探索大數(shù)據(jù)與人工智能下的情報融合如何服務(wù)于政府決策

蘇林茂　王東仁　王振磊

關(guān)鍵詞：大數(shù)據(jù);人工智能;情報融合;服務(wù);決策

中圖分類號：G2 文獻標志碼：A

情報融合是對所關(guān)注的初始情報進行整編校準以生成更高層次情報的方法。與傳統(tǒng)的人工對公共事務(wù)的決策方式相比，由于收集和掌握信息有限，決策效果難以精確化，決策質(zhì)量難以提升，同時隨著決策環(huán)境的日益復(fù)雜，海量數(shù)據(jù)信息的快速膨脹，多樣化的數(shù)據(jù)信息也不斷對數(shù)據(jù)處理手段提出新的要求，也常常超出普通系統(tǒng)的求解能力。而大數(shù)據(jù)技術(shù)和人工智能的運用已成為我國戰(zhàn)略情報服務(wù)的重點研究方法和有力工具。大數(shù)據(jù)技術(shù)是人工智能作出精準判斷的基石，人工智能的持續(xù)發(fā)展則促進大數(shù)據(jù)深入全面地將數(shù)據(jù)最大價值化。大數(shù)據(jù)與人工智能兩者在技術(shù)上的交織日益頻密，界限也逐步模糊，所呈現(xiàn)的融合發(fā)展趨勢已不可逆轉(zhuǎn)。本論述從技術(shù)角度研究情報融合主要分三個層次，即大數(shù)據(jù)與人工智能技術(shù)的融合、情報信息處理與決策算法的融合研究、情報融合服務(wù)決策的機制。

1大數(shù)據(jù)與人工智能的技術(shù)融合

大數(shù)據(jù)技術(shù)主要是運用大規(guī)模并行處理數(shù)據(jù)庫，數(shù)據(jù)挖掘、分布式數(shù)據(jù)庫、分布式文件系統(tǒng)等對原始數(shù)據(jù)進行采集與傳輸、計算與處理、存儲與調(diào)度的過程。人工智能重點在于分析和解釋數(shù)據(jù)，用來解決現(xiàn)實問題。主要可以將其分為三層，即基礎(chǔ)技術(shù)層、AI技術(shù)層、AI應(yīng)用層（如圖1所示）?；A(chǔ)技術(shù)層主要包含基礎(chǔ)數(shù)據(jù)資源、計算能力和硬件平臺，主要與大數(shù)據(jù)相關(guān)技術(shù)結(jié)合，包括對數(shù)據(jù)的存儲設(shè)備;AI技術(shù)層主要聚焦算法、模型，其中傳統(tǒng)機器學(xué)習和神經(jīng)網(wǎng)絡(luò)算法為主要算法;AI應(yīng)用層主要將人工智能與現(xiàn)實領(lǐng)域結(jié)合起來，主要有計算機視覺、機器學(xué)習、自然語言處理和機器人。

在對情報處理過程中大數(shù)據(jù)和人工智能的融合應(yīng)用流程如下：在集中各類數(shù)據(jù)流的硬件平臺上，運用分布式基礎(chǔ)架構(gòu)、集群計算環(huán)境、流處理環(huán)境進行分布式并行處理，協(xié)同利用多源數(shù)據(jù)，最大化的減少數(shù)據(jù)信息損耗，確保全面性、及時性、多樣性和可靠性，保證情報數(shù)據(jù)的連續(xù)性.通過強化學(xué)習的方法來感知關(guān)注領(lǐng)域的信息與環(huán)境特征。通過邊緣計算將數(shù)據(jù)導(dǎo)入分析模型實現(xiàn)數(shù)據(jù)融合，通過實現(xiàn)情報信息融合，通過機器學(xué)習實現(xiàn)了情報融合，生成情報成果體系。

綜上所述，大數(shù)據(jù)與人工智能的融合是以精準獲取高價值情報數(shù)據(jù)為目標，以政府關(guān)注的情報信息需求為導(dǎo)向，以大數(shù)據(jù)為情報信息來源基礎(chǔ)，以多元信息融合技術(shù)及方法為手段，利用人工智能對數(shù)據(jù)進行融合、處理和分析，形成系統(tǒng)性的情報產(chǎn)品，輔助和支持最終決策。

2情報融合與決策算法的體系研究

通過對智能決策的目標和要求看，對決策優(yōu)化不僅要運用高級算法，更是依賴情報感知能力、平臺運算能力的增強?？蓪崿F(xiàn)信息采集、數(shù)據(jù)清洗與匹配、情報處理、決策模擬與優(yōu)化、情報跟蹤反饋等組件功能的開發(fā)。在模型框架的基礎(chǔ)上，合理選擇運用邏輯回歸、決策樹、支持向量機等算法構(gòu)建分析臨界值，根據(jù)信息數(shù)據(jù)的規(guī)模，研究部署模型集成（Ensemble）框架，對構(gòu)建基于大數(shù)據(jù)與人工智能融合的決策機制模型提供原理方法和技術(shù)支持（如圖2所示）。

