利用语料来透析（“哲学思考”） “数字孪生” 上
文摘
科技
2024-10-07 12:33
上海
![]()
![]()
文｜祝融
编辑｜郭嘉
----->更多内容，请移步“鲁班秘笈”！！<-----在数据要素行业也浸泡多年，在这个领域一个比较难回答的问题是，数据交易包不包括交付，其实仁者见仁，不同的见解演化出不同的路径。目前大致分为软流通和硬流通两种模式。软流通涉及到数据凭证，数据合规，数据安全以及数据资产入表等，硬流通涉及到具体的流通技术，隐私计算区块链乃至起源于欧洲数据空间技术的“变种”数据空间技术。无论上层如何“你方唱罢我登场”，底层的基础逻辑还是以数据为基础实体。过往各行业的数据流通就像原油，要让数据最大化还需要从原油中进行多次的精炼。而语料将成为这个领域最重要的一环，它不限于服务于大模型，以语料为主体的数据流通将更加的可落地与可执行。时至今日，在大模型发展趋于稳定的前提下。对于语料的建设日益重要，而语料其实离不开“数字孪生”的话题。从1993年“数字孪生”（ Digital Twin，简称“DT“）在《Mirrored World》被提出，到2005年产品生命周期管理的概念提出，整个内容在不断的丰富。这个术语已在制造业、智能城市、建筑与环境、能源、交通、医疗保健等行业领域内被广泛使用，其能力也从静态模型到具有实时数据集成的动态仿真，甚至包括自主能力（如自动驾驶汽车）。但是对于“数字孪生”的概念和术语（包括DT所需组成要素等）尚未有统一的解题答案。![]()
ISO/IEC（国际电工委员会） 23247-1:2021：“适合目的的可观察制造元素的数字表示，具有实现元素与其数字表示之间在适当同步速率上收敛的手段”NASA：“一个已建成车辆或系统的综合多物理、多尺度、概率模拟，它使用最佳的物理模型、传感器更新、机队历史等，来镜像其对应飞行孪生的生命”“数字孪生”的组成成分在不同的领域有不同的模型，例如：- 制造业的五维参考模型：1）物理实体；2）虚拟模型；3）DT数据；4）服务；5）连接。
- 智慧城市的欧洲数字城市DUET模型：1）展示层 ；2）访问控制层；3）服务层；4）业务层；5）数据层；6）基础设施层；7）安全层
- ISO/IEC：1）目标实体；2）数字实体；3）数据连接；4）服务；5）基础设施；6）系统方面
每个领域对“数字孪生”的定义、构建元素、开发和支持的组件都大相径庭。虽然现有标准已经能拉通一些基础抽象的共识概念，但尚未有统一的考模型来整合构建“数字孪生”所需的要素及其定义。![]()
当前部分建筑行业的专家联合AI专家尝试使用NPL和LLMs的技术手段，从15,000篇建筑环境文章语料中提取和分析“数字孪生”的定义（问题1）及其组成要素（问题2）。制定一个数据驱动的、全面的、标准化的数字孪生定义，以捕捉建筑环境中的统一理解。![]()
研究人员选择了Elsevier ，最大的科学文献出版商之一，从Elsevier搜索标题、摘要或关键词中包含以下术语的文章：“数字孪生”、“城市数字孪生、“城市数字孪生”、“智慧城市”和“建筑数字孪生”，文章发表年份的范围在2000-2024，共收集了15,353篇文章。并且存储了它们的元数据，包括出版物类型（全文文章、摘要、章节、社论等）、主题、作者、出版日期和关键词。此外，研究人员还对52位来自不同领域的国际专家，如政府、行业（如公司、咨询公司）和非政府组织（NGO），组成该小组，进行了“什么是数字孪生？”的问卷调查，贡献他们在此主题上的多样背景和经验。收集完语料后，研究人员针对语料做了两部分的信息提炼。第一部分与“数字孪生”的定义相关的数据集，第二部分与数字孪生”的组成要素相关的数据集。使用正则表达式，通过提取所有符合“数字双胞胎/双胞胎（是/被/可以/- 可以） （被定义为/被描述为/以...为特征）”的句子来获得DT（数字孪生的缩写）定义。下面对应正则表达式的火星文：r’\b(?: digital twin (?:s)?)\s +(?: is\s+) ?(?: defined \s+as)\s+.+?(?=\.\ s|\n|$)
然后使用大模型（LLMs）来过滤模糊的或者不完整的定义并进行人工检测。举个栗子：“数字孪生是数字行业的一场革命”。再用Sentence Embeddings和k均值聚类，在每组内应用模糊匹配算法，以确定每对定义的匹配程度，排除模糊重复定义（FDD）。FDD指的是存在多个相似或几乎相同的定义或描述，但有轻微的变异或差异的情况。
举个栗子： “数字孪生是对真实世界实体和过程的虚拟表示，以特定的频率和保真度进行同步”和“数字孪生是对真实世界实体和过程的数字复制品，以特定的频率和保真度进行同步” 92%的相似度。那么就需要过滤掉前者或者后者其中的一条。在语料1提取的定义数据集和问卷调查数据集中提取“数字孪生“相关的术语和短语的出现次数，再参考制造业的五维参考模型、智慧城市的欧洲数字城市DUET模型、ISO/IEC的组成要素，创建出一个有代表性的“数字孪生”的组成部分列表如下：<下面为比较权威的数字孪生组成部分>根据收集到的语料2的语料，针对每个维度的不同组件进行关联度分析。可以发现这些组件聚集成两类。第一类:云计算、高性能计算（HPC）、安全协议、实时数据、仿真模型和人工智能/机器学习（AI/ML）模型彼此之间高度相关；第二类: 数据表示、数据验证、可视化和政策之间也高度相关。第1（聚）类其实就是实时大数据动态和可适应的要素，研究人员称之为High-Performance Real-Time（HPRT），其更适用于计算密集型应用，如制造、自驾汽车和航空航天领域。第2（聚）类特点是近实时到远实时的数据管理和可视化要素，称之为Long Term Decision Support（LTDS），其更适用于需要长期决策支持的应用，如城市规划和建筑管理领域。研究者还做了如下有趣的研究，将语料2的数据集用于检验“数字孪生”的组成要素（下图横轴）与城市、建筑、制造和建筑（下图竖轴）等不同领域内的重要性和相关性分析，这里采用了频率分析和卡方检验的统计学方法，进而统计出”数字孪生“组成要素在不同领域中的分布和显著性，为数字孪生在各个行业的发展和应用提供了重要见解。
![]()
从上述两张图可以发现，建筑设计领域（Architecture Domain）与建筑物领域（ Building Domain）显著的组成要素类似，侧重于2D/3D数据、数据表示和验证等。而物联网传感器、政策等组件在城市领域（Urban domain）比较显著，却在前两者中反而不那么显著。同时可以观测到数据表示、可视化相关要素是在三个领域内都有较高的显著性。另外实时数据和AI模型、仿真模型等较为新兴的技术在这三个领域内尚未被重用。------>敬请移步“鲁班秘笈”！<------------>敬请移步“鲁班秘笈”！<------------>敬请移步“鲁班秘笈”！<------
