被确认,打上标签,未来再做数据管理时,就可以使用元数据管理的方法,对外提供服务。比如,当碰到涉及某特殊标记数据,就会有相应的流程启动,或在相关的数据对外服务提供过程中,一旦数据涉及个人隐私,则一定要小心处理,以避免引起政策方面的风险。通过上述应用,可以增强大数据系统数据安全管理和元数据管理的能力。

另外,也可以在针对大数据开展数据质量核查过程中,配合传统的根据预置质量核查规则进行核查的方式,仅针对少量核心核查规则,从大数据中选取训练数据样本,经过预处理,利用机器学习算法进行深度分析,提取公共特征和模型,可以用来确定数据质量原因,进行数据质量问题的预测,并进一步形成知识库。这样就可以进一步增强大数据系统数据质量管理的能力。

对于数据模型的管理,机器学习技术可用来分析数据库中数据实体的引用热度,通过聚类算法自动识别数据模型间的内在关系,还可以用于数据模型质量的检测和评估。对于非结构化数据的管理,如文档内容、图像、音频、视频等,更是可以充分利用人工智能中的自然语言处理、图像识别、语音识别、视频处理等技术。

关键词:数据治理 人工智能