|
|
中关村大数据产业联盟 信息简报 第16期中关村大数据产业联盟 信息简报 〔2016〕第20期 总第20期 中关村大数据产业联盟 2016年10月01日
1.关于印发《关于支持银行业金融机构在中关村国家自主创新示范区开展科创企业投贷联动试点的若干措施（试行）》的通知【附全文】 【专家解读】 1.赵国栋：没有允许失败的环境，就不会产生大量的创新 2.梅宏院士：真正的大数据应用体现在数据挖掘的深度 【产业检测】 1.数据作弊：大数据时代的法律空白与规制 2.利用“大数据、云计算”提高情报分析以打击反恐 【活动通知】 1.2016中俄网络媒体论坛暨中俄新媒体青年领袖峰会 2.【活动预告】首都影金会第5期公开活动【大数据加持电影，微影时代快速崛起】 【会员资讯】 1.孟建柱贵州调研 BBD参与汇报 2.助力行业升级｜海云数据与中国刑事警察学院达成初步合作意向 3.第七届中国金融云高峰论坛开幕|美林数据高级咨询顾问李挺发表主题演讲 4.中国水利学会减灾专业会议落幕中科宇图相关产品与技术备受关注 【政策要闻】
关于印发《关于支持银行业金融机构在中关村国家自主创新示范区开展科创企业投贷联动试点的若干措施（试行）》的通知【附全文】
各有关单位： 为贯彻落实《关于支持银行业金融机构加大创新力度 开展科创企业投贷联动试点的指导意见》（银监发〔2016〕14号），探索适合科技创新创业企业的金融服务方式，市金融局、中关村科技园区管理委员会、中国银行业监督管理委员会北京监管局联合制定了《关于支持银行业金融机构在中关村国家自主创新示范区开展科创企业投贷联动试点的若干措施（试行）》（以下简称《若干措施》）。《若干措施》已经市政府同意，现印发给你们，请遵照执行。 北京市金融工作局 中关村科技园区管理委员会 中国银行业监督管理委员会北京监管局 2016年9月18日
附全文： 关于支持银行业金融机构在中关村 国家自主创新示范区开展科创企业 投贷联动试点的若干措施 （试行）
为进一步落实《关于支持银行业金融机构加大创新力度开展科创企业投贷联动试点的指导意见》（银监发〔2016〕14号），加快推进供给侧结构性改革，建设中关村国家科技金融创新中心，促进大众创业、万众创新，支持试点银行在中关村国家自主创新示范区开展投贷联动金融创新，建立健全投贷联动市场化风险分担补偿和收益分享机制，降低银行投贷联动风险成本，推进综合金融服务创新，探索适合科技创新企业发展的可复制金融服务模式，特制定本措施。 一、鼓励试点银行不断扩大投贷联动信贷规模。中关村管委会按照试点银行科技金融专营机构、特色分支行每年投贷联动信用贷款新增量的1%，给予最高不超过500万元的风险补贴支持。 二、鼓励保险公司、担保公司参与投贷联动业务创新。中关村管委会对保险公司、担保公司每年新增投贷联动保险或担保业务规模的1%，给予最高不超过500万元的风险补贴支持。 三、支持试点银行在中关村设立投资子公司，面向科技创新企业提供股权投资等投贷联动金融服务，可参照《关于促进首都金融产业发展的意见》（京发改〔2005〕197号）及实施细则，享受在京新设立金融企业一次性资金补助政策。 四、对试点银行开展投贷联动业务的投资，给予一定比例的风险补贴支持。中关村管委会按照试点银行投资子公司实际投资额的10%，给予其单笔最高不超过100万元的补贴支持。对同一投资子公司投资的同一科技创新企业补贴额累计不超过100万元。对同一投资子公司每年的补贴金额不超过500万元。 五、对试点银行的不良贷款本金给予一定比例的风险补偿。中关村管委会对监管部门设定的投贷联动试点不良贷款容忍度范围内的信用贷款部分，按照不良贷款本金的50%给予试点专营机构、特色分支行风险补偿；单家科技创新企业当年度纳入补偿资金支持的本金额度最高不超过1000万元，单家试点银行风险补偿的年度额度最高不超过5000万元。试点银行应对不良贷款进行追偿。已分担风险的不良贷款收回时，应当按照合同约定在承担风险分担责任的相关主体间分配。 六、对保险公司、担保公司发生的代偿本金给予一定比例的风险补偿。中关村管委会按照代偿本金的40%给予代偿机构风险补偿。其中，单家科技创新企业当年度纳入补偿资金支持的本金额度最高不超过1000万元，单家担保公司风险补偿的资金年度额度最高不超过5000万元。担保公司应对代偿进行追偿。已分担风险的不良贷款收回时，应当按照合同约定在承担风险分担责任的相关主体间分配。 七、鼓励试点银行培育支持优质企业。获得试点银行投贷联动业务支持的科技创新企业，试点期内在新三板挂牌、境内外上市或成长为独角兽企业，中关村管委会分别按照单个企业10万元、20万元、50万元的支持标准，给予试点银行企业培育资金支持。 八、市政府设立中关村科创企业投贷联动试点风险防控投资引导基金，采用股权投资等方式，支持中关村科创企业投贷联动试点工作。 九、加强不良资产处置平台建设，负责处置投贷联动试点业务产生的不良资产。资产管理公司探索市场化、专业化、多元化的不良资产运营处置机制。 十、建立政银企沟通协调机制，及时解决投贷联动试点过程中存在的问题，加强宣传培训，提升服务效率，加强风险防范，降低试点成本，助推供给侧结构性改革，建立解决科技创新企业融资的长效机制。 本措施由市金融局会同中关村管委会、北京银监局负责解释，自发布之日起实施。
【专家解读】
赵国栋：没有允许失败的环境，就不会产生大量的创新
如果把进化当成创新来看，其实就是各类物种各显神通的过程，可能有成百上千中进化选择，但只有一条进化成人类的道路。 这条道路的成功是以成千上百的失败为代价的，没有允许失败的环境，就不会产生大量的创新。