在信息數(shù)據(jù)獲取中，要求對分布式數(shù)據(jù)的處理更便捷合理，速度效率更高，在Spark框架中，提供DAG圖的分布式并行計算的編程框架，可大大提高迭代式計算的性能，實現(xiàn)批量和流式數(shù)據(jù)的高性能計算，與Hadoop相比，RDD提供了交互式的集群運算接口。極大地提升了數(shù)據(jù)處理分析速度。

在情報信息處理中，為了有效進行情報實踐研究，綜合運用計算機圖像視覺、自然語言處理、自動推理等方法。經(jīng)過基礎(chǔ)數(shù)據(jù)收集、關(guān)聯(lián)數(shù)據(jù)整理、算法模型設(shè)計、機器學(xué)習訓(xùn)練等步驟，利用邊緣計算使得所獲取情報信息能夠更接近用戶的期望。在深度學(xué)習中的卷積神經(jīng)網(wǎng)絡(luò)（CNN）、LSTM和基于注意力的神經(jīng)網(wǎng)絡(luò)技術(shù)能夠提供圖片數(shù)據(jù)信息和序列數(shù)據(jù)信息的建模示例，有助于大量非結(jié)構(gòu)信息的獲取;計算機視覺通過工程和仿生學(xué)的方法，較好地解決目標跟蹤研究中的視場、分辨率和實時性三者之間有效性的矛盾問題，可以有效實行情報信息識別、分類和分割;知識圖譜技術(shù)利用圖模型構(gòu)建知識之間的關(guān)聯(lián)關(guān)系，是人工智能向深度發(fā)展的重要依托工具;知識地圖作為主流知識管理系統(tǒng)的核心模塊，通過數(shù)學(xué)概念圖鏈接知識，成為解決IH數(shù)據(jù)庫智能功能缺失的關(guān)鍵技術(shù)，更有利于信息挖掘和分析。

在決策模擬與優(yōu)化中，借助神經(jīng)網(wǎng)絡(luò)、邏輯回歸、決策樹、支持向量機等方法，將現(xiàn)有事件和決策方向相互印證聯(lián)系進行數(shù)據(jù)量化，在模型集成（多模型）框架中，通過測試二次整合數(shù)據(jù)的多模型融合，使用偏差-方差分析指導(dǎo)，尋求決策的最優(yōu)組合，提高模型在訓(xùn)練集上的擬合能力。隨著外部和內(nèi)部變量的改變，不同的對策會得到不同的反饋。對于動態(tài)確定性決策和隨機性決策，考慮到空間和時間的聯(lián)系，加入博弈論和強化學(xué)習，通過深度機器學(xué)習，使得測試集的效果更趨近于真實效果。提高模型的泛化能力，以達到加強戰(zhàn)略決策的科學(xué)性的目的。

在情報跟蹤反饋中，運用因果推理與DAG辨識、強化學(xué)習和可解釋學(xué)習等方法結(jié)合起來，從大量數(shù)據(jù)中挖掘關(guān)聯(lián)知識，以達到數(shù)據(jù)降噪、快速定位和準確解釋的目的。情報跟蹤反饋的核心是在一個或多個周期內(nèi)檢測決策落實的效果。利用貝葉斯網(wǎng)絡(luò)（DAG）隔離雜質(zhì)因素，盡量避免其他事件帶來的一些噪音。即將因果推理集成到圖的網(wǎng)絡(luò)中，生成過程因果圖，判斷是否有某些因素影響決策，避免對跟蹤反饋分析產(chǎn)生干擾。反饋主要來自兩個方面，一是用戶對情報服務(wù)的評價和要求，二是系統(tǒng)數(shù)據(jù)。二者共同確保運行中能夠隨時發(fā)現(xiàn)問題，及時糾正偏差，調(diào)整方向。同時反作用于輸入情報，對情報的再輸出產(chǎn)生影響，進而輔助優(yōu)化決策。

3“快速響應(yīng)-分層遞階-智能迭代”決策機制模型構(gòu)建

對數(shù)據(jù)驅(qū)動模式下的智能-交互-集成化的決策情報服務(wù)機制的建立改變了依靠歷史經(jīng)驗進行決策的方法。遵循智慧決策理念，依托大數(shù)據(jù)和人工智能技術(shù)，按照精準聚類—遞階控制—整體調(diào)控—迭代監(jiān)控—價值回溯的流程，提出“快速響應(yīng)-分層遞階-智能迭代”政府決策機制模型（如圖3所示）。

