浅析人工智能在数字孪生城市中的应用.docx

浅析人工智能在数字孪生城市中的应用摘要：数字孪生城市应用人工智能的必要性主要体现在数字孪生城市的海量数据处理、系统自我优化两个方面。数字孪生城市需在系统架构中多层次部署人工智能，在决策过程中综合使用多种应用技术，以提升系统运行速度和能力。结合人工智能技术的发展形势，建议数字孪生城市在部署人工智能的过程中，从技术更新、专业团队配套、数据隐私安全保护和网络攻击防范几个方面进行强化。关键词：人工智能；数字孪生；智慧城市1   引言在新型智慧城市建设中，数字孪生城市理念正受到政府与企业的广泛关注，成为当前智慧城市建设的热点。中国信息通信研究院提出了数字孪生城市的六大关键技术，以深度学习为代表的人工智能便是其中之一。当前，数字孪生城市建设尚在探索过程中，人工智能的发展对数字孪生城市有何影响、如何借助人工智能推动城市智能运行、如何应对人工智能可能带来的挑战与风险，都有许多可供探讨的空间。2   人工智能技术总体发展态势近年来，人工智能技术发展迅猛，从算法、软件框架到基础硬件均不断涌现新的研究成果和产品，进一步满足了数字孪生城市的实际需求，为人工智能在数字孪生城市中的应用提供了更广阔的想象空间。2.1  深度学习算法层出不穷，底层技术不断更新本轮人工智能技术热潮主要由深度学习主导算法和技术路线，深度学习的发展深刻影响人工智能技术的变革。典型的人工智能深度学习模型有卷积神经网络（Convolutional Neural Network，CNN）、深度置信网络（Deep Belief Network，DBN）和堆栈自编码网络（Stacked Auto-encoder Network）等，但其算法并不完美，近年来不断有新算法理论成果被提出，如胶囊网络、迁移学习、联合学习等，从不同侧面优化了人工智能技术的精准度，提升了实际应用成效。其中，胶囊网络能同时处理多个不同目标的多种空间变换，提高识别准确性；迁移学习可大大降低深度网络训练所需的数据量，缩短训练时间；联合学习可在丰富数据集的同时保护敏感数据，对个人隐私保护具有特殊作用；Seldonian算法可指定不希望出现的不良行为，防止机器人产生自我意识；Shape Mask实例切割算法能识别图像中的物体实例，提高识别精度等。此外，未来随着深度学习算法与知识工程、神经科学等领域的逐步融合，深度学习也将发展出新的技术路线，引领人工智能技术进入“后深度学习时代”。2.2  软件生态体系趋于成熟，开源框架推动人工智能进一步普及软件框架是人工智能技术体系的核心，实现了对人工智能算法的封装、数据的调用以及计算资源的使用。深度学习训练框架技术及生态已经趋于成熟，除了少数企业为打造技术壁垒而选择以闭源方式开发软件框架外，目前业内主流软件框架基本都是开源化运营，推动人工智能产业生态的逐步形成。其中，主流的深度学习开源软件框架包括由谷歌大脑主导的TensorFlow、由亚马逊主导的MXNet、由脸书主导的Caffe/2+PyTorch、由微软主导的Microsoft Cognitive Toolkit （CNTK）、由百度主导的PaddlePaddle、由腾讯主导的NCNN等。开源软件框架降低了人工智能行业的门槛，满足了开发者训练新算法、部署新模型等需求，将推动人工智能进一步普及。斯坦福大学等于2019年12月发布的人工智能指数报告指出，AI算法正在变得越来越快，训练的成本也越来越便宜，在流行数据集（ImageNet）的训练上，机器视觉算法所需的时间已从 2017年10月的 3 h减少到 2019年7月的 88 s，成本也从数千美元下降到数百美元。