摘要:深度機器學習分三種：督導型、半督導型、非督導型。將海量的棋譜(模型)植入機器，依據模型對弈可以理解為督導型;不斷在下棋過程中學習對手的棋路，以及充實提升原有模型庫，是半督導型;完全自我學習棋譜，產生新的圍棋模型是非督導型。事實上，阿爾法狗並沒有很深厚的圍棋功底，但是卻可以在與李世石的對弈中不斷學習和提升棋力，應該屬於半督導型，也就是處於不斷自我學習和認知轉換的演進過程。
【CPS中安網 cps.com.cn】本月，韓國頂級圍棋棋手李世石和谷歌機器人AlphaGo(俗名「阿爾法狗」)的五番對弈決戰，吸引了全社會的關注。最終李世石1:4不敵阿爾法狗，但本次決戰意義重大：一是激起了人類對學習圍棋的熱情，據聞韓國在一周內有10萬人報名學習圍棋;二是引發了社會對人工智慧攻克「人腦的最後堡壘」的大討論。
俗話說，內行看門道，外行看熱鬧。對IT業來說，這其實不算外行，因為阿爾法狗擊敗李世石的「三板斧」是蒙特卡洛算法、深度神經網絡和自我學習，這些都是IT業研究的熱點。深圳中興力維技術有限公司(以下簡稱ZNV中興力維)CTO曹友盛博士在賽前預測阿爾法狗會勝出，而ZNV中興力維的當前發展和未來布局，正是深度機器學習的一步步進階。
深圳中興力維技術有限公司首席技術官曹友盛博士
機器學習的三種類型
ZNV中興力維曹友盛博士接受採訪時認為，「深度機器學習分三種：督導型、半督導型、非督導型。將海量的棋譜(模型)植入機器，依據模型對弈可以理解為督導型;不斷在下棋過程中學習對手的棋路，以及充實提升原有模型庫，是半督導型;完全自我學習棋譜，產生新的圍棋模型是非督導型。事實上，阿爾法狗並沒有很深厚的圍棋功底，但是卻可以在與李世石的對弈中不斷學習和提升棋力，應該屬於半督導型，也就是處於不斷自我學習和認知轉換的演進過程。」曹友盛表示。
回到視頻監控領域，監控系統通過海量的感知器不斷採集數據，將採集到的數據進行結構處理，並與預先設定的模型進行對比，從而提出告警預警、人臉識別、異常提示，這就是督導型機器學習的應用;而將採集到數據進行非結構化深度學習，預判結構化數據之外可能出現的現象，從而建立起新的結構化數據模型，這一類分析是半督導型機器學習。
如果所有採集到的數據和視頻不做結構化處理，讓機器運用蒙特卡洛算法、深度神經網絡等各種自我深度學習方法，從雜亂無章的數據湖中去發現那些人類還不沒有認識到的數據結構，從而建立一個新模型、新的數據結構。這就是大數據機器深度學習所能產生的巨大價值，也是ZNV中興力維目前致力研發的方向。
根據市場調研機構IDC之前的預測，到2020年全球數據總量將超過40ZB(相當於4萬億GB)，其中醫療數據增長99%，政府數據增長94%，公共事業數據增長93%，傳媒數據增長97%，這將是海量的數據。「IBM的統計顯示我們有80%的大數據是非結化的數據，也就是沒有得到完全利用，是人類無法理解的，只有通過機器的深度學習才能挖掘出數據的價值。」 曹友盛博士表示。這個過程我們通常稱之為認知轉換過程，而由認知轉換帶來的商機，我們稱為認知商業。
目前，許多還未被認知的非結構化數據存在浪費問題。曹友盛博士說。「許多行業將海量數據流結構化和提煉存儲後，扔掉了大量還未被認知和關聯的原始數據。一個真正意義上的大數據機器學習不但要處理結構化的數據，更需要從非結構化數據中發掘出那些還未被結構化的信息，這才是未來大數據發展的關鍵。」
ZNV中興力維的今天和明天
審視ZNV中興力維的歷史、現狀和未來，曹友盛博士給出了一個公式，昨天：PE=PE，VS=VS;今天：PE+VS+ITSM+FRP=DCIM;明天：DCIM+IoT+DT=PEIM(PE即動力環境監控，VS即視頻監控，ITSM=IT系統管理，FRP=基礎設施資源管理，DCIM=數據中心基礎設施管理，IoT=物聯網，DT=數據技術，PEIM=動環及物聯網綜合管理)。
曹友盛博士解釋，在過去，ZNV中興力維專注於動環監控管理和視頻監控產品的研發，這是兩個相互獨立的產業。隨著數據時代的到來，企業的數據機房、電信運營商和網際網路公司的大型數據中心(IDC)，無時無刻不在存儲和管理著大量的數據資源，而IDC需要配備大量動力環境設備和視頻監控系統來確保IDC的正常運行。因此，ZNV中興力維提出在公司原有產品動環監控(PE)、視頻監控(VS)基礎上加入IT系統管理(ITSM)和基礎設施資源管理(FRP)，開發出一套數據中心基礎設施綜合管理系統(DCIM)。這套系統可以通過千萬個感知設備採集到海量數據，並運用數據技術(DT)和機器深度學習，實現對動力和環境設備的監控管理，以及對IDC資產、容量、安全、效率、質量、人員、故障、運維等進行跟蹤管理和模型分析，從而為IDC提供一個高度自動化的、高效高質的、節能減排的，7*24小時無間斷的運維管理。這也是中國製造2025和工業4.0的主要宗旨。
