摘 要：在數(shù)字化轉(zhuǎn)型的大背景下，推動我國產(chǎn)業(yè)鏈和供應(yīng)鏈數(shù)字化轉(zhuǎn)型已成為提升產(chǎn)業(yè)競爭力和韌性的重要舉措。面對產(chǎn)業(yè)發(fā)展對標(biāo)準(zhǔn)制定效率和使用方式的新需求，標(biāo)準(zhǔn)化工作必須進行主動、系統(tǒng)的轉(zhuǎn)型升級。本文通過分析現(xiàn)有標(biāo)準(zhǔn)數(shù)字化概念和機器可讀能力分級模型，梳理現(xiàn)有研究標(biāo)準(zhǔn)數(shù)字化關(guān)鍵技術(shù)的概念、優(yōu)勢與不足，探討了未來標(biāo)準(zhǔn)數(shù)字化技術(shù)路線圖，涵蓋層級間和大類技術(shù)內(nèi)容，還展望了標(biāo)準(zhǔn)數(shù)字化的未來發(fā)展方向，對于推動機器可讀標(biāo)準(zhǔn)的發(fā)展和應(yīng)用具有重要的理論和實踐價值。

關(guān)鍵詞：標(biāo)準(zhǔn)數(shù)字化，機器可讀，技術(shù)路線

DOI編碼：10.3969/j.issn.1002-5944.2024.015.004

0 引 言

在產(chǎn)業(yè)數(shù)字化進程中，數(shù)字技術(shù)得到廣泛的應(yīng)用和推廣，使得生產(chǎn)效率和創(chuàng)新能力得到關(guān)鍵提升。數(shù)字經(jīng)濟作為當(dāng)下的一種主要經(jīng)濟形態(tài)，通過信息技術(shù)融合與全要素數(shù)字化轉(zhuǎn)型，快速、廣泛、深刻地影響著生產(chǎn)生活治理方式的革新。2022年，中國的數(shù)字經(jīng)濟總量達(dá)到了50.2萬億元，按名義值計算年增長率為10.3%，這標(biāo)志著數(shù)字經(jīng)濟增速已經(jīng)連續(xù)第11年明顯超過同期的GDP增速。此外，數(shù)字經(jīng)濟在國內(nèi)生產(chǎn)總值（GDP）中的占比為41.5%，與第二產(chǎn)業(yè)在整個國民經(jīng)濟中的比重相當(dāng)。

數(shù)字化的歷史洪流要求我國全要素轉(zhuǎn)型，其中產(chǎn)業(yè)鏈和供應(yīng)鏈數(shù)字化轉(zhuǎn)型是重中之重。標(biāo)準(zhǔn)作為國家質(zhì)量基礎(chǔ)設(shè)施，對于產(chǎn)業(yè)鏈和供應(yīng)鏈的發(fā)展與穩(wěn)定意義深刻。為滿足服務(wù)主體轉(zhuǎn)型完成后的用標(biāo)新型需求，適應(yīng)產(chǎn)業(yè)高速發(fā)展，杜絕“扯后腿”現(xiàn)象，標(biāo)準(zhǔn)化工作同樣需要將數(shù)字化理念引入工作流程，系統(tǒng)改革、橫縱接納，從標(biāo)準(zhǔn)呈現(xiàn)形式與標(biāo)準(zhǔn)化活動雙向推進，培育標(biāo)準(zhǔn)高新服務(wù)模式，持續(xù)跟進發(fā)揮標(biāo)準(zhǔn)的基礎(chǔ)性、引領(lǐng)性作用。

本文圍繞標(biāo)準(zhǔn)數(shù)字化轉(zhuǎn)型的概念與核心要素，對轉(zhuǎn)型所需要的新興技術(shù)進行分析，重點梳理知識圖譜、大數(shù)據(jù)、機器學(xué)習(xí)、大模型等新興數(shù)字化技術(shù)的優(yōu)缺點，并結(jié)合機器可讀標(biāo)準(zhǔn)分級模型，構(gòu)建標(biāo)準(zhǔn)數(shù)字化技術(shù)路徑。

1 標(biāo)準(zhǔn)數(shù)字化概念

隨著數(shù)字化技術(shù)的不斷進步，標(biāo)準(zhǔn)領(lǐng)域的數(shù)字化轉(zhuǎn)型正成為一項迫切且充滿挑戰(zhàn)的任務(wù)。在我國，關(guān)于標(biāo)準(zhǔn)數(shù)字化的規(guī)范和操作框架尚未完全確立，但對其基本概念與理論基礎(chǔ)的探討已成為推動行業(yè)發(fā)展的關(guān)鍵一環(huán)。鑒于此，對標(biāo)準(zhǔn)數(shù)字化的基本概念和理論基礎(chǔ)進行深入研究與分析顯得尤為重要。

1.1 標(biāo)準(zhǔn)數(shù)字化

標(biāo)準(zhǔn)數(shù)字化是一種將傳統(tǒng)標(biāo)準(zhǔn)化活動與先進數(shù)字技術(shù)融合的創(chuàng)新實踐，通過電子化文檔、結(jié)構(gòu)化數(shù)據(jù)格式及線上協(xié)作平臺，極大提升標(biāo)準(zhǔn)的制定、執(zhí)行與監(jiān)控的效率與精確性。此過程涉及將標(biāo)準(zhǔn)內(nèi)容轉(zhuǎn)換為易于機器處理的電子格式，利用物聯(lián)網(wǎng)、大數(shù)據(jù)分析等技術(shù)進行實時的標(biāo)準(zhǔn)執(zhí)行監(jiān)控，從而實現(xiàn)標(biāo)準(zhǔn)實施的高度精準(zhǔn)與動態(tài)調(diào)整。標(biāo)準(zhǔn)數(shù)字化不僅加速了標(biāo)準(zhǔn)的迭代更新和廣泛傳播，還提高了標(biāo)準(zhǔn)施行的透明度和公眾參與度，是推動行業(yè)快速響應(yīng)市場變化、提升全球競爭力的關(guān)鍵驅(qū)動力。