文/IFC1000互联网金融千人会联合创始人、中关村大数据产业联盟秘书长 赵国栋 中国近些年来一直在倡导创新。如果把进化当成创新，从生物进化角度来看，其实就是各类物种各显神通的过程，可能有成百上千中进化选择，但只有一条进化成人类的道路，这条道路的成功是以成千上百的失败为代价的，凡是没有进化到人类的生物，无疑在地球的生态圈中都处于弱势的地位——创新的代价是试错。可以这样说，没有允许失败的环境，就不会产生大量的创新。
说到这里，问题就来了，谁为失败买单？ 从国家角度、从产业角度，我们希望万马奔腾、我们希望百花齐放，总会有人脱颖而出，但是要有一个机制——为失败买单。
对比中国两弹一星的光辉成绩，那是另外一种形式的创新机制。中国在非常贫穷的情况下，集合人力和物力在短时间内形成突破。这种创新机制有一个前提条件，就是清晰的知道目标一定是可以实现的。但是如果创新失去具体的目标而采用两弹一星的机制，未免创新的成本过于高昂，甚至难以为继。以目前火热的穿戴式设备来看，没有人可以打包票，智能手表和智能眼镜哪个更受人们欢迎。唯一的选择方法就是大家都在做，看谁能笑到最后。 而且未来的产业创新大多是百家争鸣，特种部队的模式，一个精干的团队轻骑突进。人们不能武断的认为哪一个在做的青年人就是未来的乔布斯、就是Musk。唯一能做的就是你很有想法，为什么不去试一试呢？
在传统的产业中，有咨询机构总结出ECRIM模型，意思是说，一家好的公司必须有一个大的产业空间、有资本支持、有良好的管理、有充足的资源，当中最核心的是要有一位企业家。 但是考虑到创新企业，对于创业者来说，他只能是利用知识积累资源，再把资源换成资本，如此才能开始自己的事业。 但是资本可以反过来做这件事情，他又恰好有资本、资源，对接创业者的，发育出管理能力，这就具备一个完整的公司雏形。这是资本对个体创业者的帮助。 结合开头谈到的创新是以失败为代价的，从宏观层面来看，资本就是为大量的失败创新买单的一方。说到底投资也是一门生意，他们的回报就是来自那百亿之一成功的希望。
说到这里，不得不谈谈硅谷。 硅谷气候宜人，四季如春，唯一美中不足的是位于地震带上，这片狭长的谷地一直是美国创新的源泉。 硅谷全面领先离不开三个要素：学术(斯坦福大学)、资本(sand hill road)、产业。这三者犹如水乳交融，互为依托，形成独特的硅谷文化。 斯坦福大学位于硅谷的核心地带，周边环绕大家耳熟能详的大公司，苹果、谷歌、惠普等。但离斯坦福最近不是这些公司，而是紧邻斯坦福大学的VC们，他们聚集在紧邻斯坦福大学的一条路上，叫sand hill road，翻译中文叫做沙丘路。这条路是美国最知名的三个“街道”之一，另外两个是华尔街，国会街。 斯坦福也没有围墙，学子不用离开校园，就能和世界上最顶级的vc们交流。交流的形式也是各种各样，甚至在散步的时候，就能碰到哪些怀揣巨款的投资人。在专门为创业者举行的Demo show上，一个乳臭未干的毛头小伙，就可以面对上百位投资人侃侃而谈他的梦想、他的产品。
投资人也不是被动消极的守株待兔，而是举办各种各样的活动、沙龙、培训营，尽可能早的发现人才，发掘好的创意。这些投资人或是投资世家，几代人固守在投资领域；或是身经百战，有丰富的实业经历。他们的视野、人脉恰恰是年轻的创业者最急需的。 华尔街虽然在远在大陆的另一端，但是其价值和沙丘路的投资人不遑多让。天使投资人需要增值回报，弥补他们承担的失败成本，另外必须要盈利的渠道，所以VC们盈利就和华尔街密不可分。 ——一般有两条退出路径： 第一就是在一级市场转让股权退出； 第二就是在二级市场变现。 这个两条路径交织，视不同的资本环境和产业周期而灵活选择。
——综合来看，创新需要三个条件缺一不可： 第一、求真的学术的环境； 第二、活跃的资本市场； 第三、繁荣的产业生态。 这三个条件水乳交融，缺一不可。
梅宏院士：真正的大数据应用体现在数据挖掘的深度
2016 CCF大数据与计算智能大赛于2016年9月24日在中国·北京梅地亚中心酒店开幕。 北京理工大学副校长，中国科学院院士梅宏在会上做了《大数据与数据驱动的智慧》的演讲，探索了大数据带来的挑战和可能的应用。梅宏认为，目前来讲，大数据还在炒作的阶段，真正的大数据应用应该体现在数据挖掘的深度。在演讲的梅宏最后提出：当自演化的软件能够让机器自己改代码的时候，才是真正的类脑智能。
大数据文摘根据主办方提供的速记整理，在不改变原意的情况下，部分有删改。 我今天的题目叫做大数据与数据驱动的智慧，首先我大概分成四个部分，谈谈我对大数据的认识，我想讲四个部分，第一个谈谈对大数据的认识，第二个大数据给我们带来什么挑战，第三个大数据应用，最后结合我们的主题讲讲数据和智能的关系，主要谈我的理解。 认识大数据 所谓大数据，它是我们信息化到一定阶段之后，必然出现的一个现象（自然现象），主要是由于信息技术不断的成本化，不断的廉价化，以及互联网及其延伸出来的，带来的信息技术无处不在的应用所带来的自然现象。
基本上有几个主要的驱动力： 一个是摩尔定律所驱动的指数增长模式； 第二个是我们技术低成本化驱动的万物的数字化； 第三个就是宽带移动泛在互联驱动的人机物广联连接，以及最后大规模的汇聚。 实际上大数据正在带来我们新的一拨数据化的浪潮，信息化的第三拨浪潮3.0。
如果我们回顾来看我们的过去的话，我们大体上能够看到两个明显的阶段的划分，一个是在从PC机开始进入市场以来，应该说带来了信息化的第一拨浪潮，这个浪潮差不多到90年代中期，这个时候的主要特征是单机应用为特征的数字化特征，我们主要完成简单的工作上最核心业务的数字化的工作，以PC机为主。 在过去的20年，90年代中期到现在，以联网应用为特征的网络化出现数据大集中，开始全国范围内的大联网等等，各个企业甚至走向企业全球，现在我们正在进入新的阶段，这个以数据的深度挖掘和融合应用为特征的智慧化，或者智慧化的现象。 到底什么是大数据，这两个定义从两个角度来谈：