2.3  AI芯片研发迅猛，人工智能技术终端化边缘化趋势明显AI芯片也被称为AI加速器或计算卡，是专门用于处理人工智能应用中涉及的各类算法的AI加速计算模块，是人工智能应用部署的计算能力基础。当前，国内外各大科技企业如英伟达、高通、苹果，以及寒武纪、华为、百度、阿里巴巴等均大力研发人工智能芯片，并已推出许多优秀的芯片产品。随着5G、物联网的快速发展以及手机、汽车、可穿戴设备等智能终端的普及，AI能力的端侧迁移成为显著趋势和实际需求。IDC预测，未来几年内由终端采集和产生的边缘侧数据将达到总数据量的50%，这些数据需要端侧AI芯片就近分析处理。德勤的2020科技、媒体和电信预测 指出，预计到2020年全球将售出超过7.5亿个边缘AI芯片，带来26亿美元收入；到2024年，边缘AI芯片的出货量可能超15亿，年出货量至少增长20%。人工智能技术的终端化、边缘化，将大大提高系统的即时响应能力和隐私保护能力，在网络连接不稳定的情况下，也能确保无人驾驶等对实时性与安全性要求极高的应用场景的可靠性，避免网络时延带来的安全隐患。3    数字孪生城市应用人工智能的必要性人工智能是数字孪生城市六大关键技术之一，其必要性主要体现在数字孪生城市的海量数据处理、系统自我优化两个方面，使数字孪生城市系统有序、智能运行，可谓为数字孪生城市注入了灵魂。3.1  数字孪生城市拥有的海量数据亟待处理数字孪生城市在数据挖掘与分析方面天然面临极高要求，数字城市中充满海量的视频、音频、图像、文字等数据，其中包含了大量非结构化信息。数字孪生城市需要感知、分析和提取城市系统的各种信息并做出相对应反馈，这就要求数字孪生城市具有处理大量非结构化信息的能力，将非结构化信息处理为可供上层应用平台调用处理的结构化信息，并从中分析提炼出关键信息供决策使用，最终实现对城市全域的智能分析决策和协同指挥调度。对于基于深度学习的人工智能技术来说，海量数据正是其实现算法的必备基础资源。在高效算力的支撑下，人工智能技术可充分利用海量数据，通过自动学习分析出有效信息。在数字孪生城市的海量数据中，深度学习算法可以将信息挖掘出来并进行结构化保存，并通过各种分析模型衍生新的数据，满足各类系统平台的调用需求，帮助城市从杂乱繁冗的信息中找到清晰的运行调度路径。3.2  数字孪生城市有自我迭代优化的深层需求现实物理城市千城千面、各有特色，城市的发展建设瞬息万变、日新月异，复杂多变的现实场景对数字孪生城市的构建提出巨大的挑战。不需人力干预便实现系统的持续自动学习、自我优化、更新迭代，是数字孪生城市最深层的需求、最理想的状态。数字孪生城市需要及时检测到物理世界的细微变化，并根据变化改变计算策略、调整运行规则，以确保数字孪生系统与物理世界的吻合，甚至对物理世界的演变进行预测。利用人工智能技术深度学习、自我优化的能力，数字孪生城市可选择合适的算法，提高系统的执行效率和性能，快速响应不断发展中的物理世界。4   人工智能在数字孪生城市中的应用在数字孪生城市中，通过在系统架构中多层次部署人工智能、综合使用多种应用技术，可赋予数字孪生城市感知智能、数据智能、决策智能，提升系统智能运行的速度与能力。4.1  人工智能赋予数字孪生城市三重能力，提升系统智能水平在数字孪生城市中，人工智能可以全方位、多维度发挥作用，赋予数字孪生城市感知智能、数据智能、决策智能（见图1）。感知智能主要集中在基础设施的终端感知方面，通过部署到城市各个角落的传感器、智能化城市部件，实时获取终端数据并进行初步分析。数据智能、决策智能分别体现在智能中枢层、应用服务层。