在數(shù)字經(jīng)濟時代，我國正在經(jīng)歷標(biāo)準(zhǔn)數(shù)字化發(fā)展，出現(xiàn)了諸如開源標(biāo)準(zhǔn)、機器可讀標(biāo)準(zhǔn)、SMART標(biāo)準(zhǔn)等多種概念。全球趨勢也顯示標(biāo)準(zhǔn)數(shù)字化轉(zhuǎn)型是不可避免的，各國紛紛推動數(shù)字化、網(wǎng)絡(luò)化的標(biāo)準(zhǔn)化工作。開源標(biāo)準(zhǔn)是指一種公開發(fā)表的標(biāo)準(zhǔn)，為多個團隊和開發(fā)者提供了共同參與和改進的機會，推動了技術(shù)的共享和創(chuàng)新，其關(guān)鍵特征包括開放的源代碼、可自由獲取、可修改和可分發(fā)。關(guān)于機器可讀標(biāo)準(zhǔn)，依據(jù)IEC和ISO的相關(guān)文件，機器可讀標(biāo)準(zhǔn)指的是那些可以直接被機器、軟件或自動化系統(tǒng)解讀并應(yīng)用的技術(shù)標(biāo)準(zhǔn)，這些標(biāo)準(zhǔn)以一種用戶和應(yīng)用特定的數(shù)字化格式提供。SMART標(biāo)準(zhǔn)是指用戶（人類和機器）與標(biāo)準(zhǔn)互動所需的格式、流程和工具等形式，可滿足鏈條用戶利益相關(guān)者的需求。

1.2 機器可讀能力分級模型

在2019年，IEC、ISO以及其他區(qū)域性和國家級標(biāo)準(zhǔn)化機構(gòu)提出了一個機器可讀標(biāo)準(zhǔn)的分級模型。此模型依據(jù)標(biāo)準(zhǔn)的機器可讀程度進行等級劃分，規(guī)范對機器可讀標(biāo)準(zhǔn)范疇的理解，同步規(guī)劃策略的演進層級。在2021年，德國國家標(biāo)準(zhǔn)化機構(gòu)（DIN）與德國電工委員會（DKE）基于第一版分級模型向更高層級延伸了一級，并定義了Level 4以上的高級別機器可讀標(biāo)準(zhǔn)為機器可控內(nèi)容，具體如圖1所示。

在標(biāo)準(zhǔn)分級模型中，0級代表傳統(tǒng)的紙質(zhì)標(biāo)準(zhǔn)；1級代表數(shù)字文檔格式，如Word、PDF文件；2級為機器可讀文檔，標(biāo)準(zhǔn)文檔的架構(gòu)被數(shù)字化解析，可以導(dǎo)出局部塊狀內(nèi)容，初步分離內(nèi)容與標(biāo)題表現(xiàn)形式；3級為機器可讀和可執(zhí)行內(nèi)容，對標(biāo)準(zhǔn)中的信息單元模塊可以精準(zhǔn)識別，關(guān)聯(lián)關(guān)系詳細(xì)標(biāo)記；4級為機器可解釋內(nèi)容，標(biāo)準(zhǔn)信息與其應(yīng)用信息關(guān)聯(lián)，支持機器直接、自動執(zhí)行復(fù)雜狀況和決策；5級為機器可控內(nèi)容，標(biāo)準(zhǔn)可以被系統(tǒng)設(shè)備機器自主修改，支持自主決策，并將成果標(biāo)準(zhǔn)通過標(biāo)準(zhǔn)化組織的發(fā)布渠道進行自動審查與發(fā)布。從3級起，這些標(biāo)準(zhǔn)被稱為“SMART Standards”。此模型的每個級別都是基于前一級別的技術(shù)進一步構(gòu)建的，可以細(xì)致評估標(biāo)準(zhǔn)的機器互操作性能力級別。

在機器可讀標(biāo)準(zhǔn)的分級模型中，等級2至等級5展示了從傳統(tǒng)的文檔管理到高度自動化和智能化的標(biāo)準(zhǔn)應(yīng)用的演進。等級2主要涉及以PDF格式存儲的文檔，這些文檔通過成熟的技術(shù)和流程提供廣泛的信息和深入的索引，便于用戶查找和應(yīng)用標(biāo)準(zhǔn)。隨著等級的提升至等級3，標(biāo)準(zhǔn)不僅可讀，還可執(zhí)行，能夠直接集成到企業(yè)的產(chǎn)品設(shè)計、生產(chǎn)和售后服務(wù)中，通過自動化提高效率和降低成本。到了等級4，標(biāo)準(zhǔn)信息被進一步細(xì)化為可由機器解釋的語義組件，這些組件能夠根據(jù)特定的應(yīng)用需求進行智能化的決策和自動化處理，使得標(biāo)準(zhǔn)的應(yīng)用更加靈活和個性化。最終，在等級5中，標(biāo)準(zhǔn)化過程完全自動化，由人工智能驅(qū)動的決策流程取代傳統(tǒng)標(biāo)準(zhǔn)，實現(xiàn)動態(tài)更新和適應(yīng)技術(shù)及監(jiān)管框架的變化，從而支持全球生態(tài)系統(tǒng)的可持續(xù)發(fā)展。這一系列的演進不僅反映了技術(shù)在標(biāo)準(zhǔn)化工作中的應(yīng)用深度，也展示了向數(shù)字化和自動化轉(zhuǎn)型的巨大潛力。