一个从技术上来讲，我们的技术供给能力不足所面临的对象他称之为大数据，第二是从数据特征讲的数据，这是两个数据的定义。 应对大数据 大数据带来的是什么，我觉得最重要的东西可能带来的是思维模式的变化，如果回顾来看看我们过去，基本上定义这不一定是大家都能够接受，但是能够去查的话，定义出现所谓的大数据是在上个世纪的时候，97年的时候，SGI的首席科学家曾经用了这个词，他讲了数据提到大数据，特别强调从技术的视角来看，所谓的难获取，难预测，难处理，难组织四个难题。而从商业视角与大数据时代这本书的发行，开始探讨大数据在商业里面的应用，特别强调了几个很重要的特征，从随机样本到群体数据等这么一个变化。 这是我们经常讲的大数据的价值和意义，大体上分成几个方面。 一个通过大数据，我们能够认识复杂系统的新思维，促进经济转型，提升国家综合能力保障国家安全，提升政府的治理能力以及服务民生服务社会的能力。 这是我在几个场合讲的一个我对当前数据状况的一个认识，以及个人的一些见解，时间关系我不会详细的说，我觉得目前来讲，大数据开始还在炒作的阶段，至少到我们中国炒作的热潮还没有过去，所以我们相对于国外的炒作，国外开始进入我们还滞后了3到5年，真正的大数据应用应该体现在数据挖掘的深度。 原因有三点：首先有我们对数据认识不到位的原因，还有在当今的情况下一宣传大家都很热，成为了获取资源的途径。不聊大数据就拿不到项目，这也是一个很重要的原因；第二个是大数据投入过热，资源浪费比较明显，这方面的投入特别是数据中心的投入为典型；第三个就是我们认为大数据的理论和技术都还处于发展的早期，所以我们定义已经有了共识，但是对它的核心观点和命题还是有很多争议的，比如说大和小，到底怎么来定义，关联和因果的辩证性，所有都讲关联不求因果的吗，所有的数字化的东西相对于客观世界而言也仅仅是一个抽样而已，不管是它的时间密度，空间密度到底有多大。第二是不是有通用的技术体系也不太敏感，从我们做计算领域研究的人来讲，总是希望能够为数据的处理方式提供一种手段。数据科学的理论基础还没有，比如说传统的统计方法，他有一个数据统计的基础在本，我们是不是就用统计，用深度学习，还有没有其他更好的理论上的突破，这个应用了相对超前理论和技术的发展，这样使得很多数据分析的结论基本上缺少因果，缺少理论知识，都是用靠关联关系建立起来的。有时候这个使用还是需要适当审慎的。最后一个大数据这个现象可能会长期的存在，对我们计算能力的挑战也是永恒的。 我顺便举两个历史上大人物说过的话，这是过高的估计了当时的计算。 一个是IBM当时的首席认为世界上是由几台计算机就够了，这个大家经常当成他的笑话来说，比尔盖茨也说640K的内存就差不多了，我想数据的增长会远远的超出我们处理能力的增长，所以我们很多的数据是做不到的。比如说2016年美国存储软件供应商发布的，刚才我看有人给我发一个他们做的冷数据存储，冷数据你还处理过，但有的数据你碰都没碰把它存储起来，这个对我们的挑战也是很大的。我们把一个地球搞清楚，把科学搞清楚，很多数据我估计真的到宇宙发生变化的时候也未必能够完全处理清楚。 第二个数据带来的挑战，我是把它分成两大类，一类下面这类有大数据的管理，主要指的计算机的技术，讲计算机类的技术，第二是大数据的分析方法，怎么样有理论方法去分析它，讲这两个。大体上有这么几个东西。管理上一个是数据库管理系统，面临一系列的挑战，我们传统的关系型关系库追求数据的一致，系统的高性能。没有预先定义的模式使得一致性难以支持，高性能也难以实现。数据库传统发展的理念也开始完全由一个通用的数据库开始追求领域通用，这是一部分。 这是数据的管理本身，那么数据的处理，怎么处理，由于单台计算设备不管性能有多高，它也不可能把数据处理完，所以说并行处理就成为不二的选择，因为数据量太大了。要并行处理就面临不同数据的需求，比如说批处理，流处理，图处理，当然一系列的东西大家都在尝试，也可能不存在通用的数据处理方法，或者数据处理平台能够适应所有类型的数据，是不是能够做到，现在目前来看也没有。 一种可能的途径，比如说能不能通过软件的定义的方式，我们能够把各种能力集中到一起，然后在上面透过不同的数据处理的需求，定义出不同的平台，也就是说我要实现这种平台把它柔和到一起的这种可定制性，可剪裁性能不能做到。还有云计算中心，现在越来越多的大数据依托于云计算中心。 第二部分大数据的分析方法，可能和数学分析方法更紧密的相关，怎么能够把我们理论方法体系建立起来，在不同领域进行应用。 我们大数据分析面临着一对挑战： · 一个是分析对象的改变，过去是预处理后数据我们现在是原始数据，以前是样本数据，现在是全数据，以前是单源单模态数据，现在是多源多模态数据。就是分析对象发生了变化； · 第二是分析的需求发生变化，我们需要更加准确的高精度分析，还有复杂关联的深层特征，还有大规模的复杂关联； · 第三个变化分析模型能力的变化，我们需要追求从表达力受限的低维数据，到高信息量的高维数据，还有弱表达力的简单模型到强表达力的复杂模型，目前来看，我们很多的大数据分析方法都主要是可视化的展现，统计分析，机器学习的技术； · 再一个大数据可能在这种情况下，计算机领域也探讨了很多，现在的以通用性考虑为主的IT体系很难满足大数据的需求，有必要考虑对整个IT架构进行革命性的重构。 应用大数据 第三应用大数据有一些成功的案例我就不细说了，我做了一个分类，一类是互联网类的，这主要是指公共平台的，物联网类主要是有助的，做的各种传感器，组织业务是指每一个企业机构他们自己内部的以结构化数据为核心的融合的各种各样的组织业务的数据。还有一个科学实验的数据，大体分成这样几个。大家可以看到这几类数据都有很多成功的案例，在这我也不细讲了。
