主题:【原创】仪器行业互联网思维2:今天,我和你梳理一下科学仪器行业的数据智能

浏览 |回复1 电梯直达
蒋超广州
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
本系列文章目的在于普及仪器从业从业者互联网思维,作者蒋超,就职业广州市环境监测中心站,从事环境监测实验室分析工作。微信jcvstop,欢迎同行交流。
我在想,如果你现在和同行谈仪器行业的大数据,人家会说太务虚。
有些概念比较超前,仪器行业部分人员会觉得有点夸大互联网数据的作用。
而写这篇文章在于告诉大家科学仪器行业的趋势,变,则通。
这两年大家才开始听到大数据、人工智能这些热门得不能再热门的词,但实际上认真想一下,互联网最成功的这几家企业,本质上都是基于人工智能和大数据。你在谷歌上输入任何一个关键字,不到一秒的时间,它就能把全网相关的信息推送给你,这完全是超出人的想象的一种服务,只有靠机器才能做到。
每天上亿人在淘宝挑商品、做买卖,这些个性化的服务如果都由人来完成,那么淘宝雇再多的人无济于事。 这就是我们这个时代第二个最重要的特征,由机器取代人进行决策、提供服务。 越来越多的场景只有靠机器、靠人工智能才能完成以前靠人没有办法完成的海量服务和个性化的服务。



科学仪器行业未来可能全面智能化吗?


什么叫智能化呢?就是未来仪器行业的决策会越来越多地依赖于机器学习,依赖于人工智能。 机器将取代人,在越来越多的商业决策上扮演非常重要的角色,它能取得的效果远远超过今天人工运作带来的效果。
前一段时间,我们购买的那台便携式气质联用仪装机,这是聚光科技生产的一台国产仪器,但在某些方面真的让我看到了几年后的行业,几年后自己处于什么样的工作状态中。
这台仪器的设计理念在目前行业中比较超前,它通过大量行业检测标准数据内置了自动化操作模块,你需要老化色谱柱,再也不需要调整仪器参数,系统自动就调整到老化的模式,你需要检测有机氯农药,系统根据自带的标准数据库,自动将参数调整至适合有机氯检测的状态。
另外仪器的各部分全部可视化,尽管可视化程度不是很高,但是这种通过大量数据来识别用户意图的方式的思路,让仪器智能化的实现成为可能。
上次AlphaGo的事情,应该引发不少人的关注,我当时也写了一篇关于仪器行业人工智能大趋势这样的文章“阿尔法狗”零封柯洁,仪器行业人员到底要不要看趋势?人工智能的概念今天非常普及,也毫无疑问是未来最重要的一个趋势。对于仪器行业的人来说,特别是很少和社会商业接触的实验室分析人员,在一定程度上会因为日复一日的实验室检测工作而忽略对一些新事物的关注。
今天人工智能的技术核心,其实是机器用笨办法去算,它的所谓学习是通过概率论的方法,不断地去通过正反馈来优化结果,而不是像人一样去思考和学习。 这种机器学习的方法必须基于海量数据的校验,必须基于算法的一个不断反馈过程。 所以我把这个阶段人工智能带来的商业价值,它所实现的路径叫做数据智能。
上面提到的聚光科技的便携式气质联用仪,按照目前这种海量数据的思路,也许某一天,软件能根据内嵌的标准方法数据库,自动识别目前的绝大部分操作方法,这样在现场应急监测过程中,只需要告诉仪器发生事故的工厂性质,仪器就能自动调整好参数,待命监测现场数据,我想,这在接下来的智能数据中,是完全可以实现的,更何况那些目前我们无法想得到的技术。
最近最典型的案例就是谷歌翻译。传统上我们想用人的学习方法去做翻译,机器怎么都做不过人,但是过去十几年用所谓的深度学习方法,其实就是机器智能的方法。通过所有的人提供海量的数据,机器现在能够快速提高它的准确率,从几年前百分之四五十,快速提升到今天百分之九十几以上,完全能够达到商用的水平。所以谷歌翻译成了今年非常热门的一项服务,越来越多的基于机器智能的服务,会成为我们生活中离不开的服务,它的本质是用机器做到了人做不到的事情。



科学仪器行业怎样变得数据智能化吗?


接下来你大概就想知道这个看起来很高大上的叫做数据智能的东西,要怎样才能融入到仪器行业商业里面去呢?
简单来说,仪器行业同样需要像其他行业一样,要做数据化、算法化和产品化这三件事情。
1.先讲数据化的概念。

由于互联网的存在,由于广泛的连接,淘宝其实是能够准确地记录下来所有用户全部的在线行为的,而这些数据本身可以用于优化他下一次来淘宝的体验,所以没有这个数据化的积累就没有后面的一切。
但是不知道我们目前仪器行业是否有企业在这样做了,我想应该是没有的,仪器信息网聚集了月流量60万的点击量,但是对于用户进去后到底做了什么,点击和关注了什么,下载了什么,这些我不知道他们是否做了统计,统计后的海量数据是否拿来作为后期接下来的算法数据的来源,我想仪器信息网应该也在考虑。
但是从仪器信息网这十几年的发展来看,海量数据的智能化应该还没有起步,否则最近两年会有一些智能化的产品出现,但现在看到的绝大部分属于web1.0-2.0时代的产品。
2.第二个算法化。

