话题3：标准数字化的重点突破口（核心难点或问题）

标准数字化概念最早是从德国的工业4.0引出并 不断演化延伸而来，在2018年形成了ISO SMART 的概念，这一概念是集成性的概念。从ISO SMART 的5层概念图可知，从0到3层主要描述标准形态和处 理，第4层开始转向描述标准内容怎么用，面向应用 来展开。标准数字化的目的是让标准更好地给人和机 器使用，因此要兼顾人和机器两个角度。目前，标 准数字化还有很多技术问题需要解决，一方面是自然 语言的复杂性、内容多样性导致标准处理难；另一方 面是标准应用难，应用场景复杂，标准中定性的内容 （如原则要求等）也很难自动化应用。

目前我国国家标准数量很多，对企业、行业来 讲，执行的不仅包括国家标准，还有大量的行标、地 标、企标，也有各级管理机构发布的规范、指南等文 件，这些都是标准数字化所要处理的对象。

标准数字化技术总体而言可分为两个层次：第一 个是共性技术层面，解决通用、共性问题，并给出一 般性解决方案，如自动解析处理、智能编写、全过程 管理、结构化表示、智能应用等；第二个是个性技术 层面，要结合具体领域特点，进行改造和优化，比如 电力领域标准数字化就要考虑电力专业特点、场景和 管理要求，需要具体问题具体分析。

标准解析、编写、管理方面，主要涉及自然语 言处理、知识图谱、本体论、机器学习、大语言模 型、数理逻辑等理论和技术。目前，这些技术都有比 较广泛的研究和应用。特别是近两年，大语言模型 （LLM）发展迅猛。大语言模型从通用性、处理效率 及智能化程度上，确实有很大的优势，但在应用大语 言模型的时候，要特别注意数据和算法倾向性、安全 性、可靠性问题。无论是大语言模型还是其他技术， 在标准化领域应用时，未必能直接使用，直接使用的效果未必很好，需要再训练、改造、优化或者适配。

其次，也要解决结构化表示问题，涉及存储、 共享、处理、标注等一系列技术问题。对于内容的 结构化形式和要求，有一些成果是可以参考。比如 国际标准化组织语言与术语技术委员会（ISO/TC 37）下面有两个分委会，其中术语资源管理分委会 （ISO/TC 37/SC 3）提出了术语结构化的标准，目 前已经纳入ISO标准数字化基本的标注框架。标准术 语部分的结构化标注，就采用了ISO/TC 37发布的 ISO 30042：2019《术语资源管理 术语数据库交换 （TBX）》。另外，ISO/TC 37下还设有语言资源 管理分委会（ISO/TC 37/SC 4），专门制定发布了 一系列关于语言标注、内容标注、语义标注的国际标 准，如针对时间、事件、角色、空间位置关系、数量 信息等相关语义要素的标注，给出了标注基本要求、 流程、方法、框架等。这些标准可以用来作为标准结 构化的参考。结合具体的结构化要求，还需要设计专 用的结构化表示方法。

另外还有标准应用相关的技术问题。标准数字 化最终的目的都是为了让标准更好用。这更好用一方 面是服务人，一方面是服务设备。要分析标准应用场 景，将数字化手段与应用场景深度融合。举一个例 子，医院的自动血压计是一个数字化的场景，血压计 对血压有预设的指标，这些预设指标在医学里是标 准指标。如果超过或者低于这个值都是不健康的。 2022年，《中国高血压临床实践指南》对高血压判 断标准进行了更新，我们可以把它视为标准的修订。 修订之后，怎么让原有的血压设备或者机器能随之以 最简单、人工干预最少的方式更新指标数据？例如： 如何自动“通知”所有血压设备更新判断指标、设备 如何自动获取并使用新的指标等。所以对于标准数字 化应用场景已经不是简单的查询、浏览、检索，而是 要与实际的行业、产业，甚至具体的设备进行密切的 融合、整合。这也就是为什么第4层（level 4）特别 提出通过自学习、分析、验证改进内容处理和访问能 力，实现价值链中无干扰数据流，实现自动问答或预测性内容服务。

此外，商业模式、产业链、价值链的创新也是标 准数字化的一个难点。由技术的变化、融合的需求， 引发出商业模式的变化，同时市场格局、产业链、价 值链也发生了变化。一方面是产业链各方在应用标准 时，对自身价值链会产生影响，同时相互间在标准理 解、应用方面将比较容易达成一致，提高市场共识和 开放性，减少信息差所导致的纠纷。另一方面，信息 技术公司将以标准数字化为切入点更加深度参与各行 业数字化转型，这对信息技术公司的技术能力有了更 高的要求，如必须要有机器学习、人工智能等相关积 累，不再是简单实现查询检索和网页开发，从而提高 了行业准入门槛。

针对技术方案、应用和商业模式的难点，国际 上也是达成了共识。ISO/IEC SMART项目组也划分 为三个子项目：技术方案、商业模式以及用户用例。 用户用例是为技术方案研究、商业模式创新提需求。 ISO/IEC最早开展工作的时候，不是做技术研究，是 先做用户用例的调研，在所有的成员国和TC里调研相 关的用户用例，去了解大家在行业里想怎么用，或者 已经用了什么，然后再基于这些去设计技术方案，设 计新的商业模式。可见，标准数字化不是一个简单的 技术问题，是和产业行业深度融合、实现数字化转型 的解决方案。

最后需要补充的是，以上这些都离不开基础性工 作的支撑，如基础术语、基础资源等。例如，德国最 早提出类似的概念叫做机器可执行标准，后来演变成 了机器可用可读可迁移标准，就是SMART標准。在 这个过程中，大家对术语的内涵的理解，其实是不断 细化深入的。同时基础的数据资源也是不可或缺的。 基础数据资源（如知识库、数据库等）是标准数字化 所有处理、应用以及深度融合的重要支撑基础，尤其 是涉及具体行业和产业层面的，更离不开专业领域的 数据资源。

点评：于欣丽

王海涛对SMART定义做了一些他的分享。实际上我理解就是标准数字化既要兼顾人，还要兼顾 机器，是给人和机器两个方面使用的。另外在标准数字化过程中要兼顾到共性技术层面和个性技术层 面的内容。他还介绍了ISO/TC 37的工作，关于语言和术语，我理解所有的标准都是语言，自然语言 处理做了大概有30多项的国际标准，这些标准我们可以借鉴、可以用、可以转化，语言进入到了专业

领域就是术语。在这方面，也充分发挥一些作用。 在国内，多个机构开展标准数字化研究，不能说哪个机构的路线就是正确的、科学的，同样也不 能过于武断地说哪个机构做的是偏颇的、错误的，需要在不断碰撞中找出共识性的路径来。