大数据应用，大家基本上认为有三个层次。 · 一个首先第一个层次只是关注到底当前发生了什么，把发展的态势曲线给你描述出来，呈现发展的历程； · 第二是预测，能够在当前分析的基础之上，预测它未来可能会发生什么，呈现事物发展的这么一个趋势。比如说流感的预测，奥斯卡的预测大概都属于这类； · 第三类就是所谓的指导性，指导性的就当前的态势，如果你做一个动作，会产生什么后果，这就便于当前的态势要做出决策，不仅是预测未来怎么样，而是做一个动作以后，做一个决策以后，会不会影响未来的结果。 所以从当前来看我以为当前的大数据应用呈现这么几个特点： 一个从应用层次上讲，应该说描述性，预测性的应用还是比较多的，真正的指导性的应用偏少；第二从数据源的角度，基于单一数据源的数据偏多，基于多态数据源偏少，有什么数据整什么数据，包括今天发布了很多题目，数据摆在这你找去，根据我的应用需求，我把各种数据柔到一块这种应用也偏少，有时候前几年看了很多竞赛题目都不错，真正呈现大数据分析的非常让你眼睛一亮的这种特征的东西还是偏少，他没有应用需求。 怎么根据我的要求找这种数据，这种应用偏少，当然对数据研究缺少数据源也是很重要的理论。从需求导向，也是根据我到底有什么问题，在问题里面我想解决什么问题，我提出解决方案，这样的应用这种构建模型的应用也偏少，因此从这个意义上讲，我以为大数据应用还仅仅在于初级阶段，这也就是我刚才我讲的，我们从现在开始，也许我们正在进入信息化的第三拨浪潮，这个阶段会持续多少年，我不知道，但我乐观的估计，大胆的揣测一下我相信应该有十几，二十年，这也有一个依据，这个依据我在报告的时候也会讲一个东西，经济学上有一个传播理论，每一个传播大概是50年左右，包括早期的蒸汽机引领了50年，汽车也引领了50年，我们真正的信息领域引领这50年是从上个世纪50年代，以微电子网络才开始，所以信息技术已经发展了几十年了，真正在经济里面占据主要的驱动力，也就从90年代开始，大家算算90年加50，我们可以到2014年所以在未来的20多年大体上还是IT的天下。 数据和智能 最后讲讲数据和智能，我们谈的最多的是数据驱动的智能时代正在到来，我们来回顾一下人工智能，人工智能这个词早期有非常明确的定义，他有它的做法，人工智能到现在为止也正在接受第三个高潮，早期的人工智能都是硬编码，所谓的智能都是程序，就是高级程序设计，通过高级的编成方法，后来长期的发展还是走的基于规则的智能，实际上就是基于逻辑的，构建一个规则库，构建一个事实库，加上逻辑推理，当时人工智能里面也很长时间受到批评，认为人工智能没有产生什么实际的效果，实际上有一批人工智能还是不错的，就是专家系统，专家系统真正解决了很多当时存在的问题。 我觉得现在当前我们正在走的这拨人工智能，它和过去的做法是不一样的，这是数据驱动的智能，它是利用机器学习，统计分析的方法从数据中自己向上发现规律，前期先构建规则，规则驱动它不太一样，走的这样一个途径，今年最热的就是阿尔法狗，在最难的棋内战胜了人类，当时网上炒的很多很多，很多专家也没出来说话，所以如果我说这个事情对于人类的威胁，我牙根就不认为它有什么威胁，他永远是为做事的，大家想想过去每次技术进步，就把我们人类的劳动减少多少，机械把我们的体力劳动减少多少，不过就是计算把我们的智力劳动，很多烦琐的劳动把它减少了，他离人工智能还远的很。 最后谈到一些若干概念，当前关于智能或者叫做人工智能，有很多提法，人工智能是最早的，一直在谈，我一直认为人工智能是有它当初严格的定义的，过去人工智能做的东西，现在我们写的人工智能技术，前沿技术我真的不认为所谓人工智能前沿技术是什么，有人曾经用过机器智能，这个走的路径应该说是一种结合，但更多的还是基于规则的多一点。 现在也有人称之为数据智能，我们叫做计算智能，李老师也谈到了，是有一个狭义的定义的，神经网演化计算，曾经用过的词，我们为什么用这个东西呢，我个人还是觉得数据驱动的智能，最终呈现智能的方式，还是算出来的。实际上本质上是把人的智能的问题，把它转化成计算的问题，这个计算的问题要么是逻辑推理算的，有一个规则去驱动的，要么是通过数据处理的方式从数据里面弄的实际上它本身还不算是智能，所以我们为什么想选择智能，我觉得这也挺好，我觉得站在计算领域的角度总希望用这个角度来说话，我讲大数据的时候我曾经说过，我说大数据能够出现是因为计算智能要解决它还得靠计算智能，甚至你说你可能有一个模型的方法出来能够用量级的计算，但不管有多大的量级，没有计算机，你人靠手算是永远算不出来的，所以还得靠工具克服，因此还是计算问题，我们更倾向于把它叫做计算所产生的智能，当然是基于数据所产生的智能。 第二个问题是机器计算机真的能拥有人的智能吗？ 在座的大部分都知道，它不可能，现在又有一个说法，类人智能和类脑智能，我们现在国家在搞脑计划，有内脑计算，我们现在的机器是没有智能的，它是把人看成一个黑客，互联网上提一个问题都有，这个智能是像人一样，感知相对容易，认知且难且难，所以我觉得内脑智能应该是什么，我们真的把人的科学上的人脑的科学上的东西搞清楚了，然后模拟这个东西做一套东西，我觉得这叫内脑智能，给你一个行为，好像他能解决问题，只不过是靠计算机强大的计算能力，把一个所谓的这种问题变成了一个数据处理的问题，计算的问题而已。所以我觉得类人智能发展大体分成三个层次，第一个是传统的人工智能走的路，一个软件加上一个知识库，在上面做推理，这是一种。第二种如果说我们能够形成一个自演化的知识库，要靠数据的方式解决，我从数据里面能够不能不断的凝练一些东西出来，知识库能够自己去增长能不能做到这一点，我想如果能够做到这个，就能够形成第二层次的智能，这个东西要从我们数据汇集里面得到想要的结果。 我想第三个层次，能不能自演化的软件，加上自演化的过程，大家知道我们现在所有的软件，一旦写好以后，编译结束以后是改不了的，自演化的软件能够机器自己改代码可能吗？现在肯定是不可能的，但我们也尝试，比如说用数据的方法来改它有大量的软件片断存在，我能不能在某种特定的环境之下，解决软件的一些行为的改变，这是一个梦，这个梦是计算机科学家长期的梦，过去软件智能化就是想解决这个问题，但实际上没有做成，那是走的规则方式未来这个如果能够解决，我觉得类脑智能就更像，机器能够改代码，现在我们组织一个团队想尝试这个事情。 机器自己能够改代码，我想在我有生之年看不到了，从我本意来讲也不希望这个情况出现。如果真的这个情况出现了，世界就大乱了，好，谢谢。 【产业检测】
