2018年8月2日，中科院空间应用中心可靠性中心联合赛思库举办了首届“大数据”日主题研讨会，会议在中科院北京新技术基地顺利召开。此次研讨会以大数据和人工智能为主题，鼓励科研与商业思维碰撞，旨在把握时代更新脉搏，探索未来发展方向，促进理论创新与实体业务融合。

开幕式上，可靠性中心主任、赛思库产业化项目负责人党炜强调了此次研讨会的重要意义，鼓励大家结合专业特长各抒己见，畅所欲言。冯佳琦、李鹏、张楠等人在上午进行了主题报告，邹田骥、李自豪、翁欣、汪洋等人则在下午报告，主任党炜、副主任张戈、实验室负责人张泽明、赛思库运营负责人齐敏给予了点评，赛思库陈海军、阿金，以及中船北京长城电子易难主任等人参与了讨论。

冯佳琦做了主题为“大数据时代的思维变革”的报告，首先从大数据的百科定义入手，揭示了大数据规模性、多样性、价值性、真实性、高速性等五大特征，从政治、经济、生活、医疗、交通等方面举例说明了大数据的广泛应用；然后强调了大数据时代所要具备的变革思维，包括“不是随机样本，而是全体数据”、“不是精确性，而是混杂性”、“不是因果关系，而是相关关系”，得出了“经验来源于有限的数据，大数据将战胜经验”的结论；最后借鉴医疗行业模式提出了可靠性云平台建设的思考与启示。

李鹏报告的题目是“AI时代的人类变革与个人发展”，首先从几部机器人电影和身边的常见应用出发，引入人工智能主题，举例说明无处不在的人工智能，揭示了大数据与人工智能的关系，分析了AI的层次框架；然后，介绍了AI发展的三次热潮，反驳了AI威胁论，系统说明了AI的局限性；接着，列举了国家和科技巨头们的AI战略大格局，点明了“AI+双创”的历史必然性和商业化步骤；最后从思维革新、五秒钟准则、定位和梦想三个方面谈了AI时代的个人机遇与挑战，给出了“AI来了，有思想的人生并不会因此而黯然失色，拒绝安稳，终生学习，做斜杠青年，保持精神个性，用开放的心态、变革的思维、积极的行动迎接新世界”的结论。

张楠以“电表”、“大麻”、“婴儿用品”、“相框”、“百货店”、“怀孕”等关键词代入，做了“浅谈大数据”的主题报告，详细解释了大数据的定义与特征，重点分析了大数据分析方法与传统分析方法的不同之处；举例说明了大数据在当今社会生活中的广泛应用，并以商场购物和电商购物的对比，社交媒体这两个典型案例揭示了大数据的厉害之处；智能革命和未来世界会是怎么样的？“大数据+传统行业”的模式究竟有哪些正面和负面的影响？张楠一一给出了她的答案。在演讲的最后，她抛出了“‘我’该何去何从”的命题，引发了大家广泛而激烈的讨论。

                                                           图1 冯佳琦和李鹏报告

研讨会的下半场，由邹田骥的书单《大数据时代》、《工业大数据》、《从大数据到智能制造》开始，他以“大数据与预测技术”，整合了关于大数据的‘掷地有声’的三个思维变革，列举了互联网大数据与工业大数据的对比分析，提出了挖掘工业大数据价值的核心技术——CPS (Cyber-PhysicalSystems)；他以煎蛋模型为例，提出以价值为导向的变革新思维，从6M和6C出发，强调在工业4.0的环境下通过做大“蛋白”是获得持续性盈利的关键；他还以史为鉴，提出“大数据时代的历史就是数据，研究大数据的目的就是要预测明天发生的事情”，利用大数据推动智能制造的三个方向——“把问题变成数据”、“把数据变成知识”、“把知识变成数据”，最后发出了“RAC-CISS大数据主题研讨会开展，大数据看似离我们很近，但有好多事要做”的感慨。

                                                             图2 张楠和邹田骥报告

李自豪系统全面地做了题为“人工智能及其应用”的演讲。他首先从人工智能（深度学习）的发展出发，引出了人工智能的定义、AI发展的主要里程碑、“三起两落”的发展史、驱动人工智能的三驾马车，详细介绍了深度神经网络的演化，同时还列举了国内外AI的政策法规和创新创业情况；接着他详细列举了“语音技术”、“人脸技术”、“图像技术”、“视频处理”、“语义理解”、“篇章理解”、“情感分析”、“知识图谱”、“用户画像”、“个性化推荐”等AI应用场景，在AI未来趋势方面，他认为“对事物的完整行为规划或事项决策的发展空间较大”，“商业壁垒有赖于产品、服务、市场的综合建设”，提出了AI正成为这个时代技术变革的核心驱动力的观点；最后结合业务工作，他在塑封元器件超声波扫描显微镜检图片失效识别，表格识别（OCR），塑封集成电路赝品识别，采购方、供应商关系图谱，采购元器件云词图，元器件推荐系统，区块链在元器件中的应用设想等方面提出了AI解决方案。

翁欣做了“数据分析与实例”的主题报告，首先解释了统计中的“模型”，提出了“建模本质上是找出最能解释数据的模型”的观点，然后阐释了数据分析的三个步骤——计数、相关性分析、集成，最后以案例说明了这一套流程。第一个例子是“北京市城区道路病害分析”，已有北京市城区道路病害记录，如何优化巡查方案？明确变量，构造因变量“平均病害周期”，进行单/双变量分析，通过可视化方法进行展示。第二个例子是“kaggle练习赛‘泰坦尼克之灾’”，已知乘客获救信息和个人信息，预测测试集存活情况。

                                                         图3 李自豪和翁欣汇报

汪洋报告的题目是“工业大数据”，在工业发展进入新阶段，新工业革命的核心“制造业数字化网络化智能化”，工业数据增速超越其它大数据领域这些背景下，给出了工业大数据的定义、来源，比较了工业大数据、工业互联网、互联网大数据，提出工业大数据“时序性、强相关性、准确性、闭环型”的特点。工业大数据的战略价值在于提升工业生产制造效率与质量。以大规模个性化定制大数据服装工厂“红领”为例，阐释了生命周期和价值流、企业纵向层级、IT价值链三个维度的工业大数据架构。

                                                               图4 汪洋报告、激烈讨论

                                                                图5 与会人员合影

研讨会最后环节，各参与者依次发表感悟与总结，纷纷表示此次活动收获良多，通过心得分享和深度思考，不仅碰撞了思维，还融合了知识，另外还表达了未来研讨会继续进行的渴望。党炜对此次活动的圆满开展做了最后总结，鼓励大家树立价值导向、应用导向的观点，争取面向检测这一垂直领域建好智慧平台，希望大家发扬“发动机”精神，一边仰望星空，一边脚踏实地，大干一百天，打好翻身仗。