2 標(biāo)準(zhǔn)數(shù)字化關(guān)鍵技術(shù)

據(jù)統(tǒng)計分析，全球數(shù)字化轉(zhuǎn)型的七大重要數(shù)字技術(shù)分別是人工智能（AI）、大數(shù)據(jù)、區(qū)塊鏈技術(shù)（DLT）、物聯(lián)網(wǎng)（IoT）、機器人、3D打印和無人載具。對于標(biāo)準(zhǔn)數(shù)字化轉(zhuǎn)型，調(diào)研國內(nèi)外相關(guān)機構(gòu)、學(xué)者的研究成果發(fā)現(xiàn)，所涉及的數(shù)字化技術(shù)涵蓋面廣、類別跨度大，主要包含人工智能、云服務(wù)、大數(shù)據(jù)、通信安全等大類。具體來說，大部分研究工作中均使用和推薦的技術(shù)集中在知識圖譜、大數(shù)據(jù)、機器學(xué)習(xí)、自然語言處理上，且絕不是單一技術(shù)就可滿足標(biāo)準(zhǔn)數(shù)字化的需求，往往是核心技術(shù)與輔助技術(shù)集成處理。

2.1 知識圖譜技術(shù)

（1）概述

知識圖譜的概念最早可以追溯到20世紀(jì)60年代，但直到2012年，當(dāng)Google引入其“知識圖譜”來增強其搜索引擎的語義搜索能力時，這一概念才廣為人知。知識圖譜是一種通過圖形結(jié)構(gòu)來組織和表達(dá)知識的方法，它標(biāo)志著信息檢索從關(guān)鍵詞匹配向深層語義理解的轉(zhuǎn)變。在知識圖譜中，實體（如人、地點、物體等）被表示為節(jié)點，實體的屬性用于描述節(jié)點的特性，而實體間的關(guān)系則由邊來表示。這種結(jié)構(gòu)使得知識圖譜不僅能表達(dá)實體的屬性，還能描述實體之間的各種復(fù)雜關(guān)系，從而提供更豐富的語義信息。

（2）研究現(xiàn)狀

知識圖譜技術(shù)是當(dāng)下標(biāo)準(zhǔn)數(shù)字化研究過程中突出重視的一環(huán)。知識圖譜技術(shù)通過構(gòu)建和利用標(biāo)準(zhǔn)知識的結(jié)構(gòu)化表示，顯著提升了標(biāo)準(zhǔn)內(nèi)容的查詢效率和關(guān)聯(lián)分析能力，進而提高了標(biāo)準(zhǔn)的應(yīng)用價值[1]。對于標(biāo)準(zhǔn)知識關(guān)鍵信息的識取，構(gòu)建標(biāo)準(zhǔn)知識模型，并進行可視化展示，解決了標(biāo)準(zhǔn)知識未成體系的問題[1-2]，有助于提高標(biāo)準(zhǔn)信息的可視化和互聯(lián)互通，增強標(biāo)準(zhǔn)內(nèi)容的理解和應(yīng)用。對于關(guān)聯(lián)分析能力的形成，該技術(shù)將關(guān)鍵信息以圖譜形式表達(dá)，建立了各知識元之間的顯隱關(guān)聯(lián)關(guān)系[2-3]，通過構(gòu)建標(biāo)準(zhǔn)中實體之間的關(guān)系網(wǎng)絡(luò)，使得復(fù)雜的標(biāo)準(zhǔn)信息可以以圖的形式表達(dá)，還可處理一些復(fù)雜要素信息，如表格數(shù)據(jù)和公式[4]。并且當(dāng)對信息單元進一步擴展應(yīng)用場景時，可以支持標(biāo)準(zhǔn)知識的關(guān)聯(lián)分析、智能推薦和推理等高級功能[4]。

在特定行業(yè)中，如電力行業(yè)，知識圖譜技術(shù)已經(jīng)實現(xiàn)了對領(lǐng)域知識的結(jié)構(gòu)化表達(dá)，這極大地提高了相關(guān)知識的查詢效率和利用率[5]。同時，在航空行業(yè)，基于實際操作經(jīng)驗，已經(jīng)開發(fā)出一種構(gòu)建標(biāo)準(zhǔn)知識圖譜的方法。該方法從原始的標(biāo)準(zhǔn)數(shù)據(jù)開始，運用一系列的自動化或半自動化技術(shù)，支持知識圖譜的創(chuàng)建、輸出和輸入[6]。將標(biāo)準(zhǔn)內(nèi)容轉(zhuǎn)換為互聯(lián)的知識點，知識圖譜技術(shù)構(gòu)筑了一個行業(yè)內(nèi)的知識網(wǎng)絡(luò)。這種轉(zhuǎn)換使得標(biāo)準(zhǔn)內(nèi)容變得更加系統(tǒng)化和結(jié)構(gòu)化，從而支持更復(fù)雜的查詢和決策流程，增強了標(biāo)準(zhǔn)應(yīng)用的靈活性和智能化[7]。