数据作弊：大数据时代的法律空白与规制 随着信息技术的发展和应用，特别是移动互联网的深度普及和迅猛发展，人类社会的数据量激增并迅速进入大数据时代。可以预计，随着物联网的发展，万物互联将使数据量进一步井喷，进入“万物皆数据化”的深度大数据时代。在大数据的应用领域，全球互联网企业已经广泛将大数据应用于互联网平台的服务提升、用户管理和营销推广等领域。 在互联网出行领域，约车平台通过对用户信息、车辆及位置信息、路线信息等海量数据进行挖掘分析，可以实现更精准的出行供需匹配和更优化的路线以更好地服务用户；在互联网征信领域，征信机构通过合法途径采集各类数据，通过数据对用户的信用进行画像评分并链接各类商业场景服务用户；在互联网平台治理领域，电商平台通过对用户的订单和支付等海量交易数据的挖掘分析，打击售假、欺诈和炒信等黑灰产；在互联网营销领域，各大广告联盟依据用户数据对用户进行贴标和精准画像，实现互联网广告的精准投放以提高营销效率。 互联网上数据作弊盛行 不仅仅是服务用户，作为各大互联网平台的一种基础资源，大数据也广泛应用于平台的用户管理、资源分配和业务决策。这类场景下大数据的应用涉及到较大的利益调整，各种黑灰产业随之兴起，通过数据作弊的方式在各大互联网平台上制造虚假数据，干扰平台的运行和决策进而获得非法利益。由于法律规制滞后，数据作弊快速形成灰色产业链，给互联网平台治理与大数据应用带来挑战。 在电商领域，电商平台在确定流量资源分配机制时，会对店铺的销量、评价和维权等数据进行分析和计算并给出相应评价，最终电商平台会以这些评价为基础确定流量分配方案。同时，消费者也会信赖这些评价做出购物决策。针对淘宝等电商平台的各种第三方刷单公司明目张胆地为淘宝商家提供刷单服务，以通过数据作弊的方式制造虚假交易数据，让商家获得虚假评价，以及欺骗平台和消费者，在平台竞争中获得不当优势，进而获得巨额利益。 在互联网统计领域，针对友盟和百度统计等第三方数据统计平台，刷数据公司通过为移动应用开发者以作弊方式提供虚假的APP应用新增用户数、留存用户数和日活用户数。作为对互联网领域各种数据的独立客观的统计平台，数据真实是第三方数据统计平台赖以获得市场认同的基础。 在互联网融资领域，第三方数据统计平台对被投资项目用户注册数、月活跃数等统计数据是风险投资机构为项目估值的重要依据。部分开发者为获取好看的用户数据以提升项目估值，在第三方刷数据平台的帮助下，进行数据造假。 同样，在O2O领域，针对滴滴出行和美团大众点评等补贴营销活动，大量黑灰产通过作弊的方式制造虚假交易数据欺骗O2O平台骗取补贴。在互联网广告领域，为骗取广告主的广告费，众多中小推广者通过数据作弊方式制造虚假用户数和点击数等数据欺骗广告联盟。在自媒体领域，为使账号发布的文章能获得今日头条等自媒体平台推荐，通过刷阅读量、转发量和粉丝等数据作弊，欺骗以数据为决策基础的自媒体平台。 数据作弊危害大数据根基 互联网领域广泛而普遍的数据作弊行为，对互联网产业最严重的破坏在于污染了数据源。众所周知，数据已经成为互联网的核心生产资料和基础决策工具。一旦数据被大规模污染，建立在数据基础上的各类应用将受到严重影响。在大数据时代，数据运用的深度和广度愈往前推进，垃圾数据对互联网产业的危害愈严重。 数据作弊产生的垃圾数据，将会导致依据数据做决策的主体做出错误决策，进而导致资源分配的扭曲和互联网良性秩序被破坏。最终提供给用户的服务质量下降，同时又造成互联网领域不公平竞争加剧，“劣币驱逐良币”的恶劣生态由此形成。 电商领域的刷单行为，将导致依据数据决策的平台信用评价体系失灵，其后果是，消费者因为失真的评价而购买作弊者的劣质商品；搜索引擎领域的SEO作弊行为，将导致依据数据决策的平台算法模型失灵，搜索到的可能不是向用户最需要的信息而可能是作弊者的信息；自媒体平台的刷点评阅读等作弊行为，将导致文章推荐系统失灵，平台推荐的资讯将不再是用户感兴趣的而可能是作弊者的内容；O2O平台上的刷单刷评价的行为使得平台服务推荐系统失灵，系统推荐的将不再是提供优质服务的商家而可能是作弊的商家…… 互联网平台为防止决策系统失灵，需要投入大量的成本预防数据作弊，同时对于已经污染了的数据源从技术上进行清洗。而部分作弊数据由于高度仿真性，使得数据的清洗成为一项成本昂贵收效甚微的工作，互联网平台与用户集体受损。 数据作弊，法律规制仍然缺位 数据作弊现象如此普遍，其危害如此严重，然而针对数据作弊却无有效法律规制手段，使得提供作弊服务的黑灰产盛行，大肆为各种主体提供数据作弊而大面积制造垃圾数据。在搜索引擎中只要输入“刷单”、“APP刷量”、“刷粉丝”等关键词便可发现，提供数据作弊的各类公司公然在网站上介绍其数据作弊业务。这些像牛皮癣一样泛滥的黑灰产，从数据作弊中获取了丰厚利润，有的平台甚至包装成互联网新型服务项目进行融资并准备上市。 面对上述丰富的数据作弊场景以及事实上的严重损害，无论刑事打击还是民事诉讼亦或是行政执法，均处于应对不力的状态。