3.1模型構(gòu)建基本思路

該模型以精準聚類、遞階控制、整體調(diào)控、迭代監(jiān)控、價值回溯為主線。首先利用機器學(xué)習對有關(guān)數(shù)據(jù)進行“精準聚類”，找到問題來源和依據(jù)，再通過“遞階控制”實現(xiàn)對決策支持控制過程控制。綜合外部環(huán)境、輿情變化等動態(tài)信息進行“整體調(diào)控”，不斷調(diào)整完善決策內(nèi)容。最后還要持續(xù)進行“迭代監(jiān)控”，評估決策落實效果是否達到預(yù)期或保持在閾值范圍內(nèi)，最后經(jīng)驗數(shù)據(jù)通過“價值回溯”流回決策經(jīng)驗數(shù)據(jù)庫。設(shè)計此模型的目的是對問題的歸類、判斷、分析、解決、反饋等決策全過程的系統(tǒng)支持，實現(xiàn)對目標事件的有效控制和規(guī)范。該模型服務(wù)于政府決策的優(yōu)點在于：一是通過模型對所關(guān)注事件及趨勢走向的快速響應(yīng)有助于提升情報融合采集、情報決策服務(wù)、情報決策執(zhí)行和情報跟蹤監(jiān)測的效率;二是循環(huán)反饋機制的智能迭代，有助于決策在實際執(zhí)行中不斷調(diào)整優(yōu)化，確保最優(yōu);三是決策經(jīng)驗數(shù)據(jù)庫隨著經(jīng)驗數(shù)據(jù)的不斷豐富，有助于促進歷史數(shù)據(jù)的遞歸循環(huán)和高效利用，從而增加數(shù)據(jù)價值，在制訂中長期戰(zhàn)略性決策時提供可靠的情報數(shù)據(jù)支撐。

3.2模型組成

3.2.1精準聚類

整合問題來源和依據(jù)，對數(shù)據(jù)歸類做好標簽索引。傳統(tǒng)的政府決策流程中從關(guān)注問題、確認政策目標到抉擇政策方案的過程反應(yīng)鏈時間跨度長，很多偶然因素不能被預(yù)先假設(shè)，要找準問題的確切解決方案，往往重點精力關(guān)注于如何解決錯誤問題，而忽視了問題的解決方法途徑。智慧時代，政府決策機制中信息的獲取方式和量級呈現(xiàn)多維性，對情報信息響應(yīng)速度和預(yù)測準確性顯著提高。例如在新冠疫情期間，利用詞頻分析等數(shù)字技術(shù)捕捉信息，獲取公眾關(guān)注度高的問題，如關(guān)注的疫情信息的發(fā)布、個人防護、管控措施、生活方式、物價波動、就業(yè)形勢等。利用K均值聚類和隨機采樣相結(jié)合的分析方法對問題進行分類和評價。運用文本情感分析評測，進行情感分類，抽取相關(guān)情感認知、利益訴求和態(tài)度分布等作為決策參考項，結(jié)合國內(nèi)國際環(huán)境，精準出臺相關(guān)政策，如醫(yī)保政策、民生政策、金融扶持政策等，后期又提出“外防輸入，內(nèi)防反彈”的宏觀政策，確保經(jīng)濟社會的向上向好發(fā)展。

3.2.2遞階控制

兼容集中和分散結(jié)構(gòu)的特點，內(nèi)部各子系統(tǒng)相互協(xié)調(diào)配合，在實現(xiàn)子目標、子預(yù)期的基礎(chǔ)上，實現(xiàn)決策系統(tǒng)總體的控制問題，形成決策支持過程控制的目標。遞階控制主要有問題組織級、模型協(xié)調(diào)級、執(zhí)行運算級以及對象，問題組織級具有基于知識的學(xué)習能力和高級決策的能力，對聚類問題識別、組織和管理，模型協(xié)調(diào)級分為控制管理分層和控制監(jiān)督分層，將問題匹配模型，尋求最優(yōu)方案，執(zhí)行運算級有準確的模型，主要執(zhí)行具體推理分析，同時在對內(nèi)外環(huán)境變量進行交叉計算后，獲得支持決策的系統(tǒng)分析列表，包括決策因素的類型及對應(yīng)權(quán)重，不同決策方案的成本、成功率、風險程度和適用的執(zhí)行者類型等（如圖4所示）。

