数字平台+AI，激发协作式公共安全

协作式公共安全

华为是推动公共安全机构拥抱数字化转型的先驱者，2016年我们提出了“协作式公共安全”的理念。本质上，由于公共安全面临的不断演变的威胁似乎正在加速，同时运作上的挑战也在不断恶化，各机构已经无法独自高效地应对这种威胁和克服挑战。现在与以前不一样了，各机构之间需要更多的协作，甚至跨越城市和国家。为了更好地实现公共安全的使命，AI等最新、最领先的数字平台技术被允许引进到新的组织、过程和服务中。更重要的是，与数字共享经济一样，各机构需要利用数字平台来将服务延伸到社区，并在面对威胁时在预防、侦测、应对和复原上共同协作。2017年，华为发布了一系列的C-C4ISR平台能力和解决方案，来使能协作式公共安全。

令人振奋是，最近看到很多咨询和技术公司，甚至是公共安全机构，都在推动公共安全数字化转型的需求。

公共安全数字+AI的应用场景：7A理论

对于许多机构来说，数字化转型似乎是奢侈和不可达的。但是随着未来趋势的变化，要么转型，要么面临数字化瓦解。公共安全机构需要加快采用协作式公共安全。

那么，数字平台+AI是加速公共安全数字化转型的答案吗？短期来说“是的”。但是在一个机构真正从数字平台+AI实施中受益之前，有太多的噪音，甚至是混乱。为了使数字平台+AI的实施变得可行和有收益，我们需要从不同的角度开始研究。首先，从技术角度看，AI可以在不同的技术层面发生，在互联网上，人们可以在公共安全中找到许多关于使用数字平台+AI的文章，但往往过于规范。而在不同的公共安全机构（尤其是跨国家的）之间，通常当地法律、组织、程序、官员、技术系统和预算等等都是不同的，唯一的共同点就是他们的使命。

因此，我们需要的是一个可操作的场景的通用框架，供不同的公共安全机构参考，根据当地法律、组织、程序、官员、技术系统和预算等，以及更加重要的——他们的要求和期望的结果，来规划其AI路标线路图。我建议在公共安全AI平台用例中使用如下这个7A的框架。

该框架并不代表公共安全机构需要在开始实施AI平台应用时强制性执行这7步流程，也不代表这些功能需要按顺序进行，然而，它确实从“分析、识别”到“自治”，将AI平台能力按实施的难度进行了排名：

• Analyze（分析、识别）：最基本也最容易实现，从分析文本数据和照片到视频再到音频，甚至传感器数据。此类分析应对正在分析的数据项创建文本转换，以便描述和标记。
• Automate（自动化）：公共安全涉及大量的例行程序，可以通过AI平台能力自动完成。例如，每日犯罪报告的生成、根据技能部署人员、犯罪现场照片的分类、调查事实总结的公布，以及车辆的分配等。
• Assess（评估）：这就是AI平台实施开始变得有趣的地方。这种能力超出了单点数据项的分析，涉及到对全局的评估。此评估不止是要知道发生了什么事、何时发生的，还需要定位事发原因和如何发生，例如为什么在同一个社区内会发生一系列类似的罪行。
• Augment（决策支持）：虽然几乎所有的公共安全工作都根据法律运作，一线人员时常需要通过其现场评估、知识和经验来做出许多决定。这就是为什么在一些行业中，AI通常被称为增强智能（Augmented Intelligence）。这是对人类智力的补充而不是替代，是帮助人类在他们正在执行的任务中变得更快和更聪明。例如向有关官员提供日常犯罪多发地区和过去犯罪分子的存在，以便他们做出决定。
• Assist（助理）：指人类有一个AI平台作为助手，很可能用自然语言进行交流。使用“决策支持”里同样的例子，该助理可以根据优先事项、紧急派遣和成本效益分析，向警员建议巡逻路线、途径地点和检查人员。
• Anticipate（预知）：利用AI平台能力来预料和预测事情，包括犯罪、骚乱、灾难和交通事故，甚至怀疑嫌疑人的下落。
• Autonomize（自治）：还不是好莱坞的Robocop（机器人警察），而是一个系统平台，包括软件应用、无人机、车辆和机器人，在没有或很少人类干预的情况下自主运作。

这7个A的模型可作为公共安全机构的一个可操作用例的通用框架，供公共机构在构思其AI应用时参考。

AI平台建设的7个关注点

AI的到来为全球公共安全带来了新的契机，甚至已成为变革力量颠覆了公共安全原有的业务模式。目前，华为已经在100多个国家、230多个城市部署了公共安全解决方案，其中越来越多的城市已经引入了AI技术。

当然，AI平台的建设不仅仅是一个ICT项目，一个机构需要从愿景和实施路线图开始——大处着眼，小处着手，使用上述7个A的框架来确定需求和预期结果的优先顺序。特别是需要研究AI平台的技术实施问题，这包括如下7个部分。

• 互联互通

虽然容易被忽视，但互联互通是至关重要的。就像人类在大脑做出决定之前通过5种感官收集“数据”一样，AI平台需要所有不同的数据源以便更好地处理。互联互通，尤其是移动无线连接，对于AI平台向设备传输指令也很重要。