以针对电商平台的刷单行为为例，提供刷单服务的黑灰产平台，每年营收动辄上千万，而在现有法制环境下他们面临的法律风险确不成比例。刑事打击角度，除非刷单骗补贴等情形可以依据诈骗罪进行定罪，对于刷单以改变电商平台信用评价的行为如何定罪，刑事法律界仍束手无策。行政执法角度，商家刷单构成对其他商家的不正当竞争可以通过工商执法进行处罚，但对于为商家提供刷单服务获取巨额非法利益的刷单黑灰产平台而言，行政处罚数额较低，相对于其获利而言并无震慑力。民事诉讼角度，电商平台可以破坏信用评价体系损害经营利益的角度，对其提起不正当竞争或者侵权之诉，但由于该行为法律关系复杂新颖，无论是不正当竞争或侵权之诉，在证据以及损失认定上，法律理论与实践均有待突破。 从电商刷单这个例子可以看出，数据作弊已逐步成为一个风险低而收益高的暴利行业。如果没有民事、行政、刑事有效衔接的法律规制体系对数据作弊行为进行规制，黑灰产业链将不断扩大，进而更大面积更深程度污染数据源，破坏大数据的基础资源。 我们都在关注大数据的价值。时至今日，用数据度量万物的大数据时代令所有人惊喜，人们也越来越坚信大数据的广泛使用将给人类带来前所未有的机遇和变化。但是我们同样需要关注数据作弊这种破坏数据资源的黑灰产业链，从立法上专门制定相应法律对其进行规制，通过行政监管和司法手段进行规制，遏制数据作弊的现象，为大数据时代夯实基础。 王琼飞|文 阿里巴巴集团法务部
利用“大数据、云计算”提高情报分析以打击反恐
导读： 美国国防部长卡特曾赴硅谷招募顶尖科技人才。近年来的信息大爆炸使得五角大楼不得不将目光聚焦硅谷，以打击反恐。神秘的大数据平台Palantir就是美国CIA、FBI等寻求的合作对象。 Palantir最为人津津乐道的案例有两个，一是此前美国政府追捕本拉登行动中，Palantir扮演了重要的情报分析的角色;二是Palantir协助多家银行追回了纳斯达克前主席麦道夫BernieMadoff所隐藏起来的数十亿美元巨款。 在进入正题之前，我们先来看一个例子： 美国国防部长卡特(AshCarter)曾赴硅谷招募顶尖科技人才。近年来的信息大爆炸使得五角大楼不得不将目光聚焦高科技硅谷，以打击反恐。美国中央情报局的CTOGusHunt表示，为了提高情报分析能力，他们已经加快了运用云计算的步伐。 神秘的大数据平台Palantir就是美国CIA、FBI等寻求的合作对象。Palantir最为人津津乐道的案例有两个，一是此前美国政府追捕本拉登行动中，Palantir扮演了重要的情报分析的角色;二是Palantir协助多家银行追回了纳斯达克前主席麦道夫BernieMadoff所隐藏起来的数十亿美元巨款。 Palantir在洛杉矶警局通过技术与业务的深入交流与合作，采用Palantir的Gotham平台，构建了一-套洛杉矶警局的语义知识搜索挖掘平台，用于日常的警方业务工作中。该平台全面整合警情日志文档、电子表格数据、数据库等结构化数据和电子邮件、文档、图片、录像等非结构化数据，对各类多源异构，繁杂的信息进行清洗梳理，总结提炼为八个关键的信息实体：人、车、位置、罪案、逮捕、文件、备注与其他。实体本身还有不同的属性，不同个体之间还存在这相应的知识关联。Palantir公安大数据语义知识搜索平台建立以后，警方就可以通过非常简洁的前端搜索页面，来搜索指定的各类实体与线索。
Palantir的搜索结果与百度等通用搜索引擎完全不一样，并不完全基于关键词，而是探索搜索背后的关联关系，搜索结果如上图所示。这里，中间的焦掉是搜索的嫌疑人“Michael Barton”，通过Palantir平台，可以快速将各类庞杂的数据通过可视化平台的形式汇聚到一起，最终我们发现该犯综合立体化视图，其中包括：使用的手机，入境记录，逮捕时开的车，逮捕的案子，同时涉嫌一起盗窃案，包括已有的两次审讯记录。点击任何一个节点，右边会展示其详细的属性与其他实体的关联关系。例如，点击该车，可以展示出该车的历史所有被抓拍的照片与数据。办案人员同时可以根据关联连接一层一层往下挖，并人机互动，补充各种筛选条件，将模糊的破案线索逐步求精，最后极大的提高破案准确性与效率。 综合大数据的前沿技术进展，可以综合研判出大数据反恐平台背后的三大关键技术：知识图谱、大数据人机可视化交互、非结构化精准搜索与挖掘。分别介绍如下： 知识图谱 知识图谱本质上是一种语义网络，图中的结点代表实体(entity)或者概念(concept)，边代表实体/概念之间的各种语义关系。 Palantir在图一中使用的就是知识图谱的技术，其中嫌疑犯、车、手机等都节点属于知识图谱中的实体，而边就是实体之间的关系。知识图谱允许用户搜索引擎知道的所有事物、人物或者地方，而且能够显示查询的实时信息。知识图谱技术表征了公安大数据的本质语义关联，比传统的关系型数据库更加自由多样化，更适合于公安的办案。 大数据人际可视化交互 运用了大数据可视化、知识图谱化、地图GIS化等手段，同时开放了大量方便的人机交互接口，实现了人与机器的完美融合，也实现了人与人之间的协同工作，大大提升了警务人员掌控数据的能力。 非结构化语义精准搜索与挖掘 非结构化大数据指的是文本、图像与视频等信息，比传统结构化数据的信息量大得多，非结构化语义精准搜索与挖掘，是指在知识图谱的基础上真正理解用户的搜索请求，不再拘泥于用户所输入请求语句的字面本身，而是透过现象看本质，准确地捕捉到用户所输入语句后面的真正意图，并以此来进行搜索与挖掘，从而更准确地向用户返回最符合其需求的搜索结果。 大数据分析工具和技术，结合文本挖掘、机器学习以及本体建模，已成为进行军事安全威胁预测、检测和早期阶段预防的第一道防线。如今大数据和数据科技，通过改进协作和数据分析，减低了情报调查过程的繁琐程度，以便机构更轻易地检测到国家安全威胁。 