（3）技術(shù)優(yōu)缺點

綜合知識圖譜技術(shù)在標(biāo)準(zhǔn)領(lǐng)域的應(yīng)用情況，總結(jié)提煉標(biāo)準(zhǔn)知識圖譜技術(shù)優(yōu)缺點。其中，知識圖譜技術(shù)的優(yōu)點，主要體現(xiàn)在：

一是標(biāo)準(zhǔn)知識結(jié)構(gòu)化表示。知識圖譜以圖形結(jié)構(gòu)的方式組織和表示知識，能夠清晰地展示實體之間的關(guān)系和屬性，有助于知識的理解和推理。二是標(biāo)準(zhǔn)知識關(guān)聯(lián)性。知識圖譜能夠捕捉到不同實體之間的關(guān)聯(lián)性，包括層級關(guān)系、相似性、關(guān)聯(lián)屬性等，幫助用戶發(fā)現(xiàn)新的知識。三是標(biāo)準(zhǔn)知識擴展性。知識圖譜可以不斷擴展和更新，添加新的實體、關(guān)系和屬性，適應(yīng)不斷變化的知識和需求。四是標(biāo)準(zhǔn)多領(lǐng)域應(yīng)用。知識圖譜可以應(yīng)用于各個領(lǐng)域，實現(xiàn)跨領(lǐng)域的知識共享和應(yīng)用。

對應(yīng)缺點也比較明確：

一是標(biāo)準(zhǔn)知識獲取難度大。構(gòu)建完整和準(zhǔn)確的知識圖譜需要大量的人力和時間，進行數(shù)據(jù)收集和整理時可能遇到數(shù)據(jù)不一致、缺失和錯誤的問題。二是標(biāo)準(zhǔn)知識表示限制。知識圖譜通常以實體、關(guān)系和屬性的方式表示，對于復(fù)雜和抽象的知識可能無法很好地表示，如主觀知識、情感信息和隱含知識。三是標(biāo)準(zhǔn)知識更新延遲。知識圖譜的更新可能存在延遲，無法及時反映最新的信息，尤其是在快速變化的領(lǐng)域。四是標(biāo)準(zhǔn)知識推理限制。知識圖譜提供基于關(guān)聯(lián)性的簡單推理能力，但對于復(fù)雜的推理和推斷任務(wù)可能存在限制。

2.2 大數(shù)據(jù)技術(shù)

（1）概述

大數(shù)據(jù)技術(shù)是指從多源類型的數(shù)據(jù)中，快速挖掘獲取價值信息，即對大量數(shù)據(jù)進行采集、存儲、處理和分析的技術(shù)手段。這一技術(shù)體系繁雜，涵蓋了從數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、分布式存儲到數(shù)據(jù)庫管理、機器學(xué)習(xí)、并行計算、數(shù)據(jù)可視化等多個技術(shù)領(lǐng)域和層面。在標(biāo)準(zhǔn)化領(lǐng)域，盡管標(biāo)準(zhǔn)文本的數(shù)量本身并未達(dá)到大數(shù)據(jù)的規(guī)模，但標(biāo)準(zhǔn)知識則是典型的大數(shù)據(jù)技術(shù)處理范疇。

（2）研究現(xiàn)狀

在標(biāo)準(zhǔn)數(shù)字化工作研究中，大數(shù)據(jù)技術(shù)的作用體現(xiàn)在對于標(biāo)準(zhǔn)數(shù)據(jù)信息的處理與分析。從大規(guī)模的標(biāo)準(zhǔn)數(shù)據(jù)集中挖掘價值和模式，支持標(biāo)準(zhǔn)的決策制定，提供精準(zhǔn)的標(biāo)準(zhǔn)制定和實施建議[1，8-9]，更好地理解和預(yù)測標(biāo)準(zhǔn)的應(yīng)用效果和市場需求，優(yōu)化標(biāo)準(zhǔn)的設(shè)計和實施[10]。具體來說，大數(shù)據(jù)技術(shù)通過信息抽取、數(shù)據(jù)挖掘等手段，解決標(biāo)準(zhǔn)信息內(nèi)容零散的問題，為標(biāo)準(zhǔn)知識主題、章節(jié)架構(gòu)、核心內(nèi)容的識別與應(yīng)用等提供支持[8]，還支持復(fù)雜的數(shù)據(jù)分析，如趨勢分析、模式識別等[3，7]。此外，采用IEC62599用例方法學(xué)作為建模工具，有助于評析規(guī)范多源輸入，確保了標(biāo)準(zhǔn)開發(fā)過程中用戶需求的準(zhǔn)確捕捉和實現(xiàn)[11]。

（3）技術(shù)優(yōu)缺點

綜合大數(shù)據(jù)技術(shù)在標(biāo)準(zhǔn)領(lǐng)域的應(yīng)用情況，總結(jié)提煉標(biāo)準(zhǔn)大數(shù)據(jù)技術(shù)優(yōu)缺點。其中，大數(shù)據(jù)技術(shù)的優(yōu)點，主要體現(xiàn)在：一是數(shù)據(jù)驅(qū)動決策。大數(shù)據(jù)可以提供額外的數(shù)據(jù)信息，幫助用戶做出更好的決策。二是實時性和即時性。大數(shù)據(jù)技術(shù)可以實時地收集、處理和分析數(shù)據(jù)，提供即時的數(shù)據(jù)分析和反饋。三是高效的數(shù)據(jù)處理能力。大數(shù)據(jù)技術(shù)具有高效、快速的數(shù)據(jù)處理能力，能夠在短時間內(nèi)處理和分析大量的數(shù)據(jù)。