算法这个词可能一般的人听了会懵,其实讲算法之前先要讲一个概念叫建模型。
一个人在某个场景下会怎么决策,先要把他抽象成一个模型,然后要找到一套数学的方法,让它能够收敛,用模型去优化他的决策。然后第三步才是把这个算法用计算机能够理解的程序写下来。
打个简单比方,购买一台高分辨液质联用仪,我需要了解各种型号的技术参数和指标。此时我们参观一个实验室,想看看别人家这台仪器设备(假设不知道品牌)的评分,此时如果我是销售人员,只需要拿出手机扫一扫仪器,手机就能根据仪器的外观形状知道这台未知品牌的各种参数以及市场情况,同时根据后台的大量用户评价数据以及海量的各种品牌型号数据进行仪器评价打分,后台自动计算出我的最佳销售策略销售渠道应该怎样做。
那么如果需要建立这样一套系统,首先第一步得掌握目前全球的液质联用仪的性能参数,将数据线上化,但由于仪器行业的特征,如各自品牌技术封锁,这一步在目前几乎不可能完成,但这里不去考虑技术以外的因素。
有了数据之后接下来就是建立模型,系统怎么知道给仪器参数对比,怎么知道能打多少分,这就需要建立数学模型,用某种数学方法解决,能够得到一个可以收敛的结果。然后第三步是计算机的程序,通个这个模型,给出计算出来的值。算法可能是这个时代创造巨大价值的一个新概念,这里我再多讲一些:
历史上最出名的一个算法叫做PageRank,这个算法支撑了谷歌这个5000亿美金公司的起步。你上网在一个搜索框输入一个关键字,全网的信息就能按照关联度推荐给你。
怎么组织全网这个信息?怎么去理解相关性?怎么把最相关的信息给你推送出来?谷歌最早的创始人在斯坦福读博士的时候就想到了一种模型,这个模型根据网站跟网站之间的链接和指向,来代表这个网站的相对重要性。然后他把所有网站的链接都记录下来,这就完成了数据化。
但更大的挑战是你怎么来算它的相关性?他就设计了一套算法,一套数学的公式,这个相关性就是根据这个公式来推导的。由于计算能力的大发展,能够把全网的数据都通过这个数学公式马上计算出一个结果。你输入关键字,通过了这个巨大的搜索引擎,实际上它的核心就是这个算法,就能给你一个特定的结果,这就是算法起的作用。
3.第三产品化。

算法要真正发生作用,离不开第三个关键的词,就是产品化。
你一定要建立产品跟客户的直接连接。
这个产品在我们之前提到就是聚光科技的那台气质联用仪,这样一个仪器自动化界面就是智能产品,能够帮助操作者自动调整仪器性能。或者刚才讲到的实验室场景扫描系统,系统扫描出来的仪器评分及销售策略分析就是产品。
这个产品建立了智能引擎和用户之间互动的桥梁,你的每一次动作,通过数据化的方式告诉了这个智能系统说,你给我的匹配的仪器不够高,智能化程度够不够高,机器再根据这个结果去优化它的算法,给出一个更好的结果。
机器跟人不一样,它可以永远不知疲倦的24小时以秒级的速度在更新它的结果,所以它的进化速度非常非常快,从一个开始并不很精确的结果,很快就能达到一个非常精确的结果。
产品化是非常重要的一个环节,因为它提供了一个反馈闭环,而反馈闭环是任何学习的一个前提条件。 但遗憾的是,目前仪器行业,无论是第三方检测,还是实验室智能,都还有发展到这样的观点。
反馈闭环也就是你无论学什么,比如说学打羽毛球,你动作对不对,一定要教练给你一个反馈,你改了以后是往正确的方向更对了,还是纠偏纠得更错了,教练要再给你一次反馈。这实际上就是学习、修正、调整、反馈。过程中你就能够学习、进步、提升,人是这么学习的,机器也是这么学习的。
所以我提到为什么聚光科技的那台仪器设备让我隐约看到了五年后的仪器智能状态,因为在不久的将来,这款仪器是完全可以通过对全国大量用户的人机互动的大量数据从而做出自己相应的辨别和判断。
那么对于绝大部分传统的仪器公司或者第三方检测平台,看到这里可能会有点担心,说我是一个很传统的企业,那些算法我也不懂,海量的数据计算我也不懂,那么多数学天才我到哪儿去找?
实际上对于大部分的传统企业来说,你不用担心这些。就像云计算,谷歌、阿里巴巴、亚马逊这些企业都在把它当成一个公共服务在提供,所以将来你不用去担心算法、计算这些,这些都会成为智能时代的基础设施。
你要做的是什么呢?其实我之前的文章中提到,核心在于你能不能够创新地实现产品化,把你的核心业务流程在线化,这样的话数据才能被记录下来。然后你可以在这些大互联网企业提供的算法工具包里,去挑一个合适你的算法。 这样把全球实验室实验人员的数据作为原料,交给算法去处理,你的系统或业务就变成了一个智能业务。 你就能比你的竞争对手每天都越跑越快。这是未来竞争能够脱颖而出最重要的一个秘诀。



好了,今天就写写这些,数据时代,当然也需要学习相关的知识,同时要多与行业的同行交流,储备这方面相关的知识。如果你对科学仪器行业的智能数据感兴趣,也可以与作者交流。


wccd
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