通过分析恐怖分子日常各种信息，如通话、交通、购物、交友、电子邮件、聊天记录、视频等，对恐怖行为发生前进行预警和事后分析排查，越来越成为国际预防反恐的通用手段之一。 阿里巴巴集团CTO王坚曾表示：“今天任何人做事都不可能完全避开互联网，犯罪分子也不例外，敌人都用上了互联网手段，国家反恐必须用上大数据分析了。具备了数据分析的能力并不是说能百分百解决问题，但肯定可以大大提高反恐能力，以及实施恐怖行为的成本。”就像在红绿灯前装摄像头，不可能杜绝闯红绿灯的行为，但肯定减少。 事实上，国内也有科研院所、企业等机构进行了深入的研究。据国内学者相关研究成果显示，采用大数据分析模型对恐怖袭击历史数据中隐含的可演化信息进行学习，利用所获取的结果进行未来的恐怖袭击预测。预测过程中融入多步时间序列预测中的递推计算的思想，将每一步预测的不确定性作为下一次预测迭代的输入要素加以充分考虑。仿真结果证实，利用大数据分析的预测精度和效率都高于传统模式。据公开报道，通过对社交网络等信息的大数据挖掘，我国成功破获多个涉恐案件。而随着数据量的增长，利用大数据来打击犯罪的比例正在提高。 大数据是手段预警预测是目的—— 大数据的本质是系统通过处理采集到的所有数据，去提取其特征和共性的信息。通过大数据的处理使得所有的数据都有价值。通过大数据的处理，把传统认为没有价值的信息也能够产生非常有价值的信息，大数据的核心价值是通过数据分析达到预警预测的目的。因此，在反恐领域，借助大数据分析，从各种综合数据中，诸如社交网络信息、个人活动信息以及公安视频监控数据等等中能够预测出重点监控人员将要实施的恐怖袭击事件，并作出预警提示，成为未来视频监控发展目标。 我国对公安大数据的初步探索—— 我国公安大数据方面的主要工作包括情报抽取、自动脱敏、分类、聚类、特征挖掘、关联挖掘等工作。情报抽取主要从文本表述中抽取各类案情要素，如嫌疑人姓名、身份证、性别、案由等;自动脱敏技术是将敏感信息自动替换，脱敏后的信息无法追溯到具体的个人，不再涉及公民隐私，而公安部门可以根据脱敏的对照库，实现信息还原。下图是我们利用公安某局脱敏后的15万数据自动生成的毒品、诈骗、盗窃三类警情的宏观可视化特征画像。 公安作为与海量证据、线索、数据、信息打交道的部门，使用好已有的数据信息，将门类庞杂、种类繁多的海量公安数据进行整合，建立统一的公安大数据语义知识网搜索平台，全面而深入挖掘信息之间的关联关系，这对于提取关键线索、提高办案效率具有非常重要的现实意义，更对于优化警力部署、提前制定预案，将违法犯罪事件扼杀在萌芽状态具有重大指导意义。 未来可以做的还有很多—— 1、以知识图谱来整合各类数据：与美国情报界一样，公安当前的信息分散、孤立，部分信息不一定准确，大数据本身的特点就是价值密度低、参差不起，庞杂多样。因此，梳理公安的知识体系，将各类数据库整合为统一的知识图谱，以国际统一的本体网络语言OWL表示知识，并利用知识图谱技术实现公安大数据的推理与应用; 2、构建公安大数据的业务平台，而不是简单的信息系统：与一般的公安信息系统不一样，我们需要提供并不是一个傻瓜式的查询输出系统，而是一个较好的工作平台，利用人机接口，辅助警方从复杂大数据中发现清晰的线索，帮助得到辅助问题的答案。简单的打个比方来说，公安大数据平台提供的不是直接的鱼，而是钓鱼的工具与方法。因此，公安的大数据平台不能做成简单的查询系统，而是业务平台，可以快速简便地开发各类SaaS(软件即服务)应用，警务人员可以查询信息，还可以简单灵活地组合各类模块，将业务人员的经验与技术人员的大数据技术紧密结合。 3、实施创新驱动发展战略，突破已有的思维定势，大力引进公安大数据相关的知识图谱技术、大数据可视化、语义分析计算等前沿技术。可以将公安大数据脱敏后大力开放，供国内专家学者作为研究开发使用，广泛地获取外脑支撑。
【活动通知】
2016中俄网络媒体论坛暨中俄新媒体青年领袖峰会
【活动预告】首都影金会第5期公开活动【大数据加持电影，微影时代快速崛起】 北京网智天元科技股份有限公司是中国新三板第一家影视大数据公司。基于独创的网络智能机器人技术，打造领先的虎啸传播营销系统和强大的大数据运作能力，有效放大互联网的影响力。 网智天元通过不同人群定位、海量数据分析、媒介聚合互动、互联网热度追踪与监测，打造影视产业的生态平台。用大数据服务影视产业，用互联网连接产业链上下游，构建汇聚传播营销、数据咨询评估、电商交易、创投众筹于一体的影视娱乐产业生态系统，打造影视B2B2C共赢生态圈。 北京微影时代科技有限公司是近年来成立的互联网影视公司中发展前景最被看好的公司之一。近年参与投资了《十万个冷笑话》、《大圣归来》、《洛克王国4》、《少年班》、《黑猫警长》、《九层妖塔》、《心迷宫》等多部电影。 微影时代投资正在热映的电影《大话西游3》票房表现力也不错~而微影对自己的定位并不仅局限于电影，未来更将会利用投资布局深度参与到产业链中以触及更多领域。 第5期公开主题活动的主题为【大数据加持电影，微影时代快速崛起】，将由网智天元首席战略官莫倩先生，以及微影时代联合创始人杨丹先生一起为大家分享大数据重组影视DNA和微影时代新战略。 活动流程： 13:30--14:00—— 签到 14:00--14:10—— 活动开幕 主办单位致辞：首都影金会秘书长 赵锡成 14:10--15:10——主题演讲 主题：大数据重组影视DNA 嘉宾：网智天元 莫倩 15:10--16:10——主题演讲 主题：合作共赢，微影时代新战略 嘉宾：微影时代 杨丹 16:10--16:40——互动交流 16:40--17:00—— 结束语/未来活动预告 活动信息 时间：2016年9月29日（周四） 地点：报名成功单独通知 ※车位紧张，建议绿色出行 邮箱：yingjinhui2016@163.com 联系人：邱小秋18612530480 秦浚译15210116833 首都影金会期待你的到来！