對應(yīng)缺點也比較明確：一是非結(jié)構(gòu)化數(shù)據(jù)處理難度大。大數(shù)據(jù)收集的數(shù)據(jù)可能以隨機信息的形式排列或呈現(xiàn)，需要進行有效的整理和處理。二是數(shù)據(jù)安全問題。大數(shù)據(jù)存在安全問題，對于高度安全的數(shù)據(jù)或機密信息，需要高度安全的網(wǎng)絡(luò)保護。三是隱私問題。大數(shù)據(jù)涉及大量的個人和敏感信息，需要妥善處理和保護，防止數(shù)據(jù)泄露和濫用。四是技術(shù)和人力成本高。處理和分析大數(shù)據(jù)需要先進的技術(shù)和大量的計算資源，以及專業(yè)的數(shù)據(jù)科學(xué)家和分析師團隊，可能帶來較高的技術(shù)和人力成本。

2.3 機器學(xué)習(xí)技術(shù)

（1）概述

機器學(xué)習(xí)是人工智能領(lǐng)域的一個重要分支，它賦予計算機系統(tǒng)從經(jīng)驗中學(xué)習(xí)并自我改進的能力，而無需進行明確的程序編碼。這個概念最早可以追溯到20世紀(jì)50年代，當(dāng)時由阿蘭·圖靈提出的“圖靈測試”首次探討了機器是否能展現(xiàn)出類似人類的智能行為。1959年，阿瑟·薩繆爾（Arthur Samuel）開發(fā)了一款能自學(xué)玩跳棋的程序，這是機器學(xué)習(xí)早期應(yīng)用的一個例子。機器學(xué)習(xí)算法主要分為三類：監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)，各自適用于不同的數(shù)據(jù)集和應(yīng)用場景。這些算法使得機器能夠處理從簡單的數(shù)據(jù)分類到復(fù)雜的決策制定等多種任務(wù)。在處理標(biāo)準(zhǔn)文本數(shù)據(jù)、推理標(biāo)準(zhǔn)知識、智能化決策和預(yù)測分析等方面，機器學(xué)習(xí)技術(shù)展示了廣泛的應(yīng)用潛力，這對提高標(biāo)準(zhǔn)制定的效率和服務(wù)的精確性具有顯著的意義。

（2）研究現(xiàn)狀

機器學(xué)習(xí)，主要用于自動化處理和解析標(biāo)準(zhǔn)文檔，提高標(biāo)準(zhǔn)文檔的智能查詢和應(yīng)用效率。通過人工智能，可以實現(xiàn)標(biāo)準(zhǔn)文檔的自動分類、摘要生成、關(guān)鍵信息提取等功能，從而提升標(biāo)準(zhǔn)的易用性和訪問速度[9]，支持標(biāo)準(zhǔn)的智能應(yīng)用，如自動化的標(biāo)準(zhǔn)合規(guī)檢查和標(biāo)準(zhǔn)推薦系統(tǒng)[10]。在航空行業(yè)中，AI可以幫助設(shè)計更加智能的標(biāo)準(zhǔn)使用工具，實現(xiàn)按需、智能的標(biāo)準(zhǔn)應(yīng)用[6]。

（3）技術(shù)優(yōu)缺點

綜合機器學(xué)習(xí)技術(shù)在各個垂直領(lǐng)域的應(yīng)用情況，總結(jié)提煉機器學(xué)習(xí)技術(shù)優(yōu)缺點。其優(yōu)點主要體現(xiàn)在：

一是自動化和高效率。機器學(xué)習(xí)可自動分析大規(guī)模數(shù)據(jù)集，顯著減少人工干預(yù)，從而提升處理速度和結(jié)果的準(zhǔn)確性。二是模式識別和預(yù)測能力。通過訓(xùn)練模型識別數(shù)據(jù)中的規(guī)律和趨勢，支持更精準(zhǔn)的決策和預(yù)測分析。三是處理復(fù)雜問題。機器學(xué)習(xí)可以處理復(fù)雜的問題和任務(wù)，包括圖像識別、自然語言處理、推薦系統(tǒng)等，為解決現(xiàn)實世界中的多樣化挑戰(zhàn)提供支持。四是持續(xù)學(xué)習(xí)和改進。機器學(xué)習(xí)模型可以通過不斷的學(xué)習(xí)和反饋來改進自身的性能和準(zhǔn)確性，具有自我適應(yīng)和持續(xù)改進的能力。

對應(yīng)缺點也比較明確：

一是數(shù)據(jù)依賴性強。機器學(xué)習(xí)的性能和準(zhǔn)確性很大程度上依賴于訓(xùn)練數(shù)據(jù)的質(zhì)量和數(shù)量，如果數(shù)據(jù)不充分或不具有代表性，可能導(dǎo)致模型的性能下降。二是解釋性問題。某些機器學(xué)習(xí)模型（如深度學(xué)習(xí)）可能具有較高的復(fù)雜性和黑盒特性，難以解釋模型的決策過程和推理邏輯，給人們帶來一定的困擾。三是需要大量的算力資源和時間。訓(xùn)練和優(yōu)化機器學(xué)習(xí)模型需要大量計算和時間資源，尤其是在處理大規(guī)模數(shù)據(jù)和復(fù)雜任務(wù)時，可能需要昂貴的硬件和大量的時間。四是數(shù)據(jù)隱私和安全。機器學(xué)習(xí)需要大量的數(shù)據(jù)進行訓(xùn)練和優(yōu)化，可能涉及個人和敏感信息，需要妥善處理和保護，防止數(shù)據(jù)泄露和濫用。

