ZD至顶网CIO与应用频道 01月10日 北京消息:全球领先的信息技术研究和顾问公司Gartner认为,面对日新月异的技术与社会变革,政府的首席信息官对于推行智慧城市和开放式数据项目有着强烈意愿和紧迫感。如果管理得当,这种转变将会让政府处于社会技术创新的核心位置。
随着个人技术与社交网络逐渐渗透到个人生活的方方面面,与此同时,政府与各企业正在不断加大对IT基础设施与治理的投资。因此那些支撑居民、社区与企业创新与协作、并最终提供有用解决方案以满足公民需求的各种开放平台应运而生。
据Gartner预测,到2019年,在百万级人口的城市中,50%的居民将通过自愿分享其个人数据而从智慧城市计划中受益。居民所产生数据的数量与类别将继续随着个人电子消费设备与物联网的应用激增而同步增长。通过政府与企业合作,居民将会体验到因分享数据而带来的部分收益。不过,随着超级连接的发展步伐不断加快,居民将越来越意识到其“生活数据”的巨大价值,并将主动交换数据,以获得“即时”价值。
人们对于效率与便利的需求正在加速推动数据分享。例如,通过各种接触点参与其中的复杂性已成为居民与政府开展互动的重要障碍之一。诸如“我有资格投票吗?”之类的简单问题就会让居民卷入复杂的流程与规则以及访问各种网站。
因此,居民转而用交流平台,例如网站中的虚拟个人助手(virtual personal assistants)与消息机器人(messaging bots)来摆脱使用传统的应用和网站。政府也在适应这种变化。例如,犹他州公共安全部通过私人语音助手Amazon Echo提供驾驶员驾照考试;新加坡正在与微软就其“会话即平台”(conversation as a platform)计划而展开协作,围绕一系列公共服务而开发聊天机器人(chatbots)。
上述情况所带来的结果——即居民、政府及所在城市进行互动而生成的机读数据量快速增加,进而为搭建开放式数据门户网站创造了巨大机会,从而在此基础上提升效率、改进居民体验、推动创新以及为政府机构创收。
城市中的开放式数据门户网站并非新鲜事物,但当前的许多门户网站只具备有限的机器可读性,因而商业价值受到限制。当数据得到有效收集和管理,以生成宝贵的实时数据流而非后期生成的统计数据或报告时,整个城市才能变得真正“智慧”。
目前,一些城市已经着手创建数据市场,尤其是在考虑来自物联网的数据流不断增加的情况下。哥本哈根数据交易所(Copenhagen Data Exchange)便是先行者之一,它率先将居民与数据相连接,提供在线城市记录,以及借以查看信息的一系列滤镜。
打造真正市场的下一关键步骤在于展现并统筹这些数据,以实现更多以业务为导向的收益。Gartner预测到2020年,20%的地方政府机构将通过数据市场从增值开放式数据中赢利。用户体验的自动化与扩大化将成为货币化的关键,从而让居民与企业发现并准备数据,确定运营模式,并在其社区或组织机构内部加以分享。
依照具体使用案例,用户将可以选择多种方式为数据访问“支付费用”。普通居民则凭借数据民主的概念就可以参与进来,并通过提供自身数据换取免费访问;而商业使用则可能需要与数据所有人分享收入,或者购买许可证以访问丰富的数据源。
如需了解更多内容,Gartner客户可阅读研究纪要:《2017年预测:政府首席执行官在逆境与机遇之间寻求突破》(Predicts 2017: Government CIOs Are Caught Between Adversity and Opportunity)。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。