智慧城市构建包括(下一个人脸识别级的应用？智慧城市构建的知识图谱和知识库)

Posted 2023-05-29

篇首语：古人学问无遗力，少壮工夫老始成。本文由小常识网(cha138.com)小编为大家整理，主要介绍了智慧城市构建包括(下一个人脸识别级的应用？智慧城市构建的知识图谱和知识库)相关的知识，希望对你有一定的参考价值。

知识图谱(Knowledge Graph)又称科学知识图谱，是图书情报学领域的概念，用于绘制、分析和显示学科或学术研究主体之间的相互联系，是揭示显示科学知识发展进程与结构关系的可视化工具。

在多数情况下，知识图谱采用图结构进行可视化表示，使用结点代表作者、学术机构、科学文献或关键词，使用连线代表结点间关系。

绘制知识图谱的常用工具包括CiteSpace、Ucinet、Gephi、Bibexcel等。

知识图谱与智慧城市建设是什么关系?

在八部委《关于促进智慧城市健康发展的指导意见》当中明确提出：智慧城市是运用物联网、云计算、大数据、空间地理信息集成等新一代信息技术，促进城市规划、建设、管理和服务智慧化的新理念和新模式。

建设智慧城市，对加快工业化、信息化、城镇化、农业现代化融合，提升城市可持续发展能力具有重要意义。

以数据应用为核心，例如，北京市仅各委办局的数据总量就达到了1600PB。

因此，要利用人工对海量的数据进行治理、利用和共享几乎是不可能完成的事。

随着海量异构数据的大量生成，例如视频数据、图像数据、音频数据，企业致力于开拓更多的数据应用和更多场景的落地。

这将促进对数据治理、数据集市和数据即服务的发展，数据管理和集成平台的市场规模也将进一步扩大。同时，分析算法与业务应用的融合。

终端用户将不再满足简单的业务分析、统计，技术供应商需考虑如何将分析能力与业务系统融合，帮助用户在获得预测结果的同时，可以直接为用户提供业务洞察服务。因此，构建不同行业的城市大脑是必由之路。

RPA+AI就是推导知识图谱，实现实时业务洞察服务的关键技术。那么，它是如何提取知识图谱的呢?

首先，要整明白：AI是大脑，RPA是神经末梢。

人工智能，就好比人类的大脑，主要负责发出命令，通常具备“思考”与“学习”的能力。

一方面，AI结合机器学习、深度学习，拥有了自主学习能力;

另一方面，其通过计算机视觉、语音识别、自然语言处理等技术具备了认知能力;

另外，AI还可以通过大数据不断矫正自己的行为，从而有预测、规划、调度以及流程场景重塑的能力。

RPA，则更像是人类的双手，倾向于重复地接收并执行命令，通常具有“动手”的能力。

RPA作为一种软件机器人，需要依靠固定的脚本来执行命令，擅长执行基于明确规则，大量重复且机械性的工作。

不过，传统的RPA无法独立思考，只能死板地按照人给它预设好的程序工作。

其次，要整明白：RPA+AI的目标是构建知识库。

第一步，运用 AI 的能力，尤其是自然语言处理和知识图谱技术，可以构建底层知识库，处理非结构化数据;

第二步，结合业务场景，将业务规则沉淀下来，构建模型;

第三步，将数据和模型结合，运用到具体场景中，完成流程自动化。

这里面有个数据完全结构化的问题。

其次，要整明白：当下所处的阶段。

RPA只能做一些基于规则的简单的数据搬运、填充工作，NLP和OCR等AI技术拓展了RPA自动化的边界，使其能够处理非结构化数据和打通线上线下交互，这些都标志着数字化员工的发展已经走过早期阶段，企业日常办公的智能化正在进入RPA+AI的深水区。

仅仅在银行里可能就有上千个场景和流程有待挖掘，对应到市场规模上十年之内至少是5000亿级。

目前，国内只有15家RPA厂商。

最后，要整明白：整个技术体系。

RPA+AI包括三个层次的技术支撑。

核心技术包括知识图谱引擎、智能搜索引擎、非结构化数据机器学习平台。

知识图谱引擎：支持寻找数据关系(将分散数据建立关联)、动态更新(持续接入数据字段的最新信息)、探索数据(用最简单的方式搜索数据)。

智能搜索引擎：支持深度搜索(基于机器视觉、自然语言处理技术，搜索图表、表格中数据)、数据接入(支持非公开与公开数据接入与整合)、数据创造(通过合并已有数据，创造新数据)。

非结构化数据机器学习平台：支持全流程数据处理(数据输入、标记、训练、校验全流程处理)、多类型文件支持(支持各类非结构化数据处理，如PDF、图片等)、AI算法引擎优化学习(海量语料不断优化解析结果)。

RPA机器人收费模式，即1个机器人就是1个业务流程，客户按每年使用机器人数量收费。

由此可见，智慧城市中国首席咨询专家周智勇分析认为，RPA+AI生成知识图谱和知识库的过程是：首先对海量(流式或非流式)非结构化数据进行由机器学习平台主导的治理;

其次，利用RPA进行知识点的智能搜索以生成知识图谱，最终，利用知识图谱引擎生产知识库，从而为智慧决策提供支持。

结束语

当前，物互联所产生的数据爆发式增长，不仅为分析关系提供了有效原料，更为人工智能、数据智能的飞速发展带来了前所未有的数据红利，知识图谱应运而生，成为下一代智能搜索的核心关键技术。

知识图谱不仅是一个全局知识库，更是支撑智能搜索和深度问答等智能应用的基础，能够为许多相关学科领域开启新的发展机会。

从这个意义上来看，知识图谱不仅是一项技术，更是一项战略资产，公共安全、电商、金融、媒体出版等行业均对知识图谱有海量的需求。

因此，场景化的行业+RPA+AI将是不同的智慧城市行业的竞争焦点，知识生产自动化的时代已经悄然来临!