2.4 標(biāo)準(zhǔn)大模型技術(shù)

（1）概述

自2022年底OpenAI發(fā)布ChatGP T 3.5之后，因其所表現(xiàn)出的卓越的自然語言理解能力與交互及推理能力，引起了全球范圍內(nèi)對于大模型的研究關(guān)注。大型語言模型，也稱大語言模型、大模型（Large Language Model，LLM；Large LanguageModels，LLMs），是一種深度學(xué)習(xí)模型，屬于自然語言處理（NLP）的領(lǐng)域，是指包含千億級別以上參數(shù)的語言模型，通過學(xué)習(xí)大量的文本數(shù)據(jù)來預(yù)測下一個詞或生成與給定文本相關(guān)的內(nèi)容。為了順利推進標(biāo)準(zhǔn)領(lǐng)域大模型技術(shù)的廣泛應(yīng)用，需要全面借鑒典型行業(yè)（如醫(yī)療、金融等）開源微調(diào)大模型項目調(diào)研的研究成果，以及相關(guān)具有可復(fù)用或者可參考價值的工具接口及數(shù)據(jù)集。

（2）研究現(xiàn)狀

自然語言處理技術(shù)主要用于處理和分析標(biāo)準(zhǔn)文本，使之能夠進行智能檢索、智能問答等，提高標(biāo)準(zhǔn)應(yīng)用的便利性?？梢酝ㄟ^機器翻譯幫助實現(xiàn)國際標(biāo)準(zhǔn)的本地化和本地標(biāo)準(zhǔn)的國際化，同時也支持術(shù)語詞典的構(gòu)建和問答系統(tǒng)的開發(fā)[2]。自然語言處理技術(shù)在標(biāo)準(zhǔn)數(shù)字化中用于理解和處理轉(zhuǎn)換后的文本數(shù)據(jù)，可以幫助分析文本內(nèi)容的語義，提取關(guān)鍵信息，并進行內(nèi)容的分類和標(biāo)記[7]。ChatGPT等大模型逐漸通用，其發(fā)展到圖像、視頻等其他類型的數(shù)據(jù)，對于標(biāo)準(zhǔn)文本中的曲線、圖形、照片、公式、表格等越發(fā)適配。

（3）技術(shù)優(yōu)缺點

綜合大模型技術(shù)在各個垂直領(lǐng)域的應(yīng)用情況，總結(jié)提煉機器學(xué)習(xí)技術(shù)優(yōu)缺點。其優(yōu)點主要體現(xiàn)在：一是訓(xùn)練數(shù)據(jù)規(guī)模更大，ChatGPT等大模型的訓(xùn)練數(shù)據(jù)規(guī)模是其他語言模型的數(shù)倍甚至數(shù)十倍，可以學(xué)習(xí)到更多的語言知識和語言規(guī)律，具備更強的用戶交互能力和語言生成能力。二是模型參數(shù)更多，算力要求更高：ChatGPT等大模型使用了大量的模型參數(shù)，并基于極高的算力，通過不斷優(yōu)化算法和模型結(jié)構(gòu)，使得它在語言模型的各項任務(wù)上表現(xiàn)優(yōu)異。三是語言生成能力更強：ChatGPT等大模型可以自動生成流暢、自然的文本，包括自然對話、見解文章，乃至于規(guī)范代碼等。四是自然語言理解能力更強，對話交互性更好：ChatGPT等大模型可以進行對話交互，能夠理解用戶提出的問題并生成相應(yīng)的回答，且能生成長文本密集型答案。

雖然大模型于多個產(chǎn)業(yè)研究領(lǐng)域都表現(xiàn)出了卓越的性能，但其仍然有著不可忽視的弊端：一是不及時性，以ChatGPT 3.5為例，其所使用的訓(xùn)練數(shù)據(jù)的截止日期為2021年底，也就是說大模型并不能針對實時問題進行回答，并且由于其模型訓(xùn)練所需數(shù)據(jù)量極大，訓(xùn)練周期較長，所以模型更新速度較慢。二是不可靠性，由于語言生成模型生成文本的模型特征，大模型可能寫出看似合理但不正確的答案。這既源于生成模型的語言生成機制，也與訓(xùn)練時所用數(shù)據(jù)的專業(yè)性和真實性不夠有關(guān)。三是不可解釋性，大模型采用的依然是深度學(xué)習(xí)的訓(xùn)練策略，其訓(xùn)練過程依然是不可解釋的“黑盒”，那么也就導(dǎo)致在船舶工業(yè)制造領(lǐng)域，大模型生成的結(jié)果不敢用、不可用。四是不穩(wěn)定性，大模型對輸入文本的變化和相同的提示很敏感，前后兩次相同用戶輸入對應(yīng)的輸出不一樣。