华为拥有最完整的连接技术，包括有线和无线连接，可连接各种数据源，以及业界最大的PB级核心路由器，可管理大量快速数据。

• 大数据平台

AI平台可以通过基于规则的硬编码或机器学习来实现。机器学习又是通过决策树、推理逻辑或深度学习等方式进行学习。所有技术的共同点都是需要大体积、高速度和多样性的数据——即大数据。

华为FusionInsight平台提供完善的大数据服务，包括Hadoop、Spark、Flink以及LibrA。除此之外，针对公共安全行业，FusionInsight自有200+数据分析模型/算法，可辅助ISV和客户迅速开发行业应用。该平台主要提供4种场景：数据量大和时延要求不高的离线和近线计算（如串并案分析、嫌疑人员关联信息分析）、时延要求适中的内存迭代计算（车辆实时轨迹查询）、时延要求高的实时流计算（如人员/车辆实时布控），以及大量结构化数据分析（如特定时间或地点的人员或车辆查询、信息的多维碰撞比对）。

• 算力

大数据需要很大的计算能力。AI平台本质上是数据驱动的，需要准确而又快速的计算输出。并非所有硬件和系统都是平等创建的，使用华为的专用硬件平台——集成数据压缩卡FPGA和加速卡NVMe SSD，在降低30%存储成本的同时可提高约47%的计算性能，可更好地支持前面提到的4种场景。

除了华为在硬件平台上的创新，FusionInsight大数据平台还可以运行华为的云技术，实现更好的资源共享（计算、存储和网络），轻松实现按需灵活的自助服务。

• 使能平台

在某种程度上，AI平台能力受到一个人想象力的限制，公共安全机构可以利用7A框架来概念化这些平台能力并确定其优先级。我们需要一个使能平台以便更快地开发AI平台能力，而不必担心硬件的集成和性能，不需要寻找和连接数据源，甚至可以使用通用组件而无需写代码。这就是为什么华为拥有一系列C-C4ISR平台来使能协作式公共安全。

这些集成了合作伙伴应用程序的平台不仅适用于大城市，也适合成千上万人口不到100万的中小城市。不仅这些中型城市的安全很重要，同时我们也需要访问所有级别的数据，以便为高效的AI项目提供更准确的见解，这就是华为给这些中型城市提供集约型平安城市（Safe City Compact）解决方案的原因。集约型平安城市也可用于不同的场景。

例如在肯尼亚，基于可视化关键通信和AI技术的平安城市解决方案，帮助警方将响应时间缩短了60%、全年社会犯罪率同比下降46%，整体安全形势的改善也带动了当地旅游业快速回暖，2015～2016年肯尼亚的旅游业收入增加了14%；在毛里求斯，AI使能的智能视频云解决方案将极大提升公共安全事件相关的视频分析效率，同时协助优化交通管理、减少交通事故；而在巴基斯坦，以图像智能识别技术为基础的平安城市解决方案，助力巴基斯坦建设了汽车车牌识别系统，白天识别率达90%。系统启用以来，案件处理时间从45天缩短为2天，事件响应时间从30分钟缩短到10分钟。

• 网络安全

随着数据量的增加且大部分是敏感数据，公共安全机构必须采取额外的预防措施来保障网络安全。任何数据泄漏一定会破坏隐私保护、降低公众信心。最糟糕的是，数据操作可能导致不良甚至是错误的AI结果。华为非常重视数据安全问题，并制定了一系列网络安全战略和措施，尤其是引入了IBM制定的产品开发流程，来保证华为产品的网络安全。从产品概念到产品开发再到生命周期维护整个流程，我们都会进行独立的安全验证。此外，华为还开发出基于AI的一体化安全方案来发现、预测和降低网络风险。

• 持续创新

人工智能是一个旅程，其核心能力和产品技术的领先都离不开扎扎实实的投入，目前华为在研发上投入的人员已达8万多人，近10年来投入的资金累计已达到3940亿元人民币。不久前，华为推出了两款与AI相关的产品：软件定义摄像头和意图驱动网络。

• 行业生态

AI平台的实施不能仅仅依靠一家公司，而需要一个完整的生态系统。这种实施需要遵循开放的标准，以确保没有供应商锁定和关联操作。华为很高兴支持并参与了30多个标准组织，拥有1000多个合作伙伴在华为的数字平台上提供应用。这些合作伙伴由华为在世界各地的OpenLab提供支持。

作为领先的ICT公司，华为的能力包括完整的AI平台和全栈式的数字平台能力，涵盖从终端、互联互通到云平台的全场景，包含：

• 基于统一、可扩展架构的系列化Ascend芯片；
• CANN芯片算子库和高度自动化的算子开发工具；
• 独立的支持端、边、云协同的统一训练和推理框架MindSpore；
• 应用使能：提供全流程服务（ModelArts）、分层API和预集成方案，例如C-C4ISR功能背后的公共安全解决方案。

同时，有6000多名专业人员直接支持华为的公共安全业务，包括许多具有一线公共安全运作经验的专业人员，对我们在设计AI实现架构方面有很好的帮助。不仅仅是技术架构，还包括业务架构、数据架构和应用架构。