【会员资讯】
孟建柱贵州调研 BBD参与汇报 中共中央政治局委员、中央政法委书记孟建柱9月19日至21日在贵州调研时强调，运用现代互联网和大数据技术是推进国家治理体系和治理能力现代化的重要抓手。 最高人民法院院长周强，最高人民检察院检察长曹建明，中央政法委秘书长汪永清，中央政法委副秘书长、中央综治办主任陈训秋，公安部党委副书记、副部长黄明参加调研。贵州省委书记、省人大常委会主任陈敏尔，贵州省委副书记、省长孙志刚，省委副书记、省委政法委书记谌贻琴，省领导秦如培、陈刚、刘奇凡分别陪同调研。
孟建柱（前排右三）听取BBD汇报。 9月20日下午，孟建柱一行参观并考察了贵州大数据综合试验区展示中心。孟建柱对大数据在贵州的整体发展情况，以及大数据在贵州的运用情况进行了了解。 BBD作为贵州大数据商用领域的业界代表，由公司相关负责人向孟建柱书记进行了汇报，并展示了公司自主研发的“浩格云信”企业全息画像搜索引擎爬取数据的过程。BBD还着重汇报了公司运用大数据，在维护金融安全方面的创新应用和贡献。目前，由BBD研发的大数据金融预警平台已经在北京、深圳、贵州、成都等地得到了卓有成效的运用。 “感谢你们的工作。”孟建柱在听完汇报后，对BBD表示了肯定。
助力行业升级｜海云数据与中国刑事警察学院达成初步合作意向
9月21日，海云数据公司CEO冯一村、高级顾问刘献强一行来到中国刑事警方学院，与学院《中国刑警学院学报》与《中国刑事警察》刊物的编辑部主任刘冲、副主任胡军就“互联网+”时代如何依托大数据运营行业性期刊进行了座谈。
座谈之后，编辑部与海云数据达成了初步合作的意向。
智警
第七届中国金融云高峰论坛开幕|美林数据高级咨询顾问李挺发表主题演讲
9月21日，为期三天的“第七届中国金融云高峰论坛” 在北京隆重召开，作为本次论坛的重量级嘉宾之一，美林数据（NEEQ：831546）副总裁李炜、高级咨询顾问李挺受邀出席，同时，李挺作为美林数据代表在大会上发表主题演讲。 本届大会盛况空前，现场来自国内外政府机构、行业协会、国有银行、股份制商业银行、人寿保险公司、财产保险公司、证券公司的首席信息官 、科技处、 数据中心、软件开发中心主任等齐聚一堂，深入探讨银行业新核心系统开发、“两地三中心”的规划及应用、中小银行如何把握金融创新、数字化技术助力业务及运营模式创新、证券保险业数据中心发展现状及趋势等，共同推动金融产业发展。
近年来，随着金融机构业务量的增加，信息和数据量将成几何倍数增加，金融机构对云计算、大数据时代下的金融IT创新提出了更高的要求：以云计算、大数据等新一代信息技术确保金融业务创新、稳定运行，有效控制金融机构安全风险等。美林数据金融高级咨询顾问李挺向现场嘉宾做了题为“金融大数据探索与实践——基于大数据的营销策略分析”的精彩演讲。李挺从金融大数据认知、金融营销策略探索和发现、营销大数据实施方案和路线三个方面深入浅出的阐述了当前大数据如何驱动金融营销业务的创新实践成果。
美林数据金融高级咨询顾问李挺发表演讲 美林数据依托于金融业务数据资产价值深度发掘和应用的技术，核心针对个人金融业务（包括经纪业务、财富管理中心、零售部门、网络金融部、电子商务部等），提供包括客户策略分析平台、产品策略分析平台、资讯服务精准推送平台、产品适配营销平台等产品解决方案和高级数据分析咨询服务，帮助金融机构快速实现体系的数据化业务运营模式和能力建设。
大会官网展示演讲赞助商美林数据 美林数据践行“以数据分析支撑个人金融业务价值实现”，通过数据分析产品和服务，提升金融机构的业务运营能力、经营管理水平和社会价值实现，助推中国金融市场发展更加繁荣。
中国水利学会减灾专业会议落幕中科宇图相关产品与技术备受关注
9月27日，作为全国水利减灾领域最重要的会议之一，中国水利学会减灾专业委员会和《中国防汛抗旱》杂志编委会2016 年年会在重庆圆满结束。来自水利部委和各省市自治区、各流域机构防办主任，相关科研单位的近200余人参加了会议。中科宇图作为智慧水利领域的先进企业受邀在会议期间作了新产品的宣讲及展示。
减灾专业委员会和《中国防汛抗旱》杂志编委会2016 年年会开幕 作为中国领先的地理信息服务商，中科宇图致力于推动中国水利行业智慧化应用的发展进程，并利用云计算、物联网、大数据、移动互联等“互联网＋”信息技术，推动信息化与防汛抗旱工作深度融合。 以防汛抗旱指挥调度三维推演系统为例，中科宇图智慧水利产业群研发部总监贾春浩在演讲中表示，作为全国最大的行业数字地图生产商之一，中科宇图使用无人机和倾斜摄影技术采集高精度空间数据，结合水动力模型通过三维平台进行洪水推演，可以实现防汛抗旱应急指挥的综合模拟演练，同时为防汛减灾的管理工作提供更为直观和准确的辅助决策支持。
中科宇图智慧水利产业群研发部总监贾春浩在演讲中 在会议期间，中科宇图结合自身3S特色的智慧水利技术应用与研究，还展示了基于无人机及倾斜摄影在吉林省防办洪水三维推演系统中的应用、基于无人机航拍与LIDAR技术的全国山洪灾害调查评价示范等应用，受到了各流域委和省市防办领导的关注和问询，形成了良好的反响！
智慧水利产业群总裁李淼泉为领导进行产品介绍
中科宇图智慧水利展示区参观交流的领导 中科宇图是中国领先的地理信息服务商，拥有智慧地图、智慧环保、智慧水利、公众服务、环境治理五大产业群，为环保、水利等行业提供全方位一体化的服务整体解决方案，为水资源监测、河湖（河道）巡检、水保巡检、水利工程监测、山洪灾害调查评价、洪水风险图、防汛抗旱应急指挥、冰凌应急监测、堰塞湖应急监测等提供全方位服务。 |