3 標(biāo)準(zhǔn)數(shù)字化技術(shù)路徑

技術(shù)路線涵蓋標(biāo)準(zhǔn)數(shù)字化的各個方面，從數(shù)據(jù)資源建設(shè)、內(nèi)容處理、平臺開發(fā)、服務(wù)應(yīng)用、智慧決策到基礎(chǔ)設(shè)施建設(shè)和質(zhì)量控制。它們相互關(guān)聯(lián)，共同構(gòu)成了一個完整的標(biāo)準(zhǔn)數(shù)字化技術(shù)體系，旨在提高標(biāo)準(zhǔn)管理和應(yīng)用的效率，促進標(biāo)準(zhǔn)的數(shù)字化轉(zhuǎn)型。

標(biāo)準(zhǔn)數(shù)字化的技術(shù)路線可以分為以下幾類：

（1）數(shù)據(jù)資源建設(shè)與管理。通過建立包括標(biāo)準(zhǔn)文本庫、元數(shù)據(jù)庫、章節(jié)庫、表格庫、圖片庫、公式庫、術(shù)語庫、指標(biāo)庫以及標(biāo)準(zhǔn)知識圖譜庫在內(nèi)的綜合標(biāo)準(zhǔn)數(shù)據(jù)資源庫，實現(xiàn)對標(biāo)準(zhǔn)規(guī)范及相關(guān)資料的有效整合和管理。

（2）標(biāo)準(zhǔn)內(nèi)容的數(shù)字化處理。標(biāo)準(zhǔn)內(nèi)容結(jié)構(gòu)化，如使用XML技術(shù)對標(biāo)準(zhǔn)文檔進行結(jié)構(gòu)化處理；標(biāo)準(zhǔn)題錄屬性抽取，從標(biāo)準(zhǔn)文獻中抽取關(guān)鍵屬性信息；標(biāo)準(zhǔn)條款（段落）抽取，精確抽取具體的條款或段落；主題詞生成，自動抽取標(biāo)準(zhǔn)文獻的主題詞，將傳統(tǒng)的標(biāo)準(zhǔn)文本轉(zhuǎn)化為機器可識別的文檔類型。

（3）標(biāo)準(zhǔn)數(shù)字化平臺與工具開發(fā)。搭建標(biāo)準(zhǔn)信息公共服務(wù)平臺，實現(xiàn)標(biāo)準(zhǔn)全生命周期管理，開發(fā)支持XML格式標(biāo)準(zhǔn)文檔的軟件工具，實現(xiàn)標(biāo)準(zhǔn)數(shù)據(jù)、技術(shù)、業(yè)務(wù)中臺的共享和共用。

（4）標(biāo)準(zhǔn)數(shù)字化服務(wù)與應(yīng)用。完善標(biāo)準(zhǔn)數(shù)字化服務(wù)能力，如標(biāo)準(zhǔn)知識語義搜索、語義問答、場景推送、指標(biāo)比對與更新預(yù)警、即時翻譯等；根據(jù)具體場景需求，開發(fā)應(yīng)用工具，實現(xiàn)標(biāo)準(zhǔn)與業(yè)務(wù)場景融合的服務(wù)，規(guī)劃設(shè)計標(biāo)準(zhǔn)數(shù)字化應(yīng)用場景，確保標(biāo)準(zhǔn)數(shù)字化的有效實施，實現(xiàn)標(biāo)準(zhǔn)的自動執(zhí)行和決策支持。

（5）標(biāo)準(zhǔn)數(shù)字化的智慧化決策。對標(biāo)準(zhǔn)管理、服務(wù)、實施的數(shù)據(jù)進行自動采集和監(jiān)測，開展標(biāo)準(zhǔn)大數(shù)據(jù)分析，實現(xiàn)對標(biāo)準(zhǔn)管理、服務(wù)、實施的評價，形成基于數(shù)據(jù)驅(qū)動的標(biāo)準(zhǔn)科學(xué)化決策能力。

（6）標(biāo)準(zhǔn)數(shù)字化的質(zhì)量控制。標(biāo)準(zhǔn)數(shù)字化結(jié)果審核標(biāo)注，通過人工審核確保準(zhǔn)確性和可靠性，修正不通過審核的數(shù)據(jù)，并用于訓(xùn)練和優(yōu)化NLP模型。

基于以上研究，本文面向機器可讀標(biāo)準(zhǔn)分級模型設(shè)計了如圖2所示的標(biāo)準(zhǔn)數(shù)字化技術(shù)路線。

對標(biāo)國際公認(rèn)的標(biāo)準(zhǔn)數(shù)字化等級劃分方法，提出標(biāo)準(zhǔn)數(shù)字化關(guān)鍵技術(shù)路線，向信息單元和機器可控內(nèi)容等數(shù)字化形態(tài)轉(zhuǎn)型。標(biāo)準(zhǔn)每個階段所蘊含的知識打散、解構(gòu)、分類、辨析、聚合，標(biāo)準(zhǔn)中統(tǒng)領(lǐng)知識的智慧被階段之間的技術(shù)手段層層釋放出來，如當(dāng)下標(biāo)準(zhǔn)處于Level0～Level1層級間的核心技術(shù)，包括成熟的光學(xué)識別技術(shù)、智能版面技術(shù)、三維掃描技術(shù)以及數(shù)據(jù)庫等，未來短時間內(nèi)布局的核心技術(shù)包括元數(shù)據(jù)、結(jié)構(gòu)化語言、自然語言處理以及CAD建模語言等。