ZNV中興力維的明天，則是PEIM，即動環及物聯網綜合管理系統，在現有的DCIM上增加數據技術(DT)和物聯網(IoT)。在賦予所有感知設備一個獨一無二的IP位址後，PEIM可以對所有設施進行大量的有標記的數據採集，數據在經過清洗整理後，被傳送到ZNV中興力維的「深度認知(Deep Recongnition)」機器深度學習引擎進行學習和認知。而ZNV中興力維將提供兩種機器學習方法，一種是基於雲端的機器學習，客戶可以將數據傳輸到力維雲的「深度認知」進行機器學習，產生的數據模型返回客戶中心後，幫助客戶改善其現有運營結構。另一種是內置的ZNV中興力維微型「深度認知」機器，這個內置學習基於客戶端，數據可以進行就地採集、就地學習、就地產生數據產品，從而改善運營結構。
進入2016年，人類開啟了全新的認知學習商業模式。ZNV中興力維在2015年的安博會上率先提出非結構化數據的認知轉換概念：通過機器深度學習挖掘出未被人類認知的大數據信息。」
可以說ZNV中興力維的未來是基於物聯網(IoT)和數據技術(DT)的。當然我們並不是什麼都去做。ZNV中興力維一直以來都是國內動環視頻監控的領軍企業，因此我們會聚焦於動環基礎設施，提供一個從數據採集，到數據處理和數據學習的物聯網及動環綜合管理系統的解決方案(PEIM)，幫助客戶管理數據中心的運行，實現高效、綠色的動力環境。「未來，我們通過累計數據建立管理模型，並從機器不斷採集的數據中改善運行模型，而且我們還可以利用ZNV中興力維20年來專注動環監控累積的數據，為客戶提供預警模式、數據運行規律和設備維修診斷等服務。」
服務鐵塔和IDC(大型數據中心)
具體到市場層面，隨著中國鐵塔公司成立，鐵塔公司也變成了ZNV中興力維動環監控的主要客戶之一。基於在動環監控市場多年的領先地位，ZNV中興力維已經是鐵塔建設的領航者，針對鐵塔150萬個基站產生的統一監控、節能減排、綠色動環等需求，提供對應服務並共同探討站點管理的新技術和新模式。2015年3月，ZNV中興力維針對鐵塔公司推出更具競爭力的新一代動力與環境監控數據採集單元「維塔士(Vitas)」，一經面世即贏得中國鐵塔公司基站動環產品最大訂單合同2億人民幣，取得了該市場份額第一的好成績。「今年以來，這個勢頭繼續保持增長勢態，我們的生產線在春節期間仍然在繼續生產。」曹友盛博士表示。
2015年10月，在IDC領域，ZNV中興力維推出新一代「IDC智慧數據中心綜合管理解決方案(維統管)」，採用創新的「211」(兩端一線一平臺)架構設計，實現大數據的採集、整合、傳輸，通過PC瀏覽器、移動終端APP、微信等多種方式對平臺進行訪問及數據交互，支持二次開發，在供電保障、智能安防、智能樓宇、容量管理、資產管理等方面為客戶提供整體解決方案。目前ZNV中興力維已成為IDC基礎設施的主要建設者之一。
布局「大數據」
安防產業迅速邁向大數據化，從世界知名IT企業思科(Cisco )的高管「空降」到ZNV中興力維曹友盛博士深有感觸：「我認為安防行業的技術潛力非常深，中國安防產業趨勢從IT轉向DT，正需要大數據層面的突破，大數據也讓ZNV中興力維不再局限於安防和動環監控，而是從產品製造商轉向軟體平臺供應商，從軟體供應商再到綜合解決方案供應商，為用戶提供基於物聯網的基礎設施和數據服務。」
曹友盛博士透露，從人才儲備方面我們也在積極響應這一發展布局。ZNV中興力維位於南京的研發中心正在大量招聘各類工程師和研發管理，不斷開發、完善機器學習、人臉識別、行為分析、數據採集、數據分析、數據模型、智能分析和機器決策等大數據技術，為物聯網時代的發展儲備研發人才。
另一方面，由於運用機器深度學習和認知轉化作為輔助開發和輔助設計，ZNV中興力維可以大大加快工程師的成熟度和專業知識的擴充能力。「未來基於機器學習的認知系統，將大大簡化工作效率，讓年輕的工程師在ZNV中興力維快速成長，與此同時，公司也將獲得更快的發展。」曹友盛博士講到。