数据智能指基于知识图谱等技术，形成高精度CIM模型，实现城市数据的实时更新和虚实交互，为城市治理提供全视角、多维度的数据支撑。决策智能指数字孪生城市系统在数据智能的支撑下，快速判断城市调度运行路径，提供问题最佳解决方案。图 1   人工智能在数字孪生城市各层面中的应用效果示意4.2  人工智能在数字孪生城市多层级部署，提升系统运行速度在数字孪生城市中，人工智能可部署到边缘、大数据平台、公共云、城市大脑等各个位置，涵盖数字孪生城市总体架构中的新型基础设施、智能运行中枢、智慧应用体系3个层面。系统从边缘和终端系统捕获视频、图像和音频等复杂数据，在基于深度神经网络的实时分析后，将这些信息传递至大数据平台、城市大脑等位置，供下一环节进行信息汇聚和深度分析。运行中枢形成调度运行决策后，将信息传递至应用平台或边缘终端，使之执行相应程序和动作。在此过程中，数字孪生城市需要对物理世界进行快速响应，系统运行流畅与否取决于各个层面的人工智能的决策速度，随着边缘AI的发展和存储运算能力的提升，数字孪生城市的智能运行速度也将逐步提高。4.3  多项人工智能应用技术综合使用，提升系统运行能力人工智能应用技术包括计算机视觉、自然语言处理、生物特征识别、知识图谱等，计算机视觉可让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力；自然语言处理可实现人与计算机用自然语言（包括文字和语音）进行有效通信；生物特征识别可通过人体独特的生理特征、行为特征进行识别认证；知识图谱可以构建描述物理世界中的概念及其相互关系的结构化的语义知识库。在数字孪生城市中，通过几类应用技术的综合使用，可赋予系统更全面、更高阶的能力，构建更为复杂的应用场景。例如，在处理重大案件时，可结合计算机视觉和自然语言处理对现场监控视频进行图像分析、视频摘要，对网络空间进行情报侦察和分析；利用计算机视觉和生物特征识别锁定犯罪嫌疑人，并对其行动轨迹进行追踪定位；利用知识图谱对嫌疑人及相关人员、相关事件进行关联分析，寻找案件突破口。5   数字孪生城市部署人工智能的策略建议结合人工智能的发展态势和面临的挑战，对数字孪生城市部署人工智能的策略建议如下。一是密切跟进技术发展趋势，运用最新算法优化数字孪生城市。人工智能算法研究成果不断推陈出新，使各类应用技术得以改进，实际应用成效提升十分显著。为使数字孪生城市的运行效果不断优化，需要密切跟进技术发展趋势，及时地将新算法部署到共性技术赋能与应用支撑平台，供系统选择调用。二是加强人工智能专业运维团队配套，保障系统运营维护。人工智能涉及到数学、计算机、工程学、神经学、语言学等多种学科，专业门槛较高。在数字孪生城市中部署人工智能，应积极借助在人工智能领域具备技术优势的企业力量，组建专业运维团队，及时、高效地响应系统维护需求。三是重视数据安全和隐私保护，设计风险防控机制。数据安全是智慧城市建设过程中需要考虑的基础问题，在具备海量数据的数字孪生城市中更是如此。在构建数字孪生城市的过程中，须提前设计数据安全和隐私风险管理办法，明确数据的访问权限和访问级别；对个人数据的调用，在非必要情况下须去除敏感信息，防止隐私泄露；加强数据监管，防止遭受数据投毒（如在数据库中加入伪造数据、恶意样本等）。四是警惕深度伪造技术，防范针对人工智能的网络攻击。不法分子可能利用人工智能伪造音频和视频（即“深度伪造”），躲避或误导数字孪生城市系统的监控，导致系统产生错误结果，甚至利用数字孪生城市的AI系统漏洞开展大规模网络攻击。对此，数字孪生城市运维团队应加强与技术研究人员的合作，提高对人工智能潜在恶意用途的警惕与预判，及早制定应急预案。