4 結(jié) 語

隨著人工智能、大數(shù)據(jù)等新興技術(shù)的快速發(fā)展，構(gòu)建面向機器可讀的標(biāo)準(zhǔn)分級模型已成為標(biāo)準(zhǔn)化工作的重要發(fā)展方向。本文通過分析現(xiàn)有標(biāo)準(zhǔn)數(shù)字化技術(shù)的優(yōu)勢與不足，探討了未來標(biāo)準(zhǔn)數(shù)字化技術(shù)路線圖。未來標(biāo)準(zhǔn)數(shù)字化應(yīng)圍繞以下方面展開：建立統(tǒng)一的標(biāo)準(zhǔn)描述語言和元數(shù)據(jù)規(guī)范，提高不同領(lǐng)域標(biāo)準(zhǔn)的互操作性；開發(fā)智能化的標(biāo)準(zhǔn)編制與管理工具，提升標(biāo)準(zhǔn)編制效率與質(zhì)量；構(gòu)建基于知識圖譜的標(biāo)準(zhǔn)語義關(guān)聯(lián)模型，實現(xiàn)標(biāo)準(zhǔn)內(nèi)容的智能檢索與推薦；探索區(qū)塊鏈等技術(shù)在標(biāo)準(zhǔn)版本管理、標(biāo)準(zhǔn)實施評估等方面的應(yīng)用。

總之，標(biāo)準(zhǔn)數(shù)字化轉(zhuǎn)型是大勢所趨，需要產(chǎn)學(xué)研各界通力合作，加快關(guān)鍵技術(shù)突破，助力我國標(biāo)準(zhǔn)化事業(yè)實現(xiàn)高質(zhì)量發(fā)展。只有不斷探索創(chuàng)新，建立完善、智能、開放的標(biāo)準(zhǔn)數(shù)字化生態(tài)，才能更好地服務(wù)經(jīng)濟社會發(fā)展，推動形成全球統(tǒng)一、國內(nèi)外兼容的標(biāo)準(zhǔn)化新格局。

參考文獻

[1]王立璽，呂千千，牛艷茹.標(biāo)準(zhǔn)數(shù)字化工作關(guān)鍵路徑探究[J].信息技術(shù)與標(biāo)準(zhǔn)化，2022（10）：27-30+42.

[2]王一禾，呂千千，祝賀.標(biāo)準(zhǔn)數(shù)字化轉(zhuǎn)型關(guān)鍵技術(shù)及其應(yīng)用分析[J].信息技術(shù)與標(biāo)準(zhǔn)化，2022（10）：51-55+59.

[3]呂黔蘇，林正平，王昕，等.電力標(biāo)準(zhǔn)數(shù)字化轉(zhuǎn)型路徑與策略研究[J].品牌與標(biāo)準(zhǔn)化，2023（3）：10-12.

[4]陳家賓，趙鑫，王琮，等.機器可讀標(biāo)準(zhǔn)表達(dá)方式探討[J].信息技術(shù)與標(biāo)準(zhǔn)化，2022（10）：43-46.

[5]馬超，鄧桃，周勤勇，等.面向電力領(lǐng)域的標(biāo)準(zhǔn)數(shù)字化轉(zhuǎn)型工作研究——需求分析、轉(zhuǎn)型路徑與應(yīng)用場景[J].中國標(biāo)準(zhǔn)化，2022（23）：87-92.

[6]李翔宇，傅田，潘鑫，等.標(biāo)準(zhǔn)數(shù)字化在航空行業(yè)應(yīng)用探索與實踐[J].信息技術(shù)與標(biāo)準(zhǔn)化，2022（10）：68-72+78.

[7]陳心怡，張華，賈君君，等.數(shù)字經(jīng)濟下工業(yè)生產(chǎn)標(biāo)準(zhǔn)數(shù)字化轉(zhuǎn)型探索研究[J].中國標(biāo)準(zhǔn)化，2023（1）：48-52.

[8]崔靜，王立璽.標(biāo)準(zhǔn)數(shù)字化工作路線圖探究[J].信息技術(shù)與標(biāo)準(zhǔn)化，2023（6）：43-46.

[9]馬超，宋琛.電力標(biāo)準(zhǔn)數(shù)字化：概念、核心挑戰(zhàn)、治理路線圖及發(fā)展趨勢[J].電網(wǎng)技術(shù)，2024，48（2）：480-497.

[10]狄矢聰.標(biāo)準(zhǔn)數(shù)字化轉(zhuǎn)型發(fā)展趨勢與策略研究[J].標(biāo)準(zhǔn)科學(xué)，2023（3）：36-42.

[11]張寶林，侯常靚，鄔雨筍，等.國際標(biāo)準(zhǔn)化組織機器可讀標(biāo)準(zhǔn)工作動態(tài)[J].信息技術(shù)與標(biāo)準(zhǔn)化，2022（10）：18-22.

作者簡介

王明皓，碩士，助理工程師，研究方向為船舶標(biāo)準(zhǔn)數(shù)字化。

殷濤，碩士，通信作者，助理工程師，研究方向為船舶標(biāo)準(zhǔn)數(shù)字驗證。

胡杰鑫，博士，高級工程師，研究方向為標(biāo)準(zhǔn)數(shù)字驗證、船舶標(biāo)準(zhǔn)化理論研究。

楊玉婷，本科，工程師，研究方向為船舶標(biāo)準(zhǔn)化。

陳家賓，碩士，高級工程師，研究方向為船舶標(biāo)準(zhǔn)化與開發(fā)。

高超，本科，工程師，研究方向為船舶標(biāo)準(zhǔn)化。

金建海，碩士，高級工程師，研究方向為船舶標(biāo)準(zhǔn)化。

（責(zé)任編輯：袁文靜）