3.2.3整體調(diào)控

促進決策目標的有利實現(xiàn)是評價決策方法優(yōu)劣的核心指標。要科學(xué)、系統(tǒng)、多維、深度的進行情報提取和分析，綜合外部環(huán)境對決策效果的影響因素，將內(nèi)外部環(huán)境變量量化地融入決策成功率和風險的計算中，再結(jié)合相關(guān)專家論證和現(xiàn)有情報分析預(yù)測走向的傾向性方案，從而評估測算決策的風險程度和可行性，形成盡可能趨向決策目標的決策方案。

3.2.4迭代監(jiān)控

對決策實施的跟蹤監(jiān)控和效果的評估反饋，對決策的發(fā)展趨勢和未來趨勢進行研判和預(yù)測。在政府決策過程中，對決策方案相關(guān)情報的持續(xù)跟蹤監(jiān)控，計算其與預(yù)期目標指向的偏差度，通過迭代的方法進行動態(tài)調(diào)整。利用人工智能的預(yù)測功能，進行情報信息融合，以評價決策實施的意義和效果。但要注意如果監(jiān)控到出現(xiàn)迭代結(jié)果超出閾值，則要對決策給出報警，提醒決策主體及時調(diào)整和改進決策內(nèi)容。

3.2.5價值回溯

以數(shù)據(jù)為核心的決策經(jīng)驗數(shù)據(jù)庫形成了數(shù)據(jù)的價值化積累。運用機器學(xué)習能夠科學(xué)的梳理和分析歷史事件的發(fā)展規(guī)律，以及正確可行的決策檢驗，通過對基于人工智能的決策經(jīng)驗數(shù)據(jù)庫的建立，能夠為決策者直觀地提供完整的經(jīng)驗指導(dǎo)。具體流程為：一是對現(xiàn)有的成功的經(jīng)驗和做法收集和分類，建立標簽索引;二是通過人工智能不斷學(xué)習訓(xùn)練反映和總結(jié)的每一個重大決策，建立決策流程標準，并從決策實施的總體成本、效果評價、風險評估、內(nèi)外部環(huán)境的影響程度等方面予以全面評價;三是決策數(shù)據(jù)標準化模板，把決策支持系統(tǒng)中的經(jīng)驗數(shù)據(jù)導(dǎo)入決策經(jīng)驗數(shù)據(jù)庫存檔，并建立標準化存儲格式，確保系統(tǒng)更多統(tǒng)一化和集成化。需要強調(diào)的是，決策經(jīng)驗數(shù)據(jù)庫的所有輸入都是過去的經(jīng)驗的存檔，而不是系統(tǒng)的預(yù)測數(shù)據(jù)。在決策者參考過程需要具體問題進行人為控制和具體分析。

綜上所述，大數(shù)據(jù)分析與人工智能情報融合的應(yīng)用，需要海量的數(shù)據(jù)，當數(shù)據(jù)和機器學(xué)習達到一定量的時候，決策建議才能更趨于合理化。但基于大數(shù)據(jù)分析和人工智能的情報融合在服務(wù)政府決策機制上還不夠成熟和穩(wěn)定，還缺少“一專多能”復(fù)合型運維人員，相關(guān)領(lǐng)域中大型系統(tǒng)的耦合度不高，“系統(tǒng)對系統(tǒng)”尚未完全打通，與硬件設(shè)施兼容難、安全防護投入少等諸多問題。則需要我們不斷創(chuàng)新思維、創(chuàng)新技術(shù)、創(chuàng)新理念。

4結(jié)束語

情報分析如何利用在大數(shù)據(jù)與人工智能技術(shù)相融合的平臺上，更精準和有效的服務(wù)于政府決策。一是要準確識別和評判數(shù)據(jù)流的質(zhì)量，這是實現(xiàn)政府決策機制體系合理化、科學(xué)化、有效化的基石。基于高質(zhì)量服務(wù)決策的原則，好的數(shù)據(jù)比模型算法更重要，因此基礎(chǔ)數(shù)據(jù)應(yīng)全面、系統(tǒng)、準確和規(guī)范。二是通過多個模型混合優(yōu)化，合理界定閾值。對閾值的科學(xué)界定在事件發(fā)生概率、外界干預(yù)、風險評估、發(fā)展趨勢研判等起關(guān)鍵作用，對決策的制定產(chǎn)生直接影響。在考慮和評估最終結(jié)果時，要注重技術(shù)合理性和現(xiàn)實可行性之間的平衡點，研究合理的系統(tǒng)體系和調(diào)試范圍標準，分別從技術(shù)和機制兩個方面探索確保決策系統(tǒng)的安全和保密運行。還可以利用區(qū)塊鏈等技術(shù)獲取和存儲用戶自有的決策輔助數(shù)據(jù)，豐富和完善決策機制模型，服務(wù)政府解決問題，實現(xiàn)機器輔助決策能力提升的目標。