彩云网客户端下载|在线登录平台网址入口下载 - 官网网站首页

【网络强国这十年】志翔科技蒋天仪：“跨向”新赛道，有偶然也有必然******

　　【网络强国这十年——行业回顾篇】

　　传统模式下，电力公司主要依照“首次强制检定、限期使用和到期轮换”的计量法律法规和检定规程措施规定来进行智能电表的运行管理。

　　这种方式需要耗费大量的人力物力，且在高效解决智能电表运行期内状态监测和评估问题方面，还有较大提升空间。为此，志翔科技发挥自身大数据分析技术优势，推出了智能电能表状态评价与更换产品，帮助电力企业解决电表状态评估和失准分析等难题，让智能电能表的检定和轮换由传统人工拆回或现场检定、“8年到期轮换”，转变为在线实时诊断和有针对性的“失准更换”。

　　近日，志翔科技总裁蒋天仪做客光明网“网络强国这十年”专栏，畅谈大数据技术如何助力电力行业进行数字化转型。

　　在2014年志翔科技初创时，团队定位于通过大数据技术切入安全领域。此后，经过两年时间的不断打磨，产品初见成效，并开始向更多行业进行市场拓展。

　　谈及为什么从数据安全赛道“跨”到工业互联网领域、深耕电力行业，蒋天仪表示,存在“偶然中的必然”。

　　他介绍，最初接触电力行业的需求后，团队发现相比数据安全，这个行业在通过数据采集和挖掘分析，来应用于业务风险管控和精细管理、提质增效等方面，如计量器具误差分析、窃电防范、线损治理等问题上有着迫切和现实的需求。因此，出于对电力市场和其未来可延伸的工业大数据分析领域增长空间的看好，志翔科技作出了在电力大数据方向上延展和加大投入的决策。志翔科技的安全产品平台，原本就基于大数据架构和底层技术平台自主研发设计，经过几年在安全领域应用的不断打磨迭代，底层大数据分析平台已具备精细化分析海量电力大数据的潜力和能力。在此基础上志翔开始大力投入于电力业务的学习和理解。从2016年起开始了数据模型结合实际业务验证的不断迭代和优化，最终以智能电能表的失准分析作为切入点，打开了电力行业的大门。并以此为起点，利用失准分析同源技术，开始逐步在电力、泛电力和能源等其他领域的大数据分析领域取得拓展成果。

　　电表的准确计量既关乎电费结算，又影响着各项电力技术经济指标的正确计算以及电力工业的健康发展。据了解，过去为保证电力计量的准确和安全、实现用电结算公平公正，国家计量主管部门规定，民用智能电能表以8年固定周期进行检定和更换。蒋天仪告诉记者，全国现有约6亿只在运行智能电表，按照8年到期更换要求，平均一年需换表近8000万只，所需资金投入则超过百亿元。而拆卸下来的电表，据之前某地区部分抽检的数据显示，只有不到千分之五的概率是故障的。“一刀切”式的到期更换工作，给电力企业带来在资金、人力、物力等方面的巨大投入和消耗。

　　2018年，志翔科技推出智能电能表状态评价与更换第一代产品。“通过分析这些用电数据，可以远程发现什么地方的电表有问题，有问题再去有针对性的检测更换，避免造成浪费。”蒋天仪说，目前，该产品已服务于全国30多个网省超过5亿只电表，极大改善了原有的智能电能表状态评估模式，在不停电的情况下在线对智能电能表进行检定，发现运行误差，每年为电力企业节省数十亿换表和运营成本，同时减少数千吨电子垃圾。

　　“行业发展已从过去的‘粗放型’转变成‘精细化’。精细化发展的前提是对业务数据以及业务状态有更加精确的了解，才可以做到更好的数字化管理。”在蒋天仪看来，电力行业是大数据应用的优质沃土，电力市场蕴藏着丰富数据价值待挖掘。

　　监制：张宁 李政葳

　　采访/撰文：李飞 孔繁鑫

　　后期：刘昊

聚焦人工智能技术前沿与治理 中外专家学者国际论坛建言献策******

　　中新网北京12月5日电 (记者 孙自法)2021人工智能合作与治理国际论坛“人工智能技术前沿与治理”主论坛，12月5日在清华大学以线上线下结合方式举行，中外人工智能(AI)领域专家学者聚焦人工智能技术前沿与治理这一主题，发表主旨演讲建言献策，并深入研讨交流。

　　美国国家科学院院士、美国艺术与科学院院士、约翰·贝茨·克拉克奖得主、斯坦福大学商学院技术经济学教授、以人为本人工智能研究所副所长苏珊·阿西(Susan Athey)认为，大学在指导人工智能创新方面可以发挥优先引导的关键作用。由于私营部门的技术人员缺乏伦理、哲学方面的训练，难以开发出具有可解释性的算法框架，深化这类研究能够在人工智能治理的问题识别、建立开发实践框架、提供指引等方面发挥重要作用。此外，由于数据可以带来巨大的规模效应，当前“软件即服务”的平台经济模式已非常普及。人工智能和数据需求可能带来“伪”市场集中，因此，未来对“机器换人”的预测非常具有挑战性，需要重新关注和思考人工智能如何用于应对老龄化等公共管理问题，使基于人工智能的公共服务变得更加高效。

　　国际人工智能协会前主席、清华大学人工智能国际治理研究院学术委员约兰达·吉尔(Yolanda Gil)指出，由于人类对智能机制认知不足、智能行为本身的复杂性、观测手段的有限性以及个体知识、职业、信仰、文化背景等的差异性，导致当前人工智能研究中面临着一系列挑战，因此，需要加强人工智能基础研究工作，这需要跨领域、跨学科的共同努力。当前，理解人工智能机理和构建人工智能世界模型是人工智能研究面临的两大挑战。一方面，理解人工智能机理需要构架“感知-思考-行动”的智能模型，加强对大脑思维机理的理解，建议借鉴神经科学研究联合体的有益经验，建立全球性的人工智能研究数据库，形成全球共享的研究社区。另一方面，构建人工智能世界模型则需要建立在人类经验、社会习俗、专业技能的基础上，建议建立类似于自由协作式的知识库，通过全民民众参与，推动知识在全球层面共享。

　　中国科学院院士、清华大学人工智能研究院名誉院长、清华大学人工智能国际治理研究院学术委员张钹表示，由于深度学习等算法存在不可解释性，导致前两代人工智能算法存在着公平性、安全性问题和不可靠、不可信等缺陷。发展第三代人工智能关键在于发展可解释的、鲁棒的人工智能理论和方法，开发安全、可信、可靠、可扩展的人工智能技术，以“数据驱动+知识驱动”构建支持可解释的人工智能算法的深度学习平台，赋能人工智能安全与防御优化。从数据中真正获取智能要靠知识的帮助与引导，并需要政策法规对数据使用的正确规范，充分利用知识、数据、算法和算力四个要素结合，推动人工智能的创新发展。

　　中国工程院院士、北京大学信息科学技术学院院长、鹏城实验室主任、清华大学人工智能国际治理研究院学术委员高文认为，当前人工智能发展处于新一代人工智能向强人工智能发展的关键阶段，至2030年，中国人工智能发展总体要达到世界领先水平。从战略问题看，中美欧三方在人工智能人才、研究、开发、应用、硬件、数据等方面竞争激烈，当前中国人工智能发展在战略政策、数据资源、应用场景、潜力人才方面具有优势，而在基础理论、原创算法、关键部件、国际平台、高级人才等方面还存在短板。从战术问题看，人工智能2.0需采用基于大数据的统计AI解决大规模AI应用需求，鼓励各种可能的强人工智能探索，“可解释机器学习+推理”和“仿生系统+AI大算力”是可能的技术路线图；在安全问题层面，强人工智能的安全风险主要来源于模型的不可解释性、算法和硬件的不可靠性和自主意识的不可控性，人工智能2.0应采用DPI与“防水堡技术”解决数据安全与隐私保护，重视探索人工智能伦理问题，并基于“理论-技术研究-应用”的阶段性采取不同的风险防范策略。

　　美国国家工程院外籍院士、英国皇家工程院外籍院士、清华大学高等研究院双聘教授沈向洋表示，AI已经应用于生活和工作的方方面面，目前甚至在法律上也具有一定的应用，比如美国已经有很多法庭用机器学习和人工智能方法帮助判刑，包括决定刑期这样非常重要的问题。但是我们还无法理解一些AI决策的缘由。未来发展过程中我们不能只看见AI决策的“黑箱”，应该打开“黑箱”，探究和理解其中的具体内容和因果关系，我们一定要做可解释性的AI。同时，他提到负责任的AI应具备公平性、可靠性、隐私性、包容性、透明性和责任性的特点，作为新兴领域，还需要向其他领域学习，从而更好的服务于人类。

　　中国工程院外籍院士、清华大学智能产业研究院院长、人工智能国际治理研究院学术委员张亚勤指出，“碳中和”是人类能源结构的又一次变革。“碳中和”既是可持续发展的必然选择，又是产业结构调整和发展的重大机遇。企业在“碳中和”背景下都面临转型增效的压力。人工智能+物联网是智联网，智联网可以赋能绿色计算，助力“碳中和”。智联网助力“碳中和”主要包括三个环节：首先，由数据驱动和人工智能优化引擎来实现智能决策。其次，多参数全链系统配置优化。最后，通过多源多维异构感知融合实现智能感知。智联网可用于能源融合、降低ICT产业的碳排放和推动新兴产业发展等。他还介绍了智联网赋能的绿色计算平台的框架，该平台包括人工智能驱动节能减排和高能效人工智能系统，应用路径包括绿色园区和工业节能。

　　2021人工智能合作与治理国际论坛由清华大学主办，清华大学人工智能国际治理研究院承办，国际支持机构为联合国开发计划署。论坛为期两天，设有三场主论坛、一场特别论坛和七场专题论坛。“人工智能技术前沿与治理”主论坛由清华大学计算机科学与技术系教授、人工智能研究院常务副院长孙茂松主持。(完)

　　（文图：赵筱